Pinterest xây lớp AI dùng chung với Nvidia để tăng tốc tìm kiếm bằng hình ảnh

Pinterest vừa công bố một lớp hạ tầng AI đa phương thức dùng chung được xây dựng cùng Nvidia. Đây không phải một tính năng riêng lẻ mà người dùng sẽ thấy ngay lập tức, mà là nền móng kỹ thuật để nhiều sản phẩm của Pinterest có thể cùng dùng AI hiểu cả hình ảnh lẫn câu chữ — không cần mỗi nhóm sản phẩm tự dựng hệ thống phục vụ mô hình riêng. 46

Pinterest đã xây những gì?

Nền tảng mới xoay quanh ba thành phần:

• GPU Nvidia Blackwell B200: phần cứng tăng tốc đảm nhiệm khối lượng tính toán cho hệ thống phục vụ mô hình thị giác-ngôn ngữ (VLM). 4
• Nvidia Dynamo: phần mềm giúp vận hành và định tuyến các tác vụ AI đa phương thức hiệu quả hơn. 24
• Visual embeddings của Pinterest: các biểu diễn số của nội dung hình ảnh được tính trước, để mô hình có thể sử dụng lại thay vì xử lý ảnh gốc từ đầu trong mỗi yêu cầu. 26

Nói đơn giản, Pinterest đang biến phần “động cơ AI” phía sau tìm kiếm bằng hình ảnh, trợ lý hội thoại hay kiểm duyệt nội dung thành một nền tảng dùng chung. Điều này giúp việc triển khai và mở rộng sản phẩm AI trên toàn dịch vụ dễ hơn so với cách xây từng hệ thống độc lập. 6

Những tính năng nào được hưởng lợi?

Theo Pinterest, lớp hạ tầng này hỗ trợ ngày càng nhiều trải nghiệm kết hợp ảnh và ngôn ngữ, gồm tìm kiếm trực quan, hiểu nội dung, khám phá và mua sắm bằng AI, Pinterest Assistant dạng hội thoại, xếp hạng lại đa phương thức, các hệ thống an toàn nội dung và tạo tín hiệu. 46

Điểm quan trọng là AI có thể cân nhắc đồng thời điều người dùng mô tả và chi tiết có trong hình ảnh. Với một nền tảng khám phá ý tưởng bằng hình ảnh như Pinterest, năng lực này có thể giúp diễn giải ý định tìm kiếm, nhận diện nội dung phù hợp và tinh chỉnh gợi ý.

Pinterest cho biết họ dùng hơn 80 tỷ lượt tìm kiếm mỗi tháng để tạo tín hiệu phục vụ khám phá và mua sắm bằng AI. Hạ tầng mới được thiết kế để khai thác các tín hiệu đó tốt hơn trong những trải nghiệm ngày càng thiên về hình ảnh và hội thoại. 6

Vì sao việc tính sẵn biểu diễn hình ảnh lại đáng chú ý?

Mô hình thị giác-ngôn ngữ thường tốn kém khi vận hành vì phải xử lý dữ liệu ảnh lớn cùng văn bản, đồng thời duy trì lượng dữ liệu bộ nhớ đệm mô hình đáng kể. Pinterest sử dụng các projection embeddings, được mô tả trong tài liệu kỹ thuật là PinCLIP embeddings, để ánh xạ thông tin thị giác vào không gian token của mô hình. Nhờ vậy, một yêu cầu có thể dùng biểu diễn hình ảnh đã được tính sẵn thay vì liên tục gửi và mã hóa lại ảnh gốc. 210

Pinterest công bố ba kết quả hiệu năng từ cách tiếp cận này và các tối ưu hóa liên quan đến Dynamo:

• Pinterest Assistant có thể xử lý ngữ cảnh hình ảnh nhiều hơn 25 lần cho mỗi yêu cầu. 4
• Thời điểm bắt đầu phản hồi nhanh hơn khoảng 85 lần trong các bài kiểm thử. 13
• Độ trễ đầu-cuối nhanh hơn 7,3 lần trong các bài kiểm thử. 13

Đây là các kết quả benchmark do công ty báo cáo. Vì thế, chúng nên được hiểu là số đo cho kiến trúc và cấu hình khối lượng công việc cụ thể, không phải cam kết rằng mọi lượt tìm kiếm hay mọi cuộc trò chuyện với trợ lý Pinterest đều sẽ nhanh hơn ở cùng mức đó.

Một nền tảng dài hạn, không phải đợt ra mắt đơn lẻ

Pinterest và Nvidia cho biết dự án là phần tiếp nối của gần 5 năm hợp tác, từ hệ thống gợi ý đến AI tạo sinh. Pinterest hiện vận hành đội ngũ gồm 14.000 GPU Nvidia. 4

Quy mô này lý giải mục tiêu chiến lược của công ty: một lớp phục vụ mô hình thống nhất có thể giúp Pinterest mở rộng các tính năng AI trực quan và hội thoại, trong khi vẫn duy trì hạ tầng nhất quán phía dưới. Nvidia mô tả hệ thống này như nền tảng cho Pinterest Assistant, xếp hạng lại nội dung, an toàn nội dung và tạo tín hiệu. 4

Sau thông báo, cổ phiếu Pinterest tăng khoảng 1,8% trong phiên giao dịch ngày thứ Hai, theo Investing.com. 17

Điều người dùng cần rút ra

Pinterest đang chuyển từ các hệ thống AI xây theo từng sản phẩm sang một nền tảng đa phương thức tập trung. Blackwell cung cấp năng lực tính toán, Dynamo giúp phục vụ và điều phối mô hình, còn các biểu diễn hình ảnh tính sẵn làm giảm việc xử lý lặp lại dữ liệu ảnh. Mục tiêu là giúp các trải nghiệm khám phá hình ảnh, mua sắm và trợ lý AI vận hành nhanh hơn, đồng thời dễ mở rộng hơn trên toàn nền tảng. 246