👆点击“博文视点Broadview”，获取更多书讯
--文末赠书--
在过去十多年中，移动互联网经历了从萌芽期到高速增长，再到如今逐渐触及，触达增长天花板的完整生命周期。互联网彻底改变了每个人的生活方式。十几年前，普通人很难想象，今天我们可以通过一部手机完成几乎所有日常事务——购物、出行、学习……移动互联网已深深融入我们的日常生活。
随着移动互联网的发展，许多新技术应运而生，如大数据、云计算、VR/AR、区块链和大模型等，并催生了微信、淘宝、支付宝、抖音、小红书等产品。在这些我们常用的产品中，最核心且最受技术人员关注的技术之一是推荐系统，它成就了抖音、快手和TikTok的神话。过去十年间，推荐系统成为技术领域的热门方向，吸引了大量人才投身其中。
如今，全球经济放缓，互联网行业的高速发展也趋于平稳，推荐算法的需求逐渐减少。然而，2022年年底，OpenAI发布的ChatGPT却为行业带来了新的活力，ChatGPT像鲶鱼一样激活了整个技术生态。在不到两年的时间里，ChatGPT展现出颠覆传统的势头，重塑了技术范式和行业格局。受益于大模型技术的红利，推荐系统也迎来了新一轮的发展机会。
下面我将基于从事推荐系统15年的实战经验，深入分析在当前背景下推荐算法领域的新机遇，为推荐算法工程师、相关团队及企业提供新的思考方向。
1-背景分析
要分析推荐系统及相关业务的未来发展蓝图，必须结合当下的时代背景，技术的诞生和发展都受其影响，并随之变化。当前能够影响推荐系统业务发展的核心背景，我认为有以下3点：
1.1-大模型横空出世
2022年年底，OpenAI发布ChatGPT大模型——这无疑是过去十年最激动人心的技术突破。大模型带来了全新的技术范式，通过海量文本的预训练，再结合特定场景的数据微调，使其具备解决问题的通用能力，并能以自然语言进行交互，达到前所未有的高度。
在不到两年时间里，大模型已渗透到各学科和行业，产生了深远影响，并获得普遍关注，甚至在科学界也得到了广泛认可。今年的诺贝尔奖进一步印证了大模型的学术和应用价值：诺贝尔物理学奖授予深度学习的奠基人Geoffrey Hinton，他推动了神经网络的突破，为大模型的革命铺平了道路；诺贝尔化学奖授予DeepMind的Demis Hassabis，他在蛋白质结构预测上利用深度学习革新了化学研究方法，为科学家提供了更高效的工具。
大模型在内容创作（如绘画、视频生成、文本生成）、教育（如题解、考试）、精细化运营（搜索、推荐）、流程自动化、知识管理、代码生成、个人陪伴、机器人等诸多领域已产生深远影响，推荐系统自然也不例外。大模型正从算法、业务流程、产品形态等多个维度渗透到推荐系统中，后文将深入探讨这方面的机会。
1.2-移动互联网见顶
移动互联网经过十多年的快速发展，如今已接近增长天花板，具备商业价值的方向几乎被探索殆尽，技术和业务发展的生态位已逐渐饱和，很难再找到一个新方向能塑造出类似抖音这样的现象级平台。
在新的计算平台（如手机）和交互模式（如触屏滑动）出现之前，移动互联网的突破机会极为有限。唯一可能打破这一天花板的是大模型。大模型不仅带来了算法范式的革新，也在交互模式上进行了创新，例如GPT 4o的实时对话。
新的交互方式有望在原有的移动互联网生态下打开一条新路径，甚至催生出区别于以往的“杀手级”应用。目前，OpenAI、Google、Facebook，以及国内众多互联网公司和大模型创业公司都在探索这些方向。具体来看，AI教育和特定行业的个人生产力工具是较有潜力的两个方向，如编程助手Cursor、自动化生成内容的NotebookLM。
此外，未来大模型技术有望突破手机二维屏幕的限制，在真实的三维世界中带来新的机会：具身智能（如儿童和老人的陪护、工厂机器人）、空间计算（基于AR/VR）、流程再造与自动化，以及AI辅助的科学研究与发现等4大方向特别值得期待。
即使短期内大模型技术未找到显著的应用突破点，依托其强大的算法能力，也能在传统业务中实现流程重塑，通过降本增效提升企业ROI，这也是当前很多企业的主要应用方向。在缺乏业务增量的情况下，降本增效的方式更加稳妥、直接、有效。
1.3-经济下行
伴随互联网泡沫的破灭，行业重新回归商业本质，不再如往昔那般扩张迅速。创业公司如今需要依赖真实的营收维持运营，不再能轻松获得融资。企业逐步收紧业务线，将资源聚焦在具备真实商业价值的项目上，而不再盲目扩展规模和团队。
对个体而言，这种趋势也意味着我们需要更加关注自身工作对商业价值的贡献。对于推荐算法工程师来说，关键在于思考如何通过算法实现业务价值最大化，如何通过技术手段帮助企业降本增效。
基于以上背景分析，下面为梳理并分析了5个可能的发展机会，供推荐算法领域的从业者参考。
2-推荐算法的5大机会
在移动互联网时代，只要是一个toC的互联网产品，都可以通过加上推荐算法业务，来提升其产品能力和用户体验。但当下，能够做的方向都已被探索殆尽，那么推荐业务还有哪些机会可以挖掘呢？
2.1-赋能传统推荐系统
