Pinterest让用户收藏了10年美图，却栽在一个MIT毕业生手里|mit|pinterest|收藏|毕业生|满血版模型|算法|美图|设计师

10年前，Pinterest靠"瀑布流+收藏夹"重新定义了图片社交。用户每天往画板里塞几十张图，装修灵感、穿搭参考、旅行目的地——但10年后，一个残酷的数据浮出水面：超过73%的家居类收藏从未被用户二次打开。收藏即遗忘，成了Pinterest最大的产品悖论。

MIT毕业生Rachel Liu就是典型的"收藏受害者"。2022年她买了人生第一套房，在Pinterest上建了17个画板，塞了800多张图。真到要定方案时，她对着屏幕发了两小时呆——"这些图都好看，但哪张适合我的户型？我的预算？我的采光条件？"

从"美图仓库"到"设计盲区"

Pinterest的推荐算法擅长一件事：让你看到更多你想看的。喜欢法式复古？首页会铺满石膏线、人字拼、中古家具。问题是，算法从不问你"房间多大""层高多少""承重墙在哪"。

Liu的痛点极具代表性。她收藏的客厅图里，有挑高6米的loft，也有层高2.6米的刚需房；有朝南落地窗，也有她买的北向暗厅。算法把"美"当成了唯一指标，却过滤掉了"可行性"这个关键维度。

更隐蔽的陷阱是决策疲劳。神经科学研究显示，当选项超过7个时，人的决策质量会断崖式下跌。Pinterest用户平均每个画板存了40张图，面对满屏"可能性"，大脑直接宕机。Liu的装修拖了8个月，最后靠扔骰子选定了风格。

2023年初，她决定自己动手解决这个问题。不是做另一个Pinterest，而是做一个"能对话的设计师"。

用"空间翻译"替代"审美搬运"

Liu的创业项目叫RoomGPT，核心逻辑很简单：上传一张房间照片，AI在30秒内生成3套改造方案，附带家具清单和预估预算。听起来像Midjourney（一款图像生成AI）的垂直版？差别在于训练数据的来源。

她没有用开源图片库，而是爬取了宜家、Wayfair等平台的真实商品数据，包括尺寸、价格、库存状态。更关键的是引入了"空间约束引擎"——AI会先识别你房间的户型结构、门窗位置、管线走向，再匹配方案。一张图能不能落地，算法比用户先知道。

技术架构上，RoomGPT用了三层过滤：第一层是计算机视觉，提取房间的基础参数；第二层是规则引擎，排除明显不可行的方案（比如把承重墙标成可拆除）；第三层才是生成模型，在约束条件下做美学组合。Liu打了个比方："Pinterest是给你看全世界的餐厅菜单，RoomGPT是问你'几个人吃''有没有忌口''预算多少'，再推荐三道菜。"

产品上线6个月，用户生成超过200万套方案。一个意外发现是：用户最频繁使用的功能不是"生成方案"，而是"为什么选这个"。每套方案附带的设计逻辑说明，平均被阅读1.7次——人们不仅要答案，还要理解答案怎么来的。

Pinterest的反击与行业的分叉

2024年3月，Pinterest推出了AI房间设计工具"Collage"。功能几乎像素级对标RoomGPT：上传照片、选风格、出方案。但内部员工透露，项目从立项到上线只用了11周，训练数据直接调用了现有的10亿张收藏图。

结果暴露了"美图仓库"的路径依赖。用户反馈集中在两点：一是方案里的家具大多无法购买，AI把两张不同角度的沙发图拼成了一张"幽灵家具"；二是忽略了真实约束，有用户收到"拆除承重墙做开放式厨房"的建议，差点酿成事故。

Liu在播客里评价得很克制："用审美数据训练空间设计，就像用菜谱学建筑——都是纸上的东西，但一个是艺术，一个是工程。"

更深层的变化发生在用户行为端。RoomGPT的用户中，42%是首次装修的年轻人，他们之前从未用过Pinterest这类工具。这意味着市场正在被"切割"：一边是需要灵感、享受浏览的"审美型用户"，一边是目标明确、要快速决策的"任务型用户"。Pinterest统治了前者10年，后者正在催生新的产品形态。