為全球影片打造品牌安全性：PYLER 的情境感知 AI 平台

PYLER 確保廣告主的廣告絕不會與有害影片一起展示，這有助於保護品牌形象。相反，將會在情境相符的環境中投放廣告，以提升品牌價值與行銷有效性。這款解決方案可提供市場所需的中立且可解釋的驗證層。

PYLER 於影片理解與品牌信任的交界處運作，定義語意基元——即影片情境中的基本意義單元——並將其組織豐富且具時間感知的語意空間。透過將這些語意空間進行組合，並依據品牌安全機制與適配性政策進行評估，PYLER 為企業提供一個透明的信任層，能跨平台與跨格式運作，涵蓋從 YouTube 到新興的 CTV 廣告版位。

包括 Samsung、LG 與 Kenvue 在內的各大品牌，皆依賴 PYLER 來驗證數十億次曝光量中的影片環境，而目前 PYLER 已為韓國 20 家大型企業以及 10 家《財星》 500 強公司提供服務。為支撐此規模運作，PYLER 的 Antares 模型每天處理約 100 GB 的影片資料，涵蓋 200 萬支影片，累計達 7 億支影片——相當於每天處理超過 60 年份的內容總量。

在採用 NVIDIA 平台之前，PYLER 的核心挑戰在於技術規模與複雜度：影片資料龐大、多模態，且資訊極為密集，而既有分散式流程無法有效跟上處理需求。人機協同的採樣機制、功能導向模型，以及基於規則的驗證流程，導致整體延遲與成本居高不下，限制了傳輸量，也拖慢了新政策或新使用案例的迭代速度。

PYLER 需要一種基礎設施，能以近乎即時地對大量影片串流進行嵌入、搜尋與標註，同時又能將每支影片的處理成本壓低至足以支撐正式環境部署的程度。NVIDIA 的加速運算堆疊，包括基於 NVIDIA Blackwell 架構的 NVIDIA DGX 系統、CUDA 與 AI 框架，是達到大規模多模態推論與檢索所需傳輸量與延遲的唯一可行的途徑。

PYLER 實作了一套影片向量嵌入流程，為影片中的每個時刻建立獨特的數位指紋，並將多模態輸入（視覺、音訊、文字與中繼資料）整合為統一的表示形式。這些嵌入結果被儲存在基於 PostgreSQL 的向量資料庫中，並透過 pgvector 擴充來支援向量檢索，同時結合 SingleStore 進行高傳輸量服務，使系統能在數百萬支影片規模下進行快速相似度搜尋與情境匹配。

NVIDIA DGX 系統採用 Blackwell 架構與高頻寬 NVIDIA NVLink 互連技術，為這套高效能的訓練與推論流程提供基礎運算動力。透過利用 NVIDIA Mission Control 來編排複雜的訓練工作負載，以及 NVIDIA NeMo Curator 來自動化資料整理與篩選流程，PYLER 將影片預處理傳輸量提升至原先內部流程的 4 倍。這種軟硬體協同效應，讓 PYLER 能以前所未有的效率處理大型資料集的影像分析與檢索。

轉換至 DGX B200 架構，從根本上改變了 PYLER 的開發速度。藉由利用增加的運算密度，使超參數搜尋能力提升 5 倍，團隊將模型訓練的迭代週期從三個月縮短至僅一個月。此外，轉向基於 Blackwell 的系統，使多模態模型訓練速度相較前一代提升 3 倍，確保 PYLER 的模型能以更快速度開發與部署。

透過延伸 NVIDIA Blueprint for Video Search and Summarization (VSS)，並運用 NVIDIA NV-Embed 加速嵌入生成，該系統得以在大規模影片資料集中高效地進行影片分析與檢索。PYLER 的模型不只是辨識「一台車」，而是能理解「一個人在雨中開車時感到沮喪」，進而實現精準的情境投放與安全稽核，這在過去面對高流量規模時幾乎不可能達成。

PYLER 的技術護城河在於基於向量、具時間感知的情境推理，其運作位於表徵層，使得政策與安全定義能在不重新完整訓練模型的情況下快速更新。這種架構已為客戶在品牌安全性與適配性方面帶來明確且可量化的成果。

在農心（Nongshim）的 KPOP Demon Hunters（HUNTRIX）行銷活動中，PYLER 的 AiD 品牌安全解決方案在一個月內，將原本落在不安全內容上的預算比例從 19.3% 的基準降至僅 4.67%，並在該期間內對超過 200 萬支影片進行不安全投放驗證。在 Kenvue 的 Tylenol 行銷活動中，PYLER 的 AiM 品牌適配性解決方案將平均驗證時間從人工審查約 30 秒（依外部產業基準）縮短至 0.011 秒，使品牌經理能以更細緻的影片級媒體策略進行投放，同時將審查成本降低超過 99.963%。