影片 AI 初創 TwelveLabs 宣布，其多模態影片理解模型已透過 Amazon Bedrock 向全球企業開放，解決「全球 90% 數據為非結構化、且大部分無法搜尋」的難題，該公司的 Marengo 與 Pegasus 模型能將影片視為統一的「故事」，而非單純的幀序列或文字記錄，實現跨視覺、聽覺與時空的語義理解。
TwelveLabs 行政總裁 Jae Lee 指出：「我們現在能應對這項挑戰，呈現高度情境化的影片，帶來類似人類觀看、聆聽與理解周圍世界的體驗」，該公司的技術已獲媒體巨頭如 MLSE 與《華盛頓郵報》，以及廣告、製造與政府部門採用，並與 Mimir、Iconik、Adobe 等媒體資產管理供應商合作。
Marengo 是一個多模態嵌入模型，捕捉影片的視覺、音訊與時空上下文，驅動「任意對任意」的影片搜尋，讓用戶能從數百萬小時的檔案中搜尋與檢索影片數據，Pegasus 則是影片語言模型，能分析內容並生成文字輸出，如摘要、分析、元數據與 JSON，支援下游影片工作流程。
突破傳統搜尋限制 AWS 助建極限算力
TwelveLabs 的技術突破了傳統影片搜尋的限制，企業不再只能依賴人手標記或關鍵字，而是可以用自然語言搜尋「顯示比賽中第一次達陣」或「找出主角首次相遇的場景」。這對擁有龐大影片檔案的廣播機構、保安系統與內容創作者而言，意味著沉睡多年的資料資產終於可被激活。
將這類研究轉化為全球生產環境，需要專門為影片 AI 大規模需求設計的基建，影片是最複雜的非結構化數據形式，傳統搜尋方法在數百萬小時的檔案面前徹底失效。TwelveLabs 選擇在 AWS 上部署，正是看中其處理這種獨特規模與複雜性的能力。
解鎖沉睡影片資產 港企突圍新路徑
對香港的媒體與內容產業而言，TwelveLabs 的案例揭示了「影片智能」的商業潛力，當電視台、串流平台甚至企業的培訓影片都能被 AI「讀懂」，內容的二次利用、精準廣播與知識管理將迎來全新可能。關鍵在於，誰能率先將這些「看得見的數據」轉化為可搜尋、可分析的資產。
TwelveLabs 的崛起時機恰到好處，隨着短影片平台爆發、企業影片會議普及、監控鏡頭無處不在，全球影片數據正以史無前例的速度膨脹，但絕大部分內容自生成之日起便無人再看——不是因為沒有價值，而是因為「找不到」。當搜尋成本遠高於內容價值，檔案便等同垃圾。TwelveLabs 的技術，本質上是在為這個「影片通脹」的時代重建秩序。
其商業模式亦值得留意：透過 Amazon Bedrock 分發模型，TwelveLabs 毋須自建銷售與交付渠道，便能觸及 AWS 的全球企業客戶，這種「模型即服務」的路線，大幅降低了 AI 初創的市場准入門檻——只要模型夠好，巨頭的平台就是你的放大器。對香港眾多 AI 初創而言，與其由零開始建立企業銷售團隊，善用雲端市集可能是更快的突圍路徑。
「搜尋+生成」雙引擎 重塑多模態 AI 範式
TwelveLabs 兩大模型的分工，勾勒出影片 AI 的完整圖景：Marengo 負責「找」，Pegasus 負責「講」，前者解決檢索，後者解決理解，兩者結合，影片檔案便由「黑盒」變成可被搜尋、摘要、分析的知識庫。這種「搜尋+生成」的雙引擎設計，很可能成為未來多模態 AI 產品的標準範式——只懂找不懂講，或只懂講不懂找，都不足以應付真實世界的複雜需求。
