Pinterest делает ставку на $4 млрд в AWS Silicon для своего ИИ-будущего

Представьте товарный двор. Пятнадцать лет Pinterest грузил контейнеры на рельсы AWS — сначала медленно, потом резко. На этой неделе компания подписала крупнейший в своей истории контракт на перевозки, и груз — это уже не красивые пины. Это vision-language модели, разговорные агенты и вычислительные мощности для обслуживания 600 миллионов человек в месяц.

Сумма сделки — $4 миллиарда до 2031 года. Интересна не цифра. Интересно то, что Pinterest решил везти на этих рельсах.

Что произошло

Pinterest взял на себя обязательство по плановым инвестициям в $4 млрд в AWS до 2031 года — крупнейшая инфраструктурная инвестиция в истории компании, как сообщил About Amazon. Две компании сотрудничают с 2010 года, так что это не столько новый брак, сколько очень дорогое возобновление клятв.

Структура обязательства важнее долларовой суммы. Pinterest выстраивает свой ИИ-стек на кастомных чипах Amazon: AWS Trainium — для обучения и инференса больших языковых моделей и vision-language моделей, лежащих в основе персонализированного визуального поиска, и Graviton — для общих вычислений. Graviton уже обеспечивает около трети вычислительного парка Pinterest, и компания планирует расширить его применение в системах рекомендаций, определяющих, что видят 600 миллионов ежемесячных пользователей.

На продуктовом уровне ставка уже сделана. Pinterest Assistant — новый многоходовый разговорный сценарий поиска — работает на open-source vision-language моделях, оптимизированных для масштаба. За ним стоит проприетарный Taste Graph — движок, который превращает расплывчатое «хочу переделать кухню» в кликабельный, доступный для покупки каскад пинов. Pinterest перешёл от традиционных методов поиска к трансформерным генеративным моделям, и этот контракт финансирует следующий этап этого пути.

В пресс-релизе есть и более тихая модернизация. Pinterest мигрирует с классической EC2-инфраструктуры на архитектуру на базе Kubernetes в Amazon EKS. Аргументы стандартные: скорость разработки, операционная надёжность, инфраструктурная эффективность. Кто хоть раз переводил огромный EC2-парк на EKS, знает: именно в скучной части и живут настоящие деньги.

CTO Pinterest Мэтт Мадригал описал это как «гибкость вычислений, выбор оборудования и инфраструктурную эффективность» — корпоративный язык для: мы хотим вариантов, и хотим их дёшево. Дейв Браун из AWS ответил репликой о том, что AWS — «лучшее место для ИИ в таком масштабе». Конечно, ответил.

Техническая анатомия

Уберите всё лишнее из объявления, и станет видно, что Pinterest на самом деле покупает. Три вещи, уложенных слоями.

Нижний слой — стратегия на уровне кремния. Trainium для тяжёлых ИИ-нагрузок, Graviton для длинного хвоста CPU-ориентированного инференса. Pinterest выходит из гонки за Nvidia для значительной части своего инференса и обучения. Trainium — не волшебная пуля: кто пробовал портировать капризный PyTorch-граф на Neuron SDK, знает, что в тулчейне есть острые края. Но при таком объёме обязательств юнит-экономика начинает превалировать над болью миграции. Graviton — уже треть вычислений сегодня, и это только начало — говорит о том, что платформенная команда Pinterest уже проделала сложную работу по портированию на ARM на стороне CPU. Они доверяют этому чипу.

Средний слой — топология моделей. Pinterest использует open-source vision-language модели для Pinterest Assistant и одновременно продолжает обучать проприетарные модели на основе Taste Graph. Это правильная форма для данной категории. Разговорный уровень может работать на чём-то вроде дообученной модели с открытыми весами — из тех, что команды берут с Hugging Face и адаптируют под свою область. Ядро поиска и ранжирования, где живёт настоящий ров Pinterest, остаётся проприетарным. Taste Graph не отдают на аутсорс.

Верхний слой — история оркестрации: EKS. Миграция с устаревших EC2-паттернов на Kubernetes — это та часть, где всё рассыпается, если нет платформенной дисциплины. Pinterest, по всей видимости, выстраивает это так, чтобы ML-инференс, пакетные задачи обучения и традиционный веб-трафик использовали одни и те же примитивы планирования. Именно так достигается реальный рост скорости разработки. Альтернатива — три отдельных платформы с тремя дежурными ротациями — это путь, которым компании середины десятилетия приходят к 800 инженерам и процессу деплоя длиной в неделю.

Сделка также явно охватывает обучение, инференс и платформенную инфраструктуру. Перевод: это не просто контракт на аренду GPU. Он покрывает озеро данных (уже одно из крупнейших на AWS), парк для инференса моделей и базовый Kubernetes-субстрат. Одно горло на шесть лет.

Кто проигрывает

Очевидный проигравший — Nvidia, но лишь частично. Pinterest всё равно будет использовать GPU где-то в стеке: ни один серьёзный ИИ-игрок сегодня не работает исключительно на Trainium. Однако сигнал состоит в том, что ещё один крупный клиент гиперскейлера с реальным весом нагрузок вкладывает капитал в чипы Amazon на шесть лет. Когда истории о внедрении Trainium перестают быть демо-кейсами и становятся многомиллиардными контрактами, переговорные позиции меняются в каждом кабинете финансового директора.

