Twelve Labs, una startup che sviluppa intelligenza artificiale in grado di comprendere i video nel modo in cui i modelli linguistici comprendono il testo, ha raccolto 100 milioni di dollari in un round di finanziamento di serie B scommettendo che la prossima frontiera dell'intelligenza artificiale sarà nel movimento piuttosto che nelle parole.
La società ha annunciato il finanziamento sul suo blog il 1 luglio 2026. Il round è stato guidato da NEA e NAVER Ventures, con la partecipazione di Amazon insieme a Radical Ventures, Korea Investment Partners, Index Ventures, Quadrille Capital e Red Bull Ventures. Per un più ampio monitoraggio della copertura del settore dell’intelligenza artificiale sui flussi di capitale di rischio, l’accordo sottolinea una crescente convinzione tra gli investitori che il video sia il prossimo importante tipo di dati che l’intelligenza artificiale dovrà padroneggiare.
"Il mondo non accade nei testi"
Il cofondatore e amministratore delegato Jae Lee ha delineato la missione dell'azienda in termini netti. "Cinque anni fa, abbiamo iniziato con una semplice osservazione: il mondo non accade in un testo. Accade in movimento", ha scritto nell'annuncio.
In un'intervista con Bloomberg News, Lee ha ampliato l'idea, sostenendo che il video "è il segnale di dati più simile che riceviamo come esseri umani per conoscere il mondo". Lo ha messo a confronto con le architetture di intelligenza artificiale dominanti del momento, sottolineando che "questo è diverso anche dagli ultimi modelli di frontiera come Fable 5 e Mythos, che sono ancora modelli linguistici".
L’argomentazione si basa su una lacuna nel modo in cui funziona attualmente l’intelligenza artificiale. L’ultimo decennio di sviluppo dell’intelligenza artificiale, ha scritto Lee, “ha reso il testo programmabile”, ma il video deve ancora ricevere lo stesso trattamento. Ha descritto i video del mondo come "per lo più materia oscura per le macchine", depositati negli archivi, sui droni e nei feed satellitari, a cui si accede ancora in gran parte "attraverso nomi di file, cartelle, didascalie, trascrizioni e memoria umana".
Rendere il video utilizzabile dagli agenti
L'obiettivo dichiarato di Twelve Labs è colmare questo divario. "Il nostro obiettivo è rendere ogni secondo del video indirizzabile, ricercabile e utilizzabile dagli agenti", ha scritto Lee, indicando l'ascesa degli agenti AI, sistemi autonomi in grado di ragionare e agire, come motore chiave della domanda.
Se i modelli linguistici rendessero i documenti ricercabili e i generatori di codice rendessero il software più veloce da costruire, un modello di comprensione dei video potrebbe rendere accessibile ai sistemi automatizzati l’enorme e in gran parte inutilizzato archivio di video registrati. Ciò ha applicazioni nei media, nella sicurezza, nei veicoli autonomi e nelle imprese, qualsiasi campo in cui le decisioni dipendono dalla comprensione di ciò che sta accadendo all'interno di un flusso video.
Una categoria affollata ma distinta
Twelve Labs occupa una nicchia che si trova tra due delle categorie più visibili nell'intelligenza artificiale. Da un lato ci sono i generatori di video, strumenti che creano nuovi video da istruzioni di testo. Dall'altro ci sono modelli linguistici di grandi dimensioni che elaborano il testo. Twelve Labs si concentra invece sulla comprensione dei video, interpretando i video esistenti in modo che le macchine possano cercarli, riassumerli e agire di conseguenza.
PYMNTS ha osservato che i generatori di video fanno parte di una nuova generazione di categorie di software di consumo che si sono formate attorno all'intelligenza artificiale, insieme ai compagni di intelligenza artificiale, alla ricerca conversazionale e agli strumenti di codifica basati su prompt. L'approccio di Twelve Labs si rivolge al lato dell'offerta di questa tendenza, costruendo i modelli sottostanti che potrebbero rendere il video un tipo di dati di prima classe per gli agenti e le applicazioni che vengono costruiti su di esso.
Perché gli investitori sostengono l'intelligenza artificiale video
L'elenco dei sostenitori a tutto tondo punta ai comandi video dell'IA di interesse strategico. La partecipazione di Amazon è notevole dato che la divisione cloud AWS dell'azienda è un importante fornitore di infrastrutture AI e i suoi investimenti in servizi video e multimediali. NAVER Ventures, il braccio di investimento del colosso internet sudcoreano, e Radical Ventures, una società focalizzata sull’intelligenza artificiale, segnalano l’interesse globale per la categoria.
Il round riflette anche un modello più ampio di finanziamento dell’intelligenza artificiale fino alla metà del 2026, in cui gli investitori stanno indirizzando capitali verso startup che perseguono modalità di dati oltre il testo. Mentre i modelli basati su testo hanno assorbito la maggior parte dell’attenzione e degli investimenti, i video e altre forme di ricchi dati del mondo reale sono visti come la prossima arena in cui si possono trovare scoperte e ritorni significativi.
Cosa consente il finanziamento
Twelve Labs non ha dettagliato piani di spesa specifici, ma l’entità dell’aumento, 100 milioni di dollari in un unico round, suggerisce investimenti significativi in elaborazione, talento e sviluppo di modelli. L’addestramento dei modelli di comprensione video è molto più impegnativo dal punto di vista computazionale rispetto all’addestramento dei modelli di testo, data la dimensione dei file video, che aumenta il costo del progresso.
Per Lee, la scommessa è che il profitto giustifichi quel costo. Come ha affermato, "la documentazione più ricca della realtà è ancora in gran parte al di fuori dello strato semantico utilizzato dai moderni sistemi di intelligenza artificiale". Il nuovo finanziamento di Twelve Labs è una scommessa sul fatto che portare i video all'interno di quel livello sarà uno dei progressi dell'intelligenza artificiale decisivi dei prossimi anni.
Fonti: PYMNTS, Bloomberg News, blog aziendale di Twelve Labs.
---
Stai al passo con l'intelligenza artificialeRicevi le ultime notizie, analisi e scoperte sull'intelligenza artificiale, tutto in un unico posto.
Leggi altre notizie sull'AI →
