Clipto获1500万美元融资：AI记忆层能否解决个人视频搜索难题？

个人视频正在变成一座无法检索的私人矿藏

一位英国的餐厅摄影师每天拍摄大量素材，但他最头疼的从来不是拍摄本身，而是从硬盘里翻出某一个特定镜头。他告诉媒体，过去要花几个小时才能找到的画面，现在用 Clipto 输入一个关键词，就能直接跳到精确到时间码的镜头位置。这个场景指向一个被生成式 AI 热潮掩盖的问题：内容创作变得前所未有的容易，但已经存在的海量个人媒体，正在成为一座无法检索、无法调用的私人矿藏。

Adobe、Apple、Google 都在各自的生态里尝试用 AI 让文件可搜索，但这些能力大多被锁定在各自的云服务里。一个更根本的问题是：用户是否愿意为了搜索自己的视频，把全部数据上传到某家公司的云端？

Clipto 的答案是：不需要。这家总部位于旧金山的初创公司宣布完成 1500 万美元融资，投后估值 2.5 亿美元。投资方包括 HSG（原红杉中国）、GL Ventures、EnvisionX Capital、Palm Drive Capital，以及个人投资者 Hans Tung、Lu Zhang 和 522 Ventures。公司同时发布了原生 Windows 和 Android 应用，以及一个允许 AI 代理查询用户私人媒体库的 Model Context Protocol（MCP）接口。本轮为全股权融资，投后估值 2.5 亿美元，该口径来自 TechCrunch 报道，未经独立审计验证。

从机器人记忆到衣柜管理：一条二十年的技术线索

Clipto 创始人 Henry Kang 的履历里有一条跨越二十年的技术线索。据 TechCrunch 报道，Kang 在 2006 年卡内基梅隆大学读博期间，研究的是能够记录周围环境、识别物体并记住物体位置的机器人。这个“感知—识别—记忆—检索”的循环，后来被他应用到了两个创业项目上：第一个是用 AI 追踪用户衣柜里的衣物并推荐穿搭；第二个是 ZenVideo，一家视频创作公司，2020 年被腾讯收购。

Kang 在 2023 年创立 Clipto 时，带上了 ZenVideo 创始团队的多名成员。他对 TechCrunch 说：“真正的洞察是，在这个 AI 时代，我们并不缺内容。恰恰相反，我们有太多内容。有太多视频素材躺在电脑里没有被使用。”这句话构成了 Clipto 的产品逻辑基础：当其他 AI 公司都在做生成，Clipto 选择做检索和理解。

这个选择让 Clipto 在 AI 创业版图中占据了一个相对边缘但真实存在的位置。它不是另一个大模型公司，也不是另一个视频编辑工具，而是试图在“已有内容”和“AI 可理解”之间建立一层基础设施。Kang 在公司新闻稿中称，“AI 需要一个记忆层，而不仅仅是推理层”。这个表述是公司口径，但它指向的确实是一个被行业忽视的问题：大模型的推理能力再强，如果无法访问用户已有的私人数据，其个人场景的实用性就始终受限。

设备端索引的工程约束比宣传语更复杂

Clipto 的核心技术主张是：所有处理在设备本地完成，不上传云端。据公司披露，其平台结合了视频理解、语义搜索、转录、摘要和结构化视频笔记，能够将数年的零散视频转化为可被 AI 检索的私人记忆层。公司称其使用专有的设备端 AI 技术。但“设备端”这三个字背后，是真实的硬件约束，且并非在所有平台上都成立。

根据 Clipto 官网信息，Mac 版本要求 Apple Silicon 芯片和至少 16GB 内存，Windows 版本要求至少 12GB RAM。这些设备要求来自公司官网披露，未经独立测试验证。同时，据 tbreak 报道，Clipto 官网显示其 Android 和 Web 版本由云端驱动。这意味着“完全本地处理”仅适用于 Mac 和 Windows 等桌面平台，而 Android 和 Web 版本的处理方式不同。公司未解释 Android 和 Web 版本的云端处理具体涉及哪些数据、是否上传原始文件、以及云端与本地模式之间的隐私差异。这是一个需要公司进一步澄清的技术细节。

