Pinterest Bangun Fondasi AI Bersama Nvidia untuk Mempercepat Pencarian Visual

Pinterest mengumumkan lapisan infrastruktur AI multimodal bersama Nvidia. Ini bukan satu fitur baru yang berdiri sendiri bagi pengguna, melainkan fondasi teknis bersama agar berbagai tim di Pinterest tidak perlu membangun sistem AI terpisah untuk setiap produk yang harus memahami gambar sekaligus bahasa. 46

Apa yang dibangun Pinterest?

Fondasi tersebut bertumpu pada tiga komponen utama:

• GPU Nvidia Blackwell B200, yang menyediakan komputasi terakselerasi untuk menjalankan model visi-bahasa (vision-language model atau VLM). 4
• Nvidia Dynamo, perangkat lunak untuk menyajikan dan mengarahkan beban kerja AI multimodal secara efisien. 24
• Embedding visual Pinterest, yaitu representasi numerik konten visual yang telah dihitung lebih dahulu sehingga model tidak perlu mengolah gambar mentah dari awal pada setiap permintaan. 26

Dengan pendekatan ini, Pinterest dapat memakai basis teknis yang sama untuk pencarian visual, asisten percakapan, pemahaman konten, dan sistem keamanan. Tujuannya adalah memperluas produk AI berbasis gambar dan bahasa dengan lebih mudah serta lebih konsisten. 46

Fitur apa saja yang ditopang?

Pinterest menyebut fondasi bersama ini mendukung pencarian visual, pemahaman konten, discovery dan belanja berbasis AI, Pinterest Assistant yang bersifat percakapan, multimodal reranking—penyusunan ulang hasil berdasarkan beragam sinyal—serta sistem keamanan konten dan pembuatan sinyal. 46

Intinya, fitur-fitur itu dapat mempertimbangkan dua jenis konteks sekaligus: kata-kata pengguna dan isi gambar. Bagi layanan discovery visual seperti Pinterest, kemampuan tersebut dapat membantu menafsirkan apa yang dicari pengguna, menemukan konten yang relevan, dan memperbaiki rekomendasi.

Pinterest mengatakan mereka memanfaatkan lebih dari 80 miliar pencarian per bulan untuk membentuk sinyal bagi discovery dan belanja berbasis AI. Infrastruktur baru ini dirancang agar sinyal tersebut lebih mudah digunakan dalam pengalaman yang makin visual dan percakapan. 6

Mengapa embedding visual yang dihitung lebih dahulu penting?

Model visi-bahasa relatif mahal untuk dijalankan karena perlu menangani data gambar berukuran besar bersama teks, sekaligus memelihara cache model yang besar. Pinterest menggunakan projection embeddings, yang dalam liputan teknis disebut sebagai embedding PinCLIP. Teknologi ini memetakan informasi visual ke ruang token model. 210

Artinya, sebuah permintaan dapat memakai representasi visual yang sudah disiapkan sebelumnya, alih-alih berulang kali mengirim dan mengodekan gambar mentah. Pinterest melaporkan hasil berikut dari pendekatan tersebut dan optimasi Dynamo terkait:

• 25 kali lebih banyak konteks visual per permintaan untuk Pinterest Assistant. 4
• Awal respons sekitar 85 kali lebih cepat dalam pengujian benchmark. 13
• Latensi menyeluruh 7,3 kali lebih cepat dalam pengujian benchmark. 13

Angka-angka itu adalah hasil benchmark yang dilaporkan perusahaan. Karena itu, hasilnya perlu dibaca sebagai pengukuran untuk arsitektur dan konfigurasi beban kerja tersebut, bukan jaminan bahwa setiap pencarian atau percakapan di Pinterest akan meningkat pada tingkat yang sama.

Platform jangka panjang, bukan peluncuran satu kali

Pinterest dan Nvidia menyatakan kerja sama ini merupakan kelanjutan kolaborasi hampir lima tahun di bidang sistem rekomendasi dan AI generatif. Pinterest mengatakan armadanya mencakup 14.000 GPU Nvidia. 4

Skala itu menjelaskan sasaran strategisnya: satu lapisan penyajian model bersama dapat memudahkan Pinterest memperluas fitur AI visual dan percakapan, dengan infrastruktur yang tetap seragam di belakang layar. Studi kasus Nvidia menempatkan sistem ini sebagai platform bagi Pinterest Assistant, reranking, keamanan konten, hingga pembentukan sinyal. 4

Saham Pinterest naik sekitar 1,8% pada perdagangan Senin setelah pengumuman infrastruktur tersebut, menurut Investing.com. 17

Intinya bagi pengguna

Pinterest sedang beralih dari sistem AI yang dibangun per produk menuju fondasi multimodal yang lebih terpusat. Perangkat keras Blackwell menyediakan daya komputasi, Dynamo membantu penyajian dan pengaturan lalu lintas model, sementara embedding visual Pinterest mengurangi kebutuhan memproses gambar yang sama berulang kali. Kombinasi ini dirancang untuk membuat pengalaman pencarian visual, belanja, discovery, dan asisten lebih cepat dioperasikan serta lebih mudah diperluas di seluruh platform. 246