TwelveLabs 获 3000 万美元融资：专攻视频搜索，前 Siri 架构师加盟

如果你在几千个小时的监控录像、活动素材或者产品评测里，想找出「穿红衣服的人什么时候进了餐厅」，传统办法基本只能靠人工快进或者碰运气搜标签。

专做视频理解模型的初创公司 TwelveLabs 想把这件事彻底颠覆。12 月 12 日，据 TechCrunch 报道，该公司完成了 3000 万美元的新一轮战略融资，累计融资额突破 1.071 亿美元。投资方包括 Databricks、Snowflake、SK Telecom、HubSpot Ventures，以及美国情报界背景的非营利风投 In-Q-Tel。

与此同时，他们还找来前苹果 Siri 核心架构师、前 SK 电讯首席技术官 Yoon Kim 出任总裁兼首席战略官。

视频不是文字的附件，它是最难啃的骨头

创始人 Jae Lee 本身是数据科学家出身。在他看来，给视频打标签搜标题根本治标不治本。视频是目前数据量最大、增长最快的媒介，但几乎没有哪家企业有精力给全部视频库做人工切片和精细标注。

虽然 Google 的 Gemini、微软和亚马逊都有视频识别能力，但 Jae Lee 觉得通用大模型大多是文本优先，把视频当成了附加功能。TwelveLabs 的核心卖点就是从第一天起「只做视频」，并且允许企业用自己的私有数据来微调模型。

除了能把视频里的动作、物体和背景声音与文字对应起来，他们还推出了支持图文音视互搜的 Marengo 模型，以及专门生成多模态向量表示的 Embed API。

目前平台已有超过 3 万名开发者，覆盖了视频集锦自动剪辑、广告植入、内容审核，甚至市政部门的实时安全预警与交通调度。

更具商业想象力的是企业级落地。Databricks 已经把 TwelveLabs 的 Embed 接口整合进自身的数据管道，Snowflake 也正在将其连接器整合进 Cortex AI 服务中。

不过，随着应用深入，模型偏见和伦理问题依然悬而未决。视频模型如果在特定新闻数据上训练，极容易学会种族或犯罪偏见。TwelveLabs 去年就承诺过发布伦理基准测试，但至今仍未正式公开，公司解释称目前内部有专门团队在做合规与偏差测试，正式标准还在路上。

为什么重要

我们认为，TwelveLabs 这次融资最聪明的点，在于牢牢绑死了云数据仓库的两大巨头——Databricks 和 Snowflake。

大模型时代，企业视频数据如果只能躺在冷存储里，价值几乎为零。TwelveLabs 没有直接跟 OpenAI 在万亿参数大模型上硬碰硬，而是退后一步做最脏最累的多模态特征提取与检索基础设施，让大厂的数据库直接调用。对于手握海量视频资产的媒体、安防和零售企业来说，现在接入这类专用接口，性价比和精准度很可能明显高于直接调用通用大模型。

但隐患同样明显。首先是通用多模态模型的逼近，Google 和 OpenAI 都在飞速补齐长视频推理能力，纯视频模型的护城河能守多久还是个问号。

其次是业务边界的敏感度。In-Q-Tel 的入局加上前政企合作案例，说明安防监控和情报分析是其绕不开的核心盈利场景。这类场景对偏见和假阳性极其敏感，如果迟迟拿不出令人信服的伦理评估标准，很可能在拓展主流商业客户时遭遇反噬。