在低配设备上，本地索引和语义搜索的性能可能显著下降。这与云端处理方案形成了明确的工程权衡：云端可以调用近乎无限的计算资源，但需要用户上传数据；本地处理保护隐私，但受限于消费级硬件的算力边界。

公司称本轮融资将用于 AI 模型和计算基础设施，以在消费硬件上运行，以及扩展与更多 AI 代理的集成。从已披露的信息看，这意味着 Clipto 需要在模型压缩、推理优化和跨平台兼容性上持续投入。这不是一个“做出功能就结束”的问题，而是一个需要在每一代消费硬件上重新验证性能的持续性工程挑战。公司未披露其设备端模型的具体参数规模、推理速度或索引效率，因此无法判断其技术壁垒的具体高度。

3000 万用户与数十万付费订阅之间的转化率问题

Clipto 的用户数据呈现出一种典型的“漏斗形态”。据公司披露，自产品上线以来，全球超过 3000 万人使用过其产品，付费订阅用户数为数十万。该数据为公司口径，未经独立审计验证。TechCrunch 报道称，Kang 拒绝提供更精确的订阅用户数或单客户平均收入，但表示相当一部分客户持续订阅超过两年。公司称 2026 年初 ARR 达到 1500 万美元，净利润为正。该财务数据同样来自公司披露，未经独立审计验证。

从这些数字可以推导出一个粗略的转化率区间，但这一推导属于编辑分析，而非公司数据。如果“数十万”取 20 万至 50 万的假设区间，3000 万总用户对应的付费转化率大约在 0.7% 至 1.7% 之间。这个假设区间的依据是“数十万”在中文语境中通常指 20 万至 50 万，但公司未披露精确数字，因此该转化率仅为基于假设的推测。这个转化率对于工具类订阅产品来说并不异常，但它揭示了一个关键问题：绝大多数用户体验过 Clipto 后没有转化为付费用户。这可能意味着免费层的功能已经足够满足轻度需求，也可能意味着用户尚未形成“为视频搜索付费”的稳定意愿。公司未披露免费层与付费层的功能差异、定价结构或用户留存曲线，因此无法进一步判断转化漏斗的具体瓶颈所在。

另一个值得注意的细节是：TechCrunch 报道称 Clipto 拥有“刚刚超过 20 名员工”，分布在旧金山湾区、香港和新加坡。以 20 人团队支撑 1500 万美元 ARR 和 3000 万用户，意味着人均 ARR 约 75 万美元。这是一个相当高的运营效率指标，但同时也意味着公司在产品迭代、客户支持和市场推广上的资源极度有限。在大型科技公司环伺的竞争环境中，这种精兵策略能维持多久，是一个待验证的问题。

MCP 集成打开了代理入口，也打开了新的依赖关系

Clipto 在融资消息发布前约两周加入了 Model Context Protocol 支持。MCP 是一个允许 AI 应用连接外部信息源的标准协议。通过 MCP，ChatGPT、Claude 等 AI 工具可以在用户授权的前提下查询 Clipto 建立的文件索引。Kang 对 TechCrunch 表示，访问索引文件需要用户的主动请求和授权，AI 应用只能检索用户指定范围内的信息，所有处理都在本地运行。这一“所有处理都在本地运行”的表述是 Kang 对公司桌面端产品能力的描述，但如前所述，Android 和 Web 版本由云端驱动，因此该表述不适用于所有平台。

这个功能的意义在于，Clipto 试图在“个人媒体库”和“AI 代理”之间建立一个标准化的接口层。如果 AI 代理是下一代计算入口，那么谁能控制代理访问私人数据的通道，谁就掌握了重要的生态位。但这里存在一个结构性风险：MCP 是一个开放标准，OpenAI、Anthropic 等 AI 公司自己也在推动 MCP 生态。如果 AI 公司未来直接在操作系统层面或应用层面内置类似的本地索引能力，Clipto 的 MCP 集成就可能从“差异化优势”变成“可替代功能”。

