Twelve Labs pozyskuje 100 milionów dolarów na wideo dla agentów AI

Twelve Labs, startup budujący modele sztucznej inteligencji do rozumienia wideo, ogłosił zamknięcie rundy Serii B o wartości 100 milionów dolarów. Rundę współprowadziły fundusze NEA i Naver Ventures, a wśród inwestorów znalazł się także Amazon, który przy okazji podpisał z firmą wieloletnią umowę czyniącą Amazon Web Services preferowanym dostawcą chmury dla Twelve Labs.

Wideo jako osobna kategoria danych

Twelve Labs od początku stawia na tezę, że świat nie dzieje się w tekście, tylko w ruchu, i że traktowanie wideo jako dodatku do modeli językowych ogranicza to, co sztuczna inteligencja może z takich danych wyciągnąć. Zamiast konwertować nagrania na opisy tekstowe na wczesnym etapie, firma buduje architekturę rozumienia wideo jako osobnej kategorii, obok generowania obrazu i tekstu.

System firmy opiera się na trzech filarach: percepcji, czyli rozumieniu surowego wideo bez wczesnej konwersji na tekst, pamięci, czyli tworzeniu trwałych, przeszukiwalnych reprezentacji indeksowanych w czasie, oraz rozumowaniu, czyli odpowiadaniu na pytania rozproszone między wieloma fragmentami i okresami nagrania. Model Marengo zamienia sygnały wizualne, dźwiękowe, mowę i tekst na ekranie w reprezentacje możliwe do przeszukania, a Pegasus generuje na tej podstawie opisy, odpowiedzi i podsumowania.

Amazon wchodzi jako inwestor i partner

Zaangażowanie Amazona wykracza poza kapitał. Firma zabezpieczyła sobie rolę preferowanego dostawcy chmury dla Twelve Labs, a nowe modele mają trafiać na AWS jako pierwsze, z wnioskowaniem wideo zoptymalizowanym pod własne chipy Trainium. To wpisuje się w szerszy wzorzec, w którym duzi dostawcy chmury inwestują w wyspecjalizowane startupy AI w zamian za ekskluzywność infrastrukturalną, zamiast tylko sprzedawać im moc obliczeniową na standardowych warunkach.

Naver Ventures, koreański fundusz powiązany z wyszukiwarką Naver, był pierwszym inwestorem Twelve Labs i teraz współprowadzi rundę, co partner funduszu określił jako najsilniejszy możliwy sygnał zaufania do spółki. Obecność Red Bull Ventures i Korea Investment Partners wskazuje, że zainteresowanie wideo AI wykracza poza klasycznych inwestorów technologicznych, w stronę firm z sektorów medialnego i sportowego, które same dysponują ogromnymi archiwami nagrań.

Droga do superinteligencji wideo zaczyna się tutaj - Jae Lee, dyrektor generalny Twelve Labs

Rynek wideo AI się zagęszcza

Runda Twelve Labs wpisuje się w rekordową pierwszą połowę 2026 roku dla startupów AI, które według danych rynkowych pozyskały łącznie około 510 miliardów dolarów finansowania. W samym segmencie wideo konkurencję Twelve Labs stanowią zarówno duzi gracze budujący modele generowania wideo, jak i wyspecjalizowane firmy skupione, tak jak ona, na rozumieniu i przeszukiwaniu istniejących nagrań zamiast tworzenia nowych.

Dla polskich firm z sektorów mediowego, ochroniarskiego czy motoryzacyjnego, które gromadzą godziny nagrań monitoringu, produkcji telewizyjnej czy testów pojazdów, rozwój takich narzędzi oznacza realną alternatywę dla ręcznego przeszukiwania archiwów wideo. Twelve Labs deklaruje, że jej modele indeksują materiał w kontekście do dwóch godzin nagrania naraz, co pozwala agentom AI odpowiadać na pytania rozproszone w czasie, na przykład o to, kiedy dokładnie na nagraniu monitoringu pojawiła się konkretna osoba lub zdarzenie.

Nowe środki firma zamierza przeznaczyć na rozwój kolejnych generacji modeli Marengo i Pegasus oraz na ekspansję geograficzną, w tym nowe zespoły w Nowym Jorku i Londynie, które mają odpowiadać za rozwój biznesu poza dotychczasowym rynkiem koreańsko-amerykańskim.

Źródła: GlobeNewswire (globenewswire.com), TwelveLabs (twelvelabs.io), Bloomberg (bloomberg.com), Tech Funding News (techfundingnews.com)