Twelve Labs押注视频是AI的基础；获亚马逊和英伟达1亿美元B轮融资

Twelve Labs构建视频理解基础模型——Marengo（索引/检索）和Pegasus（视频语言推理）——通过API和Amazon Bedrock向企业销售，用于搜索和分析大规模视频档案。

视频，而非语言，将成为AI的基础：原生视频模型（Marengo、Pegasus）让机器像人类一样观看、记忆和推理视频内容。

2021年在旧金山由李在率领的五名韩国人创立，核心AI研究在首尔进行。创始观察是：“世界不是以文本发生的，而是以运动发生的。”种子轮融资约1700万美元，2023年10月英伟达首次投资韩国生成式AI初创公司，投入约1000万美元的A轮前融资。

2024年6月：由英伟达的NVentures和NEA联合领投的5000万美元A轮融资，Index Ventures、Radical Ventures、WndrCo和韩国投资伙伴参投。产品快速成熟：Marengo-2.6于2024年3月发布，支持任意到任意的视频搜索；Pegasus-1进入测试阶段，用于视频语言推理。2024年12月：SK电信投资300万美元，将其模型用于AI代理和监控工作。2025年7月，亚马逊在Bedrock中提供Marengo 2.7和Pegasus 1.2的完全托管；到2026年，GS Shop基于这些模型构建的视频推荐系统点击率翻倍，购买意向提高9倍，美国政府机构也在探索将视频智能用于国防和公共安全。

仍在运行并扩展：2026年7月1日宣布1亿美元B轮融资（Naver Ventures和NEA联合领投，亚马逊参投），总融资额超过2.07亿美元。CEO李在表示目标是“视频超级智能”——让AI像人类一样观看、记忆和推理——并计划在纽约和伦敦设立办公室，首款AI视频创作应用Rodeo已进入预览。

Twelve Labs选择视频作为主要数据类型——而非次要模态——理由是文本是现实的有损压缩，而因果关系存在于序列中。

该架构使视频成为机器可读的记忆：视频被一次理解、持久存储，并可精确到秒寻址——这正是拥有大型档案的企业真正需要的。

英伟达2023年的投资是首个验证和切入点：它表明在模型发布之前，这一押注是可信的，三年的合作促成了B轮融资。

商业证明来自一个狭窄的领域——GS Shop的点击率翻倍和购买意向提高9倍——表明平台在“视频超级智能”实现之前就能变现。

押注大多数AI忽略的模态——视频而非文本——吸引了英伟达和亚马逊作为支持者；但这种逆向押注仍需转化为企业收入才能实现复利增长。

截至2026年9月2日，Twelve Labs已筹集超过2.07亿美元：2026年7月的B轮融资（1亿美元，由Naver Ventures和NEA联合领投，亚马逊参投）为Marengo、Pegasus及其视频认知系统提供资金。企业收入集中在美国和欧洲，开发者收入年增长80%至120%，采用者包括GS Shop和美国机构，其模型在Amazon Bedrock中完全托管。公司计划在纽约和伦敦设立办公室，预览了视频创作应用Rodeo，并继续推动韩国构建的视频模型成为新兴视频智能时代的领导者。