Более интересный проигравший — прямые конкуренты Pinterest в визуальном поиске и шопинг-инспирации. Кто наблюдал, как небольшой стартап в ритейл-открытиях пытается финансировать трансформерную систему ранжирования на ритейловой марже, знает: математика жестокая. Pinterest только что зафиксировал предсказуемость затрат и гибкость в выборе оборудования до 2031 года. Меньшие игроки, работающие с мультимодальным поиском на GPU-контрактах из рук в рот, не могут обеспечить такой запас хода.

Третья группа под угрозой — устаревшие ad-tech вендоры, интегрированные в Pinterest. Пресс-релиз прямо упоминает «улучшение результатов рекламодателей» за счёт развития проприетарных и open-source моделей. Когда платформа сама становится лучше в сопоставлении намерений с инвентарём, ценность сторонних таргетинговых прослоек снижается. Если вы продаёте lookalike-моделирование или оптимизацию креативов в Pinterest, следующие 90 дней стоит посвятить жёсткой оценке вашего места в стеке после того, как Pinterest Assistant начнёт напрямую управлять поиском.

И наконец, Google. Визуальный поиск исторически был территорией Google Lens при поддержке мультимодальных возможностей Gemini, задокументированных в документации Gemini API. Pinterest, создающий разговорный визуальный продукт на базе vision-language моделей с серьёзными инфраструктурными деньгами — это фланговая атака на ту часть бизнеса Google, которая монетизирует шопинг-намерения. Pinterest не нужно побеждать в поиске в целом. Ему достаточно победить в «планирую кухню» и «покажи похожие образы» для нескольких сотен миллионов людей. Это сам по себе многомиллиардный рекламный рынок.

Инструкция для разработчиков ИИ

Три конкретных шага, если вы — платформенный лид или CTO, читающий этот материал.

Первое: просчитайте математику Trainium — по-настоящему. Большинство команд два года назад отмахнулись от кастомных чипов AWS, потому что инструментарий был сырым, а бенчмарки — скудными. Это уже не ответственный ответ. Если Pinterest готов провести через него $4 млрд обучения и инференса, ваша модель стоимости инференса должна хотя бы включать сценарий с Trainium. Даже если вы не мигрируете, полученное предложение пригодится в переговорах с Nvidia.

Второе: чётко проведите границу между проприетарным и open-source, как только что сделал Pinterest. Разговорный уровень — open source, дообученный, заменяемый. Ранжирование и поиск, кодирующие ваши уникальные данные, — проприетарный, в собственности. Команды, пытающиеся владеть всем, сжигают капитал. Команды, отдающие всё на аутсорс, превращаются в обёртки-коммодити. Разделение, которое публично декларирует Pinterest, — правильный дефолт.

Третье: если вы всё ещё работаете на самодельном EC2 или VM-парке для ML-инференса, история миграции на EKS — именно та часть, которую стоит скопировать. Объедините обучение, пакетные задачи и инференс на единый субстрат планирования, пока количество моделей не взорвалось. Делать это, когда у вас уже сорок продакшн-моделей, примерно в десять раз сложнее, чем сейчас.

Одно не-действие: не читайте эту сделку как универсальное одобрение «ИИ в масштабе». У Pinterest есть конкретный продукт (визуальное открытие), конкретный дата-актив (Taste Graph) и конкретная аудитория, взаимодействующая прежде всего с изображениями. Инфраструктурные решения вытекают именно из этого. Копировать контракт без продуктовой ясности — верный способ растратить бюджет.

Ключевые выводы

• Обязательство Pinterest на $4 млрд перед AWS до 2031 года — крупнейшая инфраструктурная сделка в истории компании, продолжающая партнёрство с 2010 года.
• Ставка построена на кастомных чипах AWS: Trainium для нагрузок LLM и vision-language моделей, Graviton расширяется за пределы трети вычислений, которые уже обеспечивает.
• Pinterest Assistant — многоходовый разговорный продукт для поиска — работает на open-source vision-language моделях, тогда как проприетарный Taste Graph остаётся внутри компании.
• Параллельная миграция с EC2 на Amazon EKS — непривлекательная половина сделки, которая, вероятно, важнее для скорости инженерной разработки, чем заголовки про чипы.
• Сигнал рынку: ещё один крупный клиент гиперскейлера с реальными нагрузками вкладывает многолетний капитал в чипы Amazon — это меняет расстановку сил в каждых последующих переговорах по ИИ-инфраструктуре.

Вернёмся к товарному двору. Pinterest только что подписал контракт ещё на шесть лет рельсов, кастомных локомотивов и новой системы переключения. Груз изменился, пункт назначения изменился — но рельсы те же, что начали прокладывать в 2010 году. Иногда самый смелый шаг в ИИ — это довериться партнёру, который уже знает, где хранятся все ваши данные.