TwelveLabs 獲 3000 萬美元融資：專攻影片搜尋，前 Siri 架構師加盟

如果你在幾千個小時的監控錄影、活動素材或者產品評測裡，想找出「穿紅衣服的人什麼時候進了餐廳」，傳統辦法基本只能靠人工快進或者碰運氣搜標籤。

專做影片理解模型的初創公司 TwelveLabs 想把這件事徹底顛覆。12 月 12 日，據 TechCrunch 報道，該公司完成了 3000 萬美元的新一輪戰略融資，累計融資額突破 1.071 億美元。投資方包括 Databricks、Snowflake、SK Telecom、HubSpot Ventures，以及美國情報界背景的非營利風投 In-Q-Tel。

與此同時，他們還找來前蘋果 Siri 核心架構師、前 SK 電訊技術長 Yoon Kim 出任總裁兼首席戰略官。

影片不是文字的附件，它是最難啃的骨頭

創始人 Jae Lee 本身是資料科學家出身。在他看來，給影片打標籤搜標題根本治標不治本。影片是目前資料量最大、增長最快的媒介，但幾乎沒有哪家企業有精力給全部影片庫做人工切片和精細標註。

雖然 Google 的 Gemini、微軟和亞馬遜都有影片識別能力，但 Jae Lee 覺得通用大模型大多是文本優先，把影片當成了附加功能。TwelveLabs 的核心賣點就是從第一天起「只做影片」，並且允許企業用自己的私有資料來微調模型。

除了能把影片裡的動作、物體和背景聲音與文字對應起來，他們還推出了支援圖文音視互搜的 Marengo 模型，以及專門生成多模態向量表示的 Embed API。

目前平臺已有超過 3 萬名開發者，覆蓋了影片集錦自動剪輯、廣告植入、內容稽核，甚至市政部門的即時安全預警與交通排程。

更具商業想像力的是企業級落地。Databricks 已經把 TwelveLabs 的 Embed 介面整合進自身的資料管道，Snowflake 也正在將其聯結器整合進 Cortex AI 服務中。

不過，隨著應用深入，模型偏見和倫理問題依然懸而未決。影片模型如果在特定新聞資料上訓練，極容易學會種族或犯罪偏見。TwelveLabs 去年就承諾過釋出倫理基準測試，但至今仍未正式公開，公司解釋稱目前內部有專門團隊在做合規與偏差測試，正式標準還在路上。

為什麼重要

我們認為，TwelveLabs 這次融資最聰明的點，在於牢牢綁死了雲資料倉儲的兩大巨頭——Databricks 和 Snowflake。

大模型時代，企業影片資料如果只能躺在冷儲存裡，價值幾乎為零。TwelveLabs 沒有直接跟 OpenAI 在萬億引數大模型上硬碰硬，而是退後一步做最髒最累的多模態特徵提取與檢索基礎設施，讓大廠的資料庫直接呼叫。對於手握海量影片資產的媒體、安防和零售企業來說，現在接入這類專用介面，價效比和精準度很可能明顯高於直接呼叫通用大模型。

但隱患同樣明顯。首先是通用多模態模型的逼近，Google 和 OpenAI 都在飛速補齊長影片推理能力，純影片模型的護城河能守多久還是個問號。

其次是業務邊界的敏感度。In-Q-Tel 的入局加上前政企合作案例，說明安防監控和情報分析是其繞不開的核心盈利場景。這類場景對偏見和假陽性極其敏感，如果遲遲拿不出令人信服的倫理評估標準，很可能在拓展主流商業客戶時遭遇反噬。