Pinterest 的英伟达 AI 基础层，到底升级了什么？

Pinterest 此次宣布的重点，并不是上线某一项孤立的消费者功能，而是与英伟达共同搭建了一层可复用的 多模态 AI 基础设施。它让需要同时理解图片和文字的产品共享同一套底座，减少各产品团队重复建设模型服务系统的需求。46

这套 AI 底座由什么组成？

核心有三部分：

• NVIDIA Blackwell B200 GPU：为视觉语言模型（VLM）的推理和服务提供加速算力。4
• NVIDIA Dynamo：用于高效运行、调度和路由多模态 AI 工作负载的软件。24
• Pinterest 视觉嵌入：预先计算好的视觉内容数值表示，可直接提供给模型使用，而不必在每次请求时都重新处理同一张原始图片。26

简单说，Pinterest 希望把视觉搜索、对话式助手、内容安全等能力放在一条共同的技术管线上，而不是让它们各自维护独立的底层系统。6

会支持哪些产品和功能？

Pinterest 表示，这一共享层将支撑越来越多同时依赖图像和文字的功能，包括视觉搜索、内容理解、AI 驱动的发现与购物、对话式 Pinterest Assistant、多模态重排序、内容安全系统以及信号生成。46

这类能力的关键在于：系统不只读取用户输入的文字，还要理解图片中呈现的对象、风格或场景。对于以灵感发现为核心的平台而言，这有助于判断用户在寻找什么内容，并进一步优化推荐与筛选结果。

Pinterest 称，平台每月有超过 800 亿次搜索，这些搜索可形成用于 AI 发现和购物体验的信号；新基础设施的作用，是让这些信号更便于用于视觉化、对话化的产品体验中。6

为什么“预计算视觉嵌入”很重要？

视觉语言模型处理图片和文本，通常比只处理文本更耗费资源：原始图片数据量大，模型的缓存压力也更高。Pinterest 使用的投影嵌入技术——技术资料中称为 PinCLIP 嵌入——会将视觉信息映射到模型的词元空间。这样，调用请求可传递预计算的视觉表示，而不是反复上传和编码原始图片。210

Pinterest 报告称，结合这一方法与 Dynamo 的优化后，取得了以下结果：

• Pinterest Assistant 每次请求可处理 25 倍更多的视觉上下文。4
• 在基准测试中，响应开始生成的速度约提升 85 倍。13
• 在基准测试中，端到端延迟提升 7.3 倍。13

这些均为公司披露的基准测试结果，反映的是特定架构与工作负载配置下的表现，并不意味着每一次 Pinterest 搜索或助手对话都会获得同等幅度的改善。

这不是一次性部署，而是长期平台建设

Pinterest 与英伟达表示，双方合作已持续近五年，覆盖推荐系统和生成式 AI。Pinterest 称，其 GPU 资源中包括 14,000 块英伟达 GPU。4

因此，这次升级的战略意义在于：统一的模型服务层可帮助 Pinterest 在不反复重建底层设施的前提下，持续扩展视觉和对话式 AI 功能。英伟达的案例资料将其定位为覆盖 Pinterest Assistant、多模态重排序、内容安全和信号生成的平台。4

据 Investing.com 报道，在该基础设施公告发布后，Pinterest 股价周一交易中上涨约 1.8%。17

对用户意味着什么？

从实际体验看，Pinterest 正从“按产品分别建设 AI”转向集中式多模态 AI 底座：Blackwell 提供算力，Dynamo 负责模型服务与调度，视觉嵌入则减少重复的图片处理。三者结合，旨在让视觉发现、购物和助手类体验更高效地运行，并更容易在全平台规模化推广。246