画像検索SNSのPinterestが、クラウド基盤を最大規模で拡張しました。2026年6月4日、同社はAmazon Web Services（AWS）との協業を拡大し、2031年までのクラウドサービス契約として40億ドル（約6,000億円規模）の投資計画を発表しました。株価は発表当日に約6%上昇し、AIインフラへの大型投資が市場の関心を集めています。
この記事では、契約の中身とPinRecという生成AI検索の仕組み、実務者が押さえるべき技術的示唆を整理します。
この記事でわかること
- 40億ドル契約でPinterestが強化するインフラとAI機能
- PinRecが従来の検索・レコメンドと何が違うか
- Trainium・GravitonなどAWSカスタムシリコンを選ぶ理由
- 検索改善と広告効率に出ている数値の意味
40億ドル契約で何が変わるか
PinterestはPreferred Cloud Services ProviderとしてAWSを採用し続けており、今回の契約は同社史上最大のインフラ投資です。対象は2031年までのクラウド利用で、AIモデルの学習（トレーニング）と推論（インファレンス）、およびプラットフォーム基盤の近代化を支えます。
月間アクティブユーザー（MAU）は6億人超。Pinterestは2010年からAWSと協業し、AWS上で最大級のデータレイクの最適化も共同で進めてきました。今回の契約は単なる容量増ではなく、視覚検索とショッピング体験をAIで強化するための基盤刷新です。
CTOのMatt Madrigal氏は、拡大した契約により「計算の柔軟性、ハードウェアの選択肢、インフラ効率」を得てAI構想を加速できると述べています。自社開発モデルとオープンソースモデルの両方を進める方針も明言されました。
なぜ今、AIインフラに巨額を投じるのか
Pinterestの強みは「インスピレーションから行動へ」つなぐ視覚発見です。独自のTaste Graph（ユーザーの嗜好をグラフ構造で表現した推薦基盤）を軸に、レシピ探しから商品購入、部屋のリフォーム計画までを一気通貫で支援します。
競合はTikTokやMetaのInstagram・Facebookなど、広告と発見体験を争う大手です。2026年第1四半期の決算では売上高10億800万ドル（前年比18%増）、MAUは6億3,100万人と過去最高を更新しました。月間検索の約半数が商業的意図を持つとされ、検索精度と広告効率の改善が収益に直結します。
こうした背景で、従来の埋め込みベクトル検索からトランスフォーマー型の生成モデルへ移行を進めています。会話型のPinterest Assistantや、画像生成モデルCanvasなど、AI製品の投入も続いています。40億ドル契約は、これらをグローバル規模で回し続けるための土台です。
AWSのカスタムシリコンとKubernetes移行
https://www.aboutamazon.com/news/aws/pinterest-aws-4-billion-ai-infrastructure-deal
契約の技術的な柱は、Amazon製チップの活用拡大です。
AWS TrainiumはAI学習・推論向けのアクセラレータで、大規模言語モデル（LLM）や視覚言語モデル（画像とテキストを同時に扱うモデル）のホストに使います。パーソナライズされた視覚検索やAI支援の発見体験が対象です。
AWS Gravitonは汎用ARMプロセッサで、すでにPinterestの計算基盤の約3分の1を担っています。今後、6億人規模の発見システムを支える処理のさらに多くをGravitonへ移します。
GPUだけに依存せず、学習はTrainium、推論や一般計算はGravitonと役割分担する設計です。AI需要の変化に合わせてインフラを組み替えやすく、コスト対性能も改善する狙いがあります。
あわせて、従来のEC2中心の環境からAmazon EKS（Elastic Kubernetes Service）上のKubernetesアーキテクチャへ移行を継続します。開発速度、運用の安定性、インフラ効率の向上が期待されています。AWS側のDave Brown氏も、PinterestがAWS上で高度な視覚AIを構築していると評価しています。
PinRecが検索と広告に与えた効果
契約発表と並行して注目されるのが、Pinterest独自の生成検索モデルPinRecです。PinRecはユーザーの行動履歴とTaste Graphを学習した生成型リトリーバル（候補を生成する検索）システムで、画面ごとに別モデルを持つ従来構成を、単一モデルで全画面に対応する形へ置き換えています。
2025年に検索関連画面で先行導入し、2026年第1四半期にサイト全体へ拡大しました。第1四半期決算説明会では、CEOのBill Ready氏が次の改善を公表しています。
- 検索充足率（ユーザーが求める結果にたどり着けた割合）が約180ベーシスポイント（1.8ポイント）改善
- 広告主のCPA（獲得単価）とCPC（クリック単価）がそれぞれ約180ベーシスポイント低下
arXivに公開された技術論文では、PinRecの本番投入でサイト全体のクリックが約2%増、検索でのリピン（保存）が約4%増したとも報告されています（参考）。
PinRecの技術的特徴は3点です。アウトカム条件付き生成で、クリック重視か保存重視かなどビジネス目標に応じて出力を調整できます。マルチトークン生成で、従来の二塔（two-tower）型より多様な候補を効率的に出します。産業規模の配信向けに、NVIDIA Triton上でリアルタイム推論する設計が論文で開示されています。
検索画面は全体インプレッションの72%超を占めるため、PinRecの全画面展開はユーザー体験と広告収益の両方に効きます。
実務者が参考にできるポイント
大規模サービスでのAI投資は、モデル単体ではなく「学習用チップ」「推論用CPU」「コンテナ基盤」をセットで見直す動きが鮮明です。Pinterestの例では、自社モデル（PinRec、Canvas、Taste Graph）とオープンソースの視覚言語モデルを併用し、用途に応じてインフラを分けています。
レコメンドや検索の刷新を検討するチームにとって、PinRecは「画面別モデルから統一生成モデルへ移行した」実例です。単一モデル化で運用コストを下げつつ、指標をビジネス目標に合わせて調整する設計は、ECやメディアの推薦システムにも応用の余地があります。
一方、40億ドルはあくまでPinterestとAWS間のクラウド契約の計画額です。一般ユーザーがすぐに体感できる機能追加とは切り離して理解する必要があります。今後はPinterest Assistantの拡張、Canvasの広告クリエイティブ活用、Performance+広告スイートとの連携が、インフラ投資の成果として順次表れてくる見通しです。