Tvrtke generiraju više videa nego ikad. Godinama su arhive emitiranja, tisuće kamera u trgovinama i brojne produkcijske snimke ostajale neiskorištene. Ovo je tamni podaci: masivan, neiskorišten resurs koji tvrtke automatski prikupljaju, ali gotovo nikada ne koriste na značajan način.
Kako bi riješili taj problem, Aza Kai (izvršni direktor) i Hiraku Yanagita (operativni direktor), dvojica bivših Googleovih zaposlenika, odlučili su razviti vlastito rješenje. Osnovali su InfiniMind, startup sa sjedištem u Tokiju koji razvija infrastrukturu koja pretvara petabajte nepregledanog videa i audia u strukturirane, pretražive poslovne podatke.
„Moj suosnivač, koji je desetljeće vodio brand i podatkovna rješenja u Googleu Japan, i ja smo uočili ovu promjenu dok smo još bili u Googleu“, rekao je Kai. Do 2024. godine tehnologija je zrela, a potražnja na tržištu postala je jasna, dodao je.
Kai, koji je ranije radio u Googleu Japan na oblačnim tehnologijama, strojnome učenju i modelima preporuka za video, objasnio je da trenutna rješenja nameću kompromis. Ranije metode mogle su označavati objekte u pojedinim okvirima, ali nisu mogle pratiti narative, razumjeti uzročnost ili odgovarati na složena pitanja o sadržaju videa. Za klijente s desetljećima arhiva emitiranja i petabajtima snimaka, čak i osnovna pitanja o njihovom sadržaju često su ostajala bez odgovora.
Ono što se stvarno promijenilo je napredak u modelima vizualnog jezika između 2021. i 2023. godine. Tada je AI za video počeo nadmašivati jednostavno označavanje objekata, napomenuo je Kai. Opadajući troškovi GPU-a i godišnji porasti performansi od oko 15% do 20% u posljednjem desetljeću doprinijeli su tome, ali veća priča bila je sposobnost — do nedavno modeli jednostavno nisu mogli obaviti posao, rekao je za TechCrunch.
InfiniMind je nedavno osigurao 5,8 milijuna dolara u financiranju, predvođeno UTEC-om, uz pridruživanje CX2, Headline Asia, Chiba Dojo i istraživača AI-a iz a16z Scout. Tvrtka seli svoje sjedište u SAD, dok nastavlja poslovati u Japanu. Japan je pružio savršen testni teren: snažan hardver, talentirane inženjere i potporu startup ekosustava, što je timu omogućilo da usavrši svoju tehnologiju s zahtjevnim kupcima prije nego što postane globalan.
Njegov prvi proizvod, TV Pulse, pokrenut je u Japanu u travnju 2025. AI platforma analizira televizijski sadržaj u realnom vremenu, pomažući medijskim i maloprodajnim tvrtkama “pratiti izloženost proizvoda, prisutnost branda, osjećaje kupaca i utjecaj PR-a”, navodi startup. Nakon pilot programa s velikim emiterskim kućama i agencijama, već ima plaćene kupce, uključujući veletrgovce i medijske kompanije.
Trenutno, InfiniMind se priprema za međunarodno tržište. Njegov vodeći proizvod, DeepFrame, platforma za inteligenciju dugih videa sposobna obraditi 200 sati snimaka kako bi identificirala specifične scene, govornike ili događaje, planira beta izdanje u ožujku, s punim lansiranjem u travnju 2026., rekao je Kai.
Prostor analize videa je vrlo fragmentiran. Tvrtke poput TwelveLabs nude opće API-je za razumijevanje videa za širok spektar korisnika, dok se InfiniMind specijalizira za poslovne slučajeve, uključujući monitoring, sigurnost i analizu videa za dublje uvide.
„Naše rješenje ne zahtijeva kodiranje; klijenti donose svoje podatke, a naš sustav ih obrađuje, pružajući konkretne uvide“, rekao je Kai. „Također integriramo zvuk i razumijevanje govora, ne samo vizuale. Naš sustav može obraditi neograničenu dužinu videa, a troškovna učinkovitost je velika prednost. Većina postojećih rješenja prioritet daje točnosti ili specifičnim slučajevima, ali ne rješavaju troškovne izazove.”
Financiranje će pomoći timu da nastavi razvijati model DeepFrame, proširi inženjersku infrastrukturu, zapošljava više inženjera i dosegne dodatne kupce u Japanu i SAD-u.
„Ovo je uzbudljiv prostor, jedan od puteva prema AGI”, rekao je Kai. „Razumijevanje opće inteligencije videa odnosi se na razumijevanje stvarnosti. Industrijske primjene su važne, ali naš krajnji cilj je pomaknuti granice tehnologije kako bismo bolje razumjeli stvarnost i pomogli ljudima u donošenju boljih odluka.”