公司称用户可以选择所有搜索都在设备端进行以确保隐私。但根据 tbreak 的报道，Clipto 官网显示其 Android 和 Web 版本由云端驱动。这意味着“完全本地处理”并非在所有平台上都成立。公司未解释 Android 和 Web 版本的云端处理具体涉及哪些数据、是否上传原始文件、以及云端与本地模式之间的隐私差异。

与 Adobe、Apple、Google 的竞争不是功能对比，而是数据主权之争

Clipto 的竞争格局不能简单地用“功能对比表”来理解。TechCrunch 的报道明确指出，Adobe 已经在 Premiere 中提供 AI 搜索，Apple Photos 和 Google Photos 也能通过自然语言描述找到照片和视频。Kang 的回应是，Clipto 可以跨视频、音频、图片和文档进行搜索，而 Adobe、Apple 和 Google 的产品通常只关注存储在自己服务内的文件。

这个差异的实质是数据主权问题。Adobe、Apple 和 Google 的 AI 搜索能力，前提是用户把文件放在它们的云服务或生态系统中。Clipto 的卖点是：用户不需要把数据迁移到任何一家公司的云端，就能获得跨文件类型、跨存储位置的语义搜索能力。对于律师、医生、研究人员等处理敏感信息的专业人士来说，这个卖点有真实的吸引力。据公司披露，其用户包括来自 Google、Apple、Amazon、Meta、Microsoft、McKinsey 等公司的专业人士，以及律师、医生、研究人员、营销人员、HR、教授和学生。该用户构成数据为公司披露口径，未经独立验证。

但这里有一个编辑推断需要明确：如果大型科技公司决定将 AI 搜索能力扩展到本地文件——例如 Apple 在 macOS 层面、Google 在 ChromeOS 或 Android 层面、Adobe 在 Creative Cloud 本地文件层面——Clipto 的独立产品空间将被大幅压缩。TechCrunch 的报道也提出了同样的问题：独立产品类别是否成立，还是 AI 搜索最终会成为现有产品的标准功能，目前尚无定论。这不是 Clipto 独有的风险，而是整个“AI 记忆层”赛道面临的存亡问题。

投资逻辑：一场关于“AI 记忆层”能否成为品类的押注

EnvisionX Capital 创始合伙人 Holly Zheng 在新闻稿中表示：“我们认为 AI 的下一个前沿不是生成更多内容，而是理解人们已经拥有的大量内容。Clipto 正在解决 AI 中最困难的问题之一：将多年的非结构化视频转化为 AI 可读的记忆，同时保持数据私密和设备端处理。”这是投资方声明，代表的是投资人的判断，而非独立验证的事实。

从资本结构看，本轮为全股权融资，投后估值 2.5 亿美元。以 2026 年初 1500 万美元 ARR 计算，估值约为 ARR 的 16.7 倍。对于一家净利润为正、用户基数超过 3000 万的公司来说，这个估值倍数在 AI 基础设施赛道中并不算激进，但也谈不上便宜。投资方名单中包括 HSG（原红杉中国）、GL Ventures、Palm Drive Capital 等机构，以及 Hans Tung 和 Lu Zhang 两位个人投资者。Hans Tung 是 GGV Capital（现 Notable Capital）的管理合伙人，Lu Zhang 是 Fusion Fund 的创始管理合伙人。这两位个人投资者的参与，表明本轮融资带有一定的“人脉轮”特征——创始人的过往经历和投资人关系网络在融资中扮演了重要角色。

需要指出的是，inforcapital.com 将本轮称为 Series D，但 TechCrunch 和 The AI Insider 均未提及轮次。考虑到 Clipto 成立于 2023 年，距今仅三年，一家三年内完成四轮融资的公司并不罕见，但“Series D”的标签与公司实际披露的融资历史之间存在信息缺口。公司未公开此前轮次的金额、估值或投资方，因此无法验证 inforcapital 的 Series D 说法是否准确。在缺乏公司官方确认的情况下，本轮轮次应视为“未披露”。

