引言推荐系统与人工智能其实是一起长大的从上世纪 90 年代的协同过滤到深度学习时代的 WideDeep、双塔、DIN每一次模型能力的跃升都会在推荐效果上留下印记。但 2024 年之后发生的变化与此前不同——不再是换一个更强的模型而是整个推荐链路的分工方式被重新定义。推动这次变化的是大语言模型。当淘宝用多模态表征解决语义失明、抖音用分层 LLM 改造行为序列建模、快手 OneRec 直接端到端砍掉召回-粗排-精排级联、Netflix 用单个基座模型替代数十个专用模型时一个共同的问题浮现出来大模型究竟在推荐系统里扮演什么角色本文不打算停留在概念层面。下面将沿着范式为什么变—工业界怎么做—共性法则是什么—还有什么风险这条线索用国内外头部平台公开的技术方案与实际效果数据回答这个问题。所有引用的效果数字均标注了口径来源论文与财报数据、二手媒体口径在文中做了明确区分。第 1 章 从猜你喜欢到生成式推荐范式为什么必须变打开任何一个内容或电商 App首页那一屏猜你喜欢背后通常是过去十年最成熟的推荐工程范式召回 → 粗排 → 精排 → 重排的级联架构配上以 ID 特征为核心的深度模型WideDeep、DIN、双塔等。这套系统在成熟场景里效果稳定但它在三处结构性问题上是天生带病的。正是这三处问题把大模型推到了推荐系统的门口。1.1 传统范式卡在哪语义失明、链路割裂与冷启动第一处是语义失明。ID 嵌入擅长记住用户 A 喜欢物品 B这种统计关联却完全不理解 B 到底是什么。阿里妈妈在 CIKM 2024 的论文里把这一矛盾概括为ID is King但语义失明——模型知道某件商品被点过很多次却不知道它是露营装备还是母婴用品因此无法泛化到没见过的新商品。当商品库每天新增几十万 SKU 时这种缺陷被急剧放大。第二处是级联架构的目标割裂。召回、粗排、精排各自优化不同的目标函数链路越长误差累积越多且上游的召回上限直接锁死了下游排序的天花板。快手在 2025 年推出的 OneRec 就把首次端到端淘汰召回-粗排-精排级联架构作为核心卖点本质是对这种割裂的一次正面回应。第三处是冷启动与长尾。新物品没有交互数据ID 嵌入近乎随机长尾 Query、长尾笔记、有声书这类低频内容传统的协同过滤从第一天起就使不上力。小红书用 LLaMA-2 生成笔记 Embedding 与标签来做 i2i 召回、Spotify 用大模型给有声书造合成 query都是被这个问题逼出来的方案。1.2 大模型介入推荐的三条技术路线业界的做法可以收敛为三条路线它们解决的不是同一个问题路线核心思路代表方案LLM-to-Rec特征/嵌入增强冻结或微调 LLM产出物品与用户的语义 Embedding作为传统召排模型的补充特征快手 LEARN、抖音 HLLM、淘宝 SimTier/MAKE、Spotify 文案生成生成式推荐Generative Recommenders把用户行为序列当作语言用 Transformer/LLM 架构做自回归生成统一召回与排序Meta HSTU、快手 OneRec、Netflix 推荐基座模型、Amazon COSMOLLM 作为对话/检索代理用 LLM 做自然语言理解、生成式检索、可解释文案与对话式推荐Amazon Rufus、Spotify AI DJ / AI Playlist、Netflix CRAG三条路线并非互斥。淘宝同时跑着路线一多模态表征和路线三Query 重写Spotify 的核心推荐仍是经典协同过滤加内容 EmbeddingLLM 只负责边缘的四件事。真正值得注意的是它们的共同取向。1.3 一条被反复验证的共识不是替代是分工Netflix、Spotify、Meta 的技术博客与论文指向同一个结论大模型并没有直接替代传统召排模型而是以底座模型 边缘增强的形态落地。核心排序仍然由高效的深度模型承担因为线上要在毫秒级、每秒数万次请求的约束下出结果LLM 则被放在它真正擅长、且对延迟不敏感的位置——生成冷启动元数据、构建统一语义 Embedding、产出可解释的推荐理由、承接对话式发现。换句话说这一轮变化不是用一个更大的模型换掉旧系统而是在原有推荐链路上重新分工。理解这条分工线是理解后面所有工业案例的前提。第 2 章 工业界实践头部平台怎么把 LLM 塞进推荐链路路线说得再漂亮最终要看线上指标。这一章逐家拆解国内外头部平台的具体方案与可验证效果——需要说明的是凡标注论文/官方博客/财报的数字可信度较高标注行业报告/媒体口径的属于二手引用读者引用时建议回溯一手来源。2.1 国内电商重语义表征短视频重端到端生成淘宝/阿里妈妈走的是多模态表征 语义对齐路线。