档案库 · AI 与模型 · 战略决策 · 2025–2026
ShoFo押注：建立索引版“视频通用爬虫”，为AI实验室供料；YC W26
ShoFo抓取数十亿条短视频，清洗、标注后卖给AI实验室——它认为瓶颈在于视频数据，而非模型。
ShoFo
做的是什么生意
ShoFo sells custom video datasets to AI labs: its crawlers index billions of short-form clips from TikTok, Instagram Reels and YouTube Shorts, then agents clean, dedupe and annotate matching clips for delivery in standard training formats.
起因
Founded 2025 in San Francisco by a University of California, Santa Barbara-connected team that had built Correkt, an AI search engine for multimodal content that reached more than 40,000 users. While running Correkt they built crawling infrastructure and concluded the plumbing was worth more than the consumer product, so they kept the pipes and rebuilt the company around selling video data.
经过
ShoFo went through Y Combinator's Winter 2026 batch and pivoted from Correkt to a data pipeline: crawl short-form video, screen and dedupe it, add object-detection and vision-language annotations, and deliver datasets in WebDataset, Hugging Face or raw formats. A 2026-07-29 profile said the four-person team had built the index, published a 58,000-video Hugging Face sample with 25,000+ downloads, and was selling datasets to labs training multimodal models, priced by how much annotation each clip needs.
还没有结局，它还在跑。
背景
ShoFo是一家旧金山数据基础设施初创公司，来自Y Combinator 2026年冬季批次，自称“世界最大视频库”，内部称为“视频版Common Crawl”。其赌注是视频将对下一代AI模型产生与文本对LLM同等重要的影响，而尚未有人构建收集、清洗和标注公共视频网页的层。
管道运行流程为爬取、清洗、标注、交付：爬虫从TikTok、Instagram Reels、YouTube Shorts及更广泛的网络抓取短视频；NSFW筛查、质量过滤和感知哈希去除不可用和重复内容；对象检测加视觉语言推理添加活动标签和分割；结果以实验室已使用的格式交付。公司表示难点不在于单个工具，而在于大规模运行于视频并保持索引，将实验室的细化需求转化为查询，而非启动耗时数月的收集项目。
ShoFo源于Correkt，一个同一创始团队构建的多模态AI搜索引擎，用户超过40,000人。他们意识到为该消费者应用而建的爬虫基础设施比应用本身更有价值，因此围绕数据层转向公司。其市场策略是先提供样本：一个约58,000个视频的Hugging Face数据集，截至2026年7月下载量已超过25,000次，旨在企业合同前向研究实验室证明标注质量。
该论点尚早且未经大规模验证，其自身概况也承认：资金有限，截至2026年7月仅四人，且现有企业如Scale AI和Labelbox已提供标注服务。ShoFo的不同之处在于在任何客户出现前就拥有公共视频的预制索引，并专门针对视频而非所有内容。
这件事要成立，得有什么
- 多模态实验室确实缺乏规模化的标注视频；六个月的数据收集瓶颈正是ShoFo销售所针对的问题。
- 转向源于自身数据：Correkt的40,000用户搜索引擎证明了爬虫在ShoFo成为公司前已经可行。
- 免费Hugging Face样本下载量超25,000次，是公开的质量证明，同时产生内需。
- 销售数据集而非订阅，使收入与买方的训练需求挂钩，且预制索引使边际交付成本低。
- 反爬虫防御和私有数据合作给团队带来先发优势，资金充足的克隆者无法快速复制。
可借鉴之处
为某一产品构建的管道若成为稀缺资产，应围绕其重建公司；销售数据时，先提供高质量样本可能是赢得苛刻买家最廉价的方式。
后续进展
截至2026年9月4日，ShoFo活跃并销售中：该公司于Y Combinator 2026年冬季批次毕业，运营于旧金山，团队四人，索引数十亿短视频，向AI实验室提供定制清洗和标注数据集，自有约58,000视频的Hugging Face样本下载超25,000次。该索引能否成为视频AI的基础设施层或现有企业的未来功能仍有待观察；公司尚早期，资金有限，其赌注取决于视频是否将像文本之于AI一样核心。
资料来源
- 16 of the most interesting startups from YC W26 Demo Day
- Shofo (YC W26): Building 'Common Crawl for Video' to Feed the AI Boom
发现哪里写错了？告诉我们。
轮到你了
你刚读完一家。说说你在做什么，看看谁在赌同一件事。
免费账号 · 3 次免费提问 · 不用绑卡