PinterestのNVIDIA活用AI基盤とは？ 画像検索・買い物体験を支える共通レイヤーを解説

Pinterestが発表したのは、利用者向けの単独新機能というより、画像と言葉を一緒に理解するAIを、複数のプロダクトで再利用するための共通インフラです。NVIDIAと組み、ビジュアル検索や会話型アシスタントなどを開発する各チームが、その都度専用のAI提供基盤を作らずに済むようにする狙いがあります。46

新しいAIレイヤーを構成する3要素

Pinterestの基盤は、主に次の3つを組み合わせています。

• NVIDIA Blackwell B200 GPU：画像・言語モデル（VLM）の推論処理を支える演算基盤。4
• NVIDIA Dynamo：マルチモーダルAIの推論を効率よく提供・振り分けるためのソフトウェア。24
• Pinterestの視覚埋め込み：画像の特徴をあらかじめ数値表現に変換したデータ。リクエストのたびに生画像を再処理する代わりに利用できる。26

つまり、ビジュアル検索、アシスタント、コンテンツ安全対策を別々の技術プロジェクトとして構築するのではなく、同じ技術的な土台の上で展開していく設計です。6

何に使われるのか

Pinterestによると、この共通レイヤーは、画像と言葉の両方を扱う機能を幅広く支えます。対象には、ビジュアル検索、コンテンツ理解、AIを使った発見・ショッピング、会話型のPinterest Assistant、マルチモーダルな再ランキング、コンテンツ安全システム、シグナル生成が含まれます。46

例えば「こんな雰囲気の部屋に合う照明を探したい」といった場面では、入力した言葉だけでなく、参照している画像に写る色、素材、スタイルなども手がかりになります。マルチモーダルAIは、こうした画像とテキストを合わせて扱うための技術です。

Pinterestは月間800億件超の検索から、AIを活用した発見やショッピング向けのシグナルを作っていると説明しています。新基盤は、こうしたシグナルを、より視覚的・対話的な体験で活用しやすくすることを目指します。6

「画像を事前に表現しておく」ことが重要な理由

画像・言語モデルは、大きな画像データをテキストと一緒に処理し、モデルのキャッシュ状態も維持するため、運用コストや応答時間が課題になりやすい領域です。

Pinterestは、技術的にはPinCLIP埋め込みとされる投影埋め込みを採用しています。これは画像の情報をモデルのトークン空間へ対応付ける仕組みで、リクエストごとに生画像を送信・エンコードする代わりに、事前計算済みの視覚表現を利用できます。210

Pinterestは、この仕組みとDynamoの最適化に関して、次の結果を報告しています。

• Pinterest Assistantで、1リクエスト当たりに扱える視覚的コンテキストが25倍に増加。4
• ベンチマークテストで、応答が始まるまでの時間が約85倍高速化。13
• 同テストで、エンドツーエンドの遅延が7.3倍改善。13

これらはPinterestが公表したベンチマーク結果です。そのため、すべてのPinterest検索やアシスタントの利用時に同じ改善幅が保証されるという意味ではなく、このアーキテクチャと特定のワークロード構成での測定値として捉える必要があります。

単発の機能追加ではなく、長期のプラットフォーム戦略

PinterestとNVIDIAの協業は、レコメンデーションシステムや生成AIにまたがり、約5年に及ぶとされています。PinterestのGPU群には、NVIDIA製GPUが14,000基含まれます。4

この規模だからこそ、共通の推論提供レイヤーを置く意義があります。下回りの基盤をそろえることで、Pinterest Assistantから再ランキング、コンテンツ安全、シグナル生成まで、視覚・会話型AIの機能を拡張しやすくなります。4

発表後の月曜日の取引では、Pinterest株は約1.8％上昇したとInvesting.comが報じました。17

要点：Pinterestは「機能ごとのAI」から共通基盤へ

Pinterestは、プロダクト単位で個別に構築するAIから、マルチモーダルAIの中央集約的な基盤へと軸足を移そうとしています。Blackwellが演算能力を担い、Dynamoがモデルの提供・振り分けを支え、Pinterestの視覚埋め込みが画像の再処理を減らす役割を果たします。246

この組み合わせにより、ビジュアル検索、買い物の発見体験、アシスタント型機能を、より高速に運用し、Pinterest全体へ広げやすくすることが目標です。