CIKM 2024 论文《Enhancing Taobao Display Advertising with Multimodal Representations》提出 SimTier 与 MAKE先用语义感知对比学习把搜索→购买行为链当作正样本对让图文多模态 Embedding 真正落地到消费语义上再用 SimTier 把目标物品与用户历史交互的语义相似度分桶成直方图向量简化稠密特征接入。同时SINGLEWWW 2024用 gpt-3.5-turbo/ChatGLM-6B 从浏览历史里抽取常驻偏好BEQUEWWW 2024做淘宝搜索的长尾 Query 重写2023 年 10 月已上线。效果上淘宝展示广告 GAUC 提升 1.25%、CTR 提升 3.5%论文披露另有行业报告称其跨模态方案带来约 8.3% 的 GMV 提升该数字为二手引用需谨慎看待。抖音/字节的代表是 HLLMarXiv 2409.12740采用分层双 LLM 架构Item LLM 读标题、标签、描述长度 256用特殊 [ITEM] token 的输出作为物品 Embedding 并可离线缓存User LLM 再以这些 Embedding 序列为输入用 InfoNCE 对比学习预测下一个物品。工业场景用 7B 模型两阶段训练线上保留 ID 特征、日更特征。离线在 Pixel8M 上平均超 SOTA 基线 22.93%Amazon Books 上超 108.68%数据效率上仅需 ID 模型 1/6~1/4 的数据即可追平抖音线上 A/B 关键指标提升 0.705%论文与官方仓库均确认。快手是两条腿走路。LEARNarXiv 2405.03988用冻结的 Baichuan2-7B 编码物品的标题、品类、品牌、价格等属性再用因果注意力模块把语义 Embedding 对齐到协同域在 6 个 Amazon Reviews 数据集上 Recall10 平均提升 13.95%已在短视频平台完成 A/B。OneRec2025则更激进Encoder-Decoder 架构 MoE Decoder 扩参 RLHF 式偏好对齐端到端取代级联FLOPS 提升 10 倍而运营成本仅为传统的 10.6%快手主站与极速版 A/B 显示停留时长提升 0.54%/1.24%7 日用户生命周期提升 0.05%/0.08%行业报告引用。2.2 海外流媒体重推荐基座电商重常识知识Netflix在 2025 年 3 月公开了个性化推荐基座模型用单一自回归 Transformer 替代Continue WatchingTop Picks等数十个专用模型。它把同标题的相邻行为类比 BPE 合并成富信息 Token含时长、设备、地域、类型用稀疏注意力把上下文扩展到数百事件推理走 KV Cache并复现了 LLM 式的幂律 Scaling Law。该基座驱动了约 80% 的观看时长服务 3 亿以上用户2025 年工作论文估算若换回矩阵分解互动量约下降 4%。另有第三方分析称该架构支撑约 10 亿美元/年的订阅留存收入属分析机构口径。Spotify的路线最克制核心推荐仍是经典协同过滤 内容 EmbeddingDiscover Weekly、Daily Mix 并未重构LLM 只在边缘做四件事——播客主题理解、对话式歌单生成、AI DJ 口播基于 Llama 微调领域感知微调提升达 14%、以及 GLIDE 生成式检索用语义 ID解决无界词表问题。落地上AI Playlist 用 Agentic 编排 RLHF/DPO 偏好优化飞轮线上实验听歌时长提升 4%、工具错误率下降 70%给用户为什么推荐的上下文后互动率提升约 4 倍Spotify × Meta Llama 博客。Amazon的主线是把 LLM 变成知识源。COSMOSIGMOD 2024从搜索-购买对、共买对这类行为中推断常识关系构建了 630 万节点、2900 万边、18 大类的常识知识图谱——不爬文案而从行为学。接入搜索相关性模型后冻结编码器 Macro-F1 提升 60%、微调编码器提升 22%~28%在约 10% 美国搜索流量上部署带来产品销量提升 0.7%、导航互动提升 8%。对话助手 Rufus 基于 Bedrock 多模型路由 RAG据 Amazon Q4 2025 财报2025 年带来近 120 亿美元增量年化销售互动用户购买率高 60%。Meta的 HSTUICML 2024把用户行为视为新模态将召回与排序统一为序列直推任务采用点向注意力、时间相对偏置与 SiLU 门控训练比 FlashAttention2 快 5.3~15.2 倍模型规模达 1.5 万亿参数首次在推荐系统中观测到类 LLM 的幂律 Scaling Law。