Twelve Labs, sebuah startup yang membangun kecerdasan buatan yang dapat memahami video seperti halnya model bahasa memahami teks, telah mengumpulkan $100 juta dalam putaran pendanaan Seri B dengan harapan bahwa keunggulan AI berikutnya terletak pada gerakan, bukan kata-kata.
Perusahaan mengumumkan pendanaan tersebut di blognya pada tanggal 1 Juli 2026. Putaran ini dipimpin oleh NEA dan NAVER Ventures, dengan partisipasi dari Amazon bersama Radical Ventures, Korea Investment Partners, Index Ventures, Quadrille Capital, dan Red Bull Ventures. Untuk cakupan industri AI yang lebih luas untuk melacak aliran modal ventura, kesepakatan ini menggarisbawahi keyakinan yang semakin besar di kalangan investor bahwa video adalah tipe data utama berikutnya yang harus dikuasai AI.
'Dunia Tidak Terjadi dalam Teks'
Salah satu pendiri dan kepala eksekutif Jae Lee menyusun misi perusahaan dengan tegas. “Lima tahun lalu, kami memulai dengan pengamatan sederhana: Dunia tidak terjadi dalam bentuk teks. Dunia terjadi dalam bentuk gerakan,” tulisnya dalam pengumuman tersebut.
Dalam sebuah wawancara dengan Bloomberg News, Lee memperluas gagasannya, dengan menyatakan bahwa video "adalah data sinyal paling mirip yang kita terima sebagai manusia untuk mempelajari dunia." Dia membandingkannya dengan arsitektur AI yang dominan saat ini, dengan menyatakan bahwa "hal ini berbeda bahkan dari model terdepan terbaru seperti Fable 5 dan Mythos, yang masih merupakan model bahasa."
Argumennya terletak pada kesenjangan dalam cara kerja AI saat ini. Perkembangan AI pada dekade terakhir, tulis Lee, “membuat teks dapat diprogram,” namun video belum mendapatkan perlakuan yang sama. Dia menggambarkan video di dunia sebagai “sebagian besar materi gelap bagi mesin,” yang tersimpan di arsip, di drone, dan di saluran satelit, sebagian besar masih diakses “melalui nama file, folder, keterangan, transkrip, dan memori manusia.”
Membuat Video Dapat Digunakan oleh Agen
Tujuan yang dinyatakan oleh Dua Belas Labs adalah untuk menutup kesenjangan tersebut. “Tujuan kami adalah membuat setiap detik video dapat dialamatkan, dicari, dan digunakan oleh agen,” tulis Lee, menunjuk pada kebangkitan agen AI, sistem otonom yang dapat berpikir dan mengambil tindakan, sebagai pendorong utama permintaan.
Jika model bahasa membuat dokumen dapat dicari dan pembuat kode membuat pembuatan perangkat lunak lebih cepat, model pemahaman video dapat membuat arsip rekaman video yang sangat besar dan sebagian besar belum dimanfaatkan dapat diakses oleh sistem otomatis. Hal ini dapat diterapkan di seluruh media, keamanan, kendaraan otonom, dan perusahaan, bidang apa pun yang keputusannya bergantung pada pemahaman tentang apa yang terjadi di dalam aliran video.
Kategori yang Ramai namun Berbeda
Dua Belas Labs menempati ceruk di antara dua kategori AI yang paling terlihat. Di satu sisi terdapat generator video, alat yang membuat video baru dari perintah teks. Di sisi lain terdapat model bahasa besar yang memproses teks. Twelve Labs berfokus pada pemahaman video, menafsirkan video yang ada sehingga mesin dapat mencarinya, meringkasnya, dan menindaklanjutinya.
PYMNTS mencatat bahwa generator video telah menjadi bagian dari generasi baru kategori perangkat lunak konsumen yang terbentuk seputar AI, bersama dengan pendamping AI, penelusuran percakapan, dan alat pengkodean berbasis cepat. Pendekatan Dua Belas Labs menargetkan sisi pasokan dari tren tersebut, membangun model dasar yang dapat menjadikan video sebagai tipe data kelas satu untuk agen dan aplikasi yang dibangun di atasnya.
Mengapa Investor Mendukung Video AI
Daftar pendukung dalam putaran tersebut menunjuk pada perintah AI video kepentingan strategis. Partisipasi Amazon penting mengingat divisi cloud AWS perusahaan tersebut adalah penyedia utama infrastruktur AI dan investasinya sendiri dalam layanan video dan media. NAVER Ventures, cabang investasi raksasa internet Korea Selatan, dan Radical Ventures, perusahaan yang berfokus pada AI, menunjukkan minat global terhadap kategori ini.
Putaran ini juga mencerminkan pola yang lebih luas dalam pendanaan AI hingga pertengahan tahun 2026, di mana investor mengarahkan modalnya ke perusahaan rintisan yang mengejar modalitas data di luar teks. Meskipun model berbasis teks telah menyerap sebagian besar perhatian dan investasi, video dan bentuk data dunia nyata lainnya yang kaya dipandang sebagai arena berikutnya di mana terobosan dan keuntungan yang berarti dapat ditemukan.
Apa yang Dimungkinkan oleh Pendanaan
Twelve Labs tidak merinci rencana pengeluaran spesifiknya, namun skala peningkatannya, sebesar $100 juta dalam satu putaran, menunjukkan investasi yang signifikan dalam komputasi, bakat, dan pengembangan model. Melatih model pemahaman video jauh lebih menuntut komputasi dibandingkan melatih model teks, mengingat besarnya ukuran file video, sehingga meningkatkan biaya kemajuan.
Bagi Lee, taruhannya adalah bahwa imbalannya akan membenarkan biaya tersebut. Seperti yang ia katakan, "catatan realitas terkaya sebagian besar masih berada di luar lapisan semantik yang digunakan sistem AI modern." Pendanaan baru dari Twelve Labs adalah taruhan bahwa menghadirkan video ke dalam lapisan tersebut akan menjadi salah satu kemajuan AI yang menentukan di tahun-tahun mendatang.
Sumber: PYMNTS, Bloomberg News, blog perusahaan Twelve Labs.
---
Tetap Terdepan dalam AIDapatkan berita, analisis, dan terobosan AI terkini — semuanya di satu tempat.
Baca berita AI selengkapnya →