资金用途指向消费级 AI 的算力瓶颈

Kang 对 TechCrunch 表示，新资金将用于 AI 模型和计算基础设施，以在消费硬件上运行，以及扩展与更多 AI 代理的集成。这个资金用途指向一个具体的技术挑战：如何在普通用户的电脑和手机上运行足够强大的视频理解模型，同时保持可接受的索引速度和搜索延迟。

视频理解模型的参数量通常远大于文本模型。在云端，这个问题可以通过 GPU 集群解决；在本地，模型必须经过量化、蒸馏或架构优化，才能在消费级硬件上运行。Clipto 未披露其模型的具体技术路线，但“在消费硬件上运行 AI 模型”这个目标本身，意味着公司需要在模型性能和硬件兼容性之间做出持续权衡。如果模型太小，语义搜索的准确性可能不足；如果模型太大，低配设备上的体验会变得不可用。这个技术约束是 Clipto 产品体验的底层边界。

另一个资金用途——扩展与更多 AI 代理的集成——则指向 MCP 生态的竞争。目前 ChatGPT 和 Claude 都支持 MCP，但 AI 代理市场的格局远未定型。如果未来出现新的代理标准或封闭生态，Clipto 需要持续跟进适配。这种“接口依赖”意味着 Clipto 的产品路线图在一定程度上受制于 AI 平台公司的技术决策。

风险不在技术，在于独立品类能否在平台夹缝中存活

Clipto 面临的最大风险不是技术失败，而是品类消失。TechCrunch 的报道在开篇就提出了这个问题：AI 搜索“是否会支撑一个新的独立软件类别，还是成为人们已经在使用的产品的标准功能，目前尚不清楚”。这个判断是编辑分析，但它建立在一个可验证的事实基础上：Adobe、Apple 和 Google 都已经在自己的产品中提供了 AI 搜索功能，而这些公司拥有用户的数据、操作系统入口和分发渠道。

Clipto 的防御策略是跨平台、跨文件类型和本地处理。这个策略的成立条件是：足够多的用户拥有分散在多个平台上的视频文件，并且不愿意或不能将这些文件迁移到单一云服务。对于专业创作者和敏感信息处理者来说，这个条件可能成立。但对于普通消费者来说，如果他们的视频主要存储在手机相册里，Apple Photos 或 Google Photos 的内置 AI 搜索可能已经足够。Clipto 需要回答的问题是：它的目标用户群——那些真正需要跨平台、跨文件类型、本地处理的用户——到底有多大？公司未披露付费用户的构成数据，因此无法判断这个市场的实际规模。

另一个待验证的假设是“AI 记忆层”能否从视频搜索扩展到更广泛的个人知识管理。Kang 在新闻稿中说：“视频是挑战最明显的地方，但更广泛的机会是帮助 AI 理解人们多年工作积累的信息。”这个愿景的边界尚不清晰。如果 Clipto 最终只是一个“视频搜索工具”，其天花板可能有限；如果它能成为“个人 AI 记忆基础设施”，其想象空间会大得多。但从视频搜索到通用记忆层之间的产品路径，公司尚未给出清晰的路线图。

从已披露的信息看，Clipto 是一家运营效率极高、用户基数可观、财务表现健康的公司。它的技术路线——设备端 AI 索引——在隐私敏感的当下有真实需求。但它的独立品类地位尚未被验证，它的竞争壁垒依赖于大型平台公司不进入同一赛道的假设，它的 MCP 集成既是机会也是依赖。1500 万美元的融资给了它更多时间去回答这些问题，但时间窗口的长度不由它自己决定。

验证边界与可复核指标

本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。

• 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
• 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
• 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。

RecodeX 极客视：当生成式 AI 让内容生产变得廉价，真正的稀缺资源从“创造”转向了“检索”。Clipto 的赌注是，人们愿意为“找到自己已有的东西”付费，而不是为“生成更多新东西”付费。这个赌注的胜负，不取决于它的技术有多好，而取决于大型平台是否愿意把本地搜索这个入口让出来。在一个数据即权力的时代，让出入口从来都不是平台公司的习惯。