线上 A/B 排序提升 12.4%、召回提升 6.2%已部署于数十亿用户的多产品界面。2.3 案例横向汇总平台路线关键线上效果来源口径淘宝 / 阿里妈妈多模态表征 语义对齐展示广告 GAUC 1.25%、CTR 3.5%CIKM 2024 论文抖音 HLLM分层双 LLM关键指标 0.705%论文 / 官方仓库快手 LEARNLLM-to-Rec公开集 Recall10 13.95%已 A/BarXiv 2405.03988快手 OneRec端到端生成式停留时长 0.54% / 1.24%成本降至 10.6%行业报告Netflix推荐基座模型驱动约 80% 观看时长Netflix Tech Blog 2025Spotify AI PlaylistAgentic DPO听歌时长 4%工具错误 -70%NeurIPS 2025Amazon COSMO / Rufus常识知识图谱 对话销量 0.7%Rufus 增量约 120 亿美元/年SIGMOD 2024 / 财报Meta HSTU生成式推荐排序 12.4%、召回 6.2%ICML 2024一个清晰的规律浮出水面平台按自身瓶颈选路线——电商最缺语义理解于是重仓多模态表征与常识知识短视频追求端到端效率于是直接挑战级联架构流媒体内容寿命长、用户耐心高于是把资源投向统一的推荐基座。而没有一家是把 LLM 简单接在排序模型前面了事。第 3 章 技术共性LLM 落地推荐绕不开的工程法则把七家平台的方案放在一起看会发现它们的取舍高度一致。这些共性不是巧合而是由推荐系统的工程约束决定的。可以提炼为五条法则加一条贯穿始终的部署原则。3.1 法则一不让 LLM 直接做核心排序——延迟是硬约束推荐系统必须在毫秒级返回结果Netflix 的 P99 约 200msAmazon 亚秒级响应整体上推荐接口普遍要求 100ms 量级完成。而一次 GPT 式自回归推理远远做不到——即便做了 KV Cache参数量与序列长度也会让单次前向消耗几十到几百毫秒。因此头部平台的共同选择是核心排序交给经过深度优化的深度模型LLM 只在离线或近线环节做重活。抖音 HLLM 的 Item LLM 输出 Embedding 后离线缓存就是典型的离线重、在线轻。要在近线使用 LLM必须做专门的成本摊销。Meta 在 HSTU 中提出 M-FALCON 推理摊销——让候选集共享注意力计算在模型复杂度提升 285 倍的情况下吞吐反而提高 1.5~3 倍最高约 700 倍加速。没有这类工程手段生成式推荐在线上跑不起来。3.2 法则二语义 Embedding 必须对齐协同信号这是 LLM-to-Rec 路线成败的关键。冻结 LLM 提取出的语义 Embedding如果直接塞进召排模型效果往往有限——因为它描述的是物品像什么而推荐要的是用户会不会喜欢。通行的三段式做法是冻结 LLM 提取 → 用对比学习或辅助任务对齐到协同域 → 作为稠密特征接入召排。快手 LEARN 用双塔对比学习把语义 Embedding 对齐到用户-物品交互空间再在排序模型旁挂一个 CVR 辅助任务做二次对齐抖音 HLLM 用 InfoNCE 在行为序列上做同款对齐Meta 的 FLARE 思路一致。淘宝的做法更细致MAKE 模块先用多模态特征预训练多轮再冻结接入 ID 主模型专门绕开One-Epoch WallID 模型只能训 1 轮、而多模态需多轮收敛的矛盾。缺少这一步对齐语义特征就只是好看的摆设。3.3 法则三生成式推荐统一召排——收益真实代价也真实HSTU、OneRec、Netflix 基座模型都走同一条路把用户行为当作语言用统一 Transformer 做序列直推召回与排序不再分家。收益已经量化——Meta 排序 12.4%、召回 6.2%快手 OneRec 用 10.6% 的运营成本换到更长的停留时长Netflix 单基座替代数十个专用模型。更重要的是 Meta 首次在推荐系统上观测到类 LLM 的幂律 Scaling Law这意味着堆算力换效果在推荐领域同样成立。但代价同样清晰自回归解码天然偏向热门内容会制造曝光漂移生成式模型可能吐出不存在的 ID检索式模型不存在这个问题模型重训后 Embedding 漂移需要专门的正交变换来稳定。这些都是检索式推荐从未遇到过的新问题。3.4 法则四冷启动靠元数据 语义 ID新物品没有交互数据是所有平台共同的痛。目前收敛出的解法是把物品的文本、图像、属性交给 LLM 转成语义 ID 或语义 Embedding用内容相似度替代行为相似度。Amazon COSMO 从行为中挖掘常识关系构建知识图谱、Netflix 用元数据 ID 混合的 age-aware blending、Spotify 用 GLIDE 的语义 ID 做生成式检索、快手 QARM 把对齐后的多模态表征转为可训练语义 ID——路径不同内核一致用语义补上行为的空缺。3.5 法则五在线部署必须走轻量化即使 LLM 只在离线工作其产物进入线上仍要瘦身。可复用的手段有三类蒸馏美团把 DistilBERT 的推理耗时从 120ms 压到 35ms、INT8 量化模型体积减少约 75%A100 上跑到 2000 req/s、以及语义 ID 化的生成式检索把无界词表问题转化为有限词表预测。这三者通常组合使用而非单选。一句话概括这几条法则语义往协同上对重的活往离线放线上的推理往轻里压。偏离其中任何一条方案都很难在生产环境站住脚。第 4 章 挑战、风险与未来趋势前面两章展示的多是正向收益但把 LLM 引入推荐并非免费的午餐。客观看这一轮迁移同时打开了新的风险面也划出了下一阶段的演进方向。4.1 生成式推荐独有的四类风险其一实时性与成本的两难。推荐要求 100ms 内出结果LLM 推理的算力开销却高出一个量级。M-FALCON 这类摊销方案缓解了吞吐问题但代价是工程复杂度陡增——KV Cache 管理、候选共享注意力的正确性验证都成为新的维护负担。其二幻觉 ID与曝光漂移。这是生成式推荐相较检索式特有的缺陷。自回归解码会系统性地偏向热门内容长期运行可能把长尾内容挤出流量池模型还可能生成词表中不存在的 ID而检索式模型从结构上不会出现这种情况。缓解手段是加约束解码与曝光纠偏但至今没有一劳永逸的方案。其三重训带来的 Embedding 漂移。模型迭代后同一物品的 Embedding 可能整体平移导致线上服务行为突变。Netflix 用正交变换来保持 Embedding 稳定说明这已经从理论问题变成了必须处理的工程项。其四隐私与公平性。用户数据敏感度上升微信看一看采用联邦学习在本地完成编码差分隐私逐渐成为标配同时训练前的去偏处理与损失函数中的公平性正则正在从可选项变成必选项。4.2 未来 1-2 年的三条主线多模态融合。从纯文本走向视觉、语音、文本的联合表征。淘宝已经用图文多模态 Embedding 落地YouTube 则把视频 token 化为语义 ID 并尝试将 Gemini 融入推荐模型——后者官方承认仍需大幅降本才能规模化这也标出了当前的成本边界。推荐基座模型平台化。Netflix 用单一基座替代数十个专用模型Meta 推进 Foundation-Expert 范式HyperCast 基础设施FM→Expert 知识传递率 0.64~1.0参数冗余降低 30% 以上都指向同一个方向推荐系统正在从一堆场景模型向一个基座 若干专家演进这与 NLP 领域的路径高度相似。Agentic 双层架构。最被看好的结构是慢思考策略层 毫秒级执行层外层用 LLM 做意图理解、长期兴趣规划与对话交互内层用高效模型完成毫秒级打分。Spotify 的 AI PlaylistAgentic 编排 DPO 飞轮和 Amazon Rufus多模型路由 RAG已经是这一架构的雏形。它既不违反延迟约束又能把 LLM 的理解能力真正接进推荐链路。4.3 结论与建议回到本文的核心判断推荐算法与 AI 的结合当前不是换引擎而是改分工。已经落地的案例反复验证了同一条路径——让高效深度模型守住毫秒级排序让大模型去做它擅长且不着急的事理解语义、构建知识、生成理由、承接对话。数据也支持这一判断从 Meta 的排序 12.4%、Amazon 的销量 0.7%到 Spotify 的听歌时长 4%、抖音的 0.705%增量真实但并不夸张说明这是一场需要工程耐力而非概念狂欢的迁移。对准备落地的团队三条务实建议从冷启动和长尾切入而不是一上来就动核心排序链路。语义 Embedding 与语义 ID 在这些场景的边际收益最高、风险最低。先把离线重、在线轻的分工设计好再谈模型选型。延迟预算不解决再好的方案也上不了线。为生成式方案预留风险兜底约束解码、曝光纠偏监控、Embedding 漂移检测三件套建议在试点阶段就同步建设。行业仍处在范式迁移的早期。可以确定的是推荐系统的下一轮竞争比的不是谁的模型更大而是谁能把大模型的能力更聪明地切碎、安置到合适的位置上。结语从猜你喜欢到生成式推荐推荐系统正在经历一次典型的工程化迁移新技术先以能力增强件的身份嵌入旧系统跑通边际场景再逐步向核心链路渗透。目前所有公开数据都表明我们正处在这个过程的早中期——收益已经真实可见但范式远未定型。对从业者而言真正值得跟踪的不是某篇论文里的模型结构而是那些被反复验证的取舍原则延迟优先、语义对齐协同、离线重在线轻。这些原则决定了谁能把大模型的能力真正转化为线上指标而不只是转化为一次发布会上的 PPT。