任何技术都难以被完全取代，推荐算法亦如此。传统推荐算法（如协同过滤、标签推荐等）仍在其特定应用场景中具备优势。
从架构层面来看，传统推荐系统采用的“召回+排序”的经典架构，经过十余年实践验证，已经证明了其高效性。这一架构可能会长期发挥价值，即便加入大模型的支持，也大概率会沿用这一架构作为核心骨干。
在产品形态上，传统推荐系统的核心功能仍在于信息流推荐和关联推荐。只要交互方式保持不变（如PC和手机端），那么这两种推荐形式在商业体系中仍将持续发挥作用，创造价值。
总的来说，短期内（2~5年内），大模型对传统推荐系统主要起到赋能作用，而非完全替代。大模型的加入将拓展推荐系统的应用场景，提升其商业价值。
在赋能传统推荐系统的过程中，大模型有望在以下几个方面发挥作用。
l替代部分推荐算法组件：大模型可以改进传统的召回和排序组件，例如通过更深层次的特征理解实现更精准的召回和排序。
l优化推荐流程：大模型可以帮助提升数据生成、内容展示的质量，从而优化用户体验。
l策略制定与完善：大模型可参与到推荐系统的策略制定与优化中，利用其对用户意图和内容的理解来辅助设计更精准的推荐策略。
2.2-个性化“内容”创造
相比于传统机器学习，大模型的一个重大创新在于：它可以基于用户的自然语言背景信息（context）生成内容，并以自然语言形式呈现（多模态大模型还能生成图片、音频、视频等更丰富的内容形式）。这一特性对内容创作来说意义非凡，它大大提升了创作效率、降低了创作门槛，使任何人都能轻松生成自己需要的内容。
在移动互联网时代，得益于UGC理念，互联网上产生了大量内容，几乎所有内容平台（如抖音、快手、小红书等）都深受其益。实际上，用户在互联网中的核心是“消费内容”，而个性化推荐正是在海量内容基础上发挥了作用，为用户精准推送匹配其兴趣的内容。
进入大模型时代，内容生产从依赖用户转变为依靠算法，在专业人员的指导下自动生成，这便是AIGC（AI生成内容）。AIGC的内容生产效率比UGC高出数万倍，带来了内容行业的根本性变革。未来五年内，互联网上95%以上的内容可能都将由AI生产。
在移动互联网的UGC时代，推荐算法的角色是向用户推送与其口味匹配、由他人创作的内容；而在AIGC时代，推荐算法可以为每位用户“量身定制”内容。也就是说，大模型可以根据用户的偏好和兴趣生成只属于他的内容，仿佛定制一件专属衣物。这种高度个性化的内容无疑更符合用户需求，能够显著提升用户满意度，并最终转化为更高的用户留存率和商业转化率。
个性化推荐不仅具备理论上的可行性，已经可以应用在一些实际场景中。例如，如果我们了解到某位用户偏好科幻题材的小说，掌握他喜欢的情节、场景等（通过他的阅读记录挖掘），那么大模型便可基于这些偏好，为其生成专属的定制化小说。此外，对于实物商品（如服装），也可以基于用户的体型、偏好，设计出专属款式，待用户确认后再自动化生产（比如借助3D打印技术），从而让用户获得世界上独一无二的、最契合其需求的产品。
这一场景需求在传统技术范式下难以实现，但在大模型时代，通过结合推荐算法，完全可以达成。这种应用不仅是对传统推荐的延展，更是一种全新的推荐范式。下图展示了一个以大模型为核心、基于用户个性化需求和偏好进行“产品”自动化生产的可行流程。
2.3-个性化专业顾问
在移动互联网时代，个人信息获取主要依赖手机屏幕，通过导航、下滑推荐和搜索等方式。然而，更自然、高效的方式是通过自然语言对话进行交流。自然语言对话作为人类经过数百万年进化而成的高效沟通方式，不仅具备即时反馈的特性，还能在多轮互动中捕捉到更细致的需求。GPT-4o的发布进一步证明了这一方法的可行性和广泛应用潜力。
将推荐系统设计成自然语言交互模式，使其成为用户的“专属顾问”，不仅实现了个性化推荐，还将信息检索、问答、售后、知识服务等功能融入同一系统。
以淘宝为例，正在内测的“淘宝问问”便是这方面的积极尝试，通过自然语言交互为用户提供个性化的购物指导。支付宝的全新App“支小宝”更进一步，直接以独立App的形式，为用户提供金融、理财、生活服务等全面的生活助手功能。
推荐系统的这种发展趋势显示出，未来的智能平台将不再只是简单的推荐内容，而是帮助用户高效管理各类需求的多功能智能助手，实现人机交互的高度融合。
2.4-私域精细化运营
在当前经济环境下，移动互联网的红利逐渐见顶，企业面临盈利压力，且营销成本居高不下。以流量推广为例，Kimi在B站的投放成本已达到人均30元以上；许多企业与主播的带货合作往往入不敷出，利润空间大部分被带货主播分走。因此，转向低成本、更高效的私域精细化运营成了企业的明智之选。
以服装企业为例，线下门店通常会积累大量的用户数据（比如，许多人都有过在服装店购物后被邀请添加企业微信的经历）。这些用户即是潜在的二次消费人群。营销的关键在于，如何有效激活这些资源，促进用户复购，从而形成持续的商业价值。
大模型与推荐系统的结合可以提供一种创新解决方案。通过企业的CRM系统，服装品牌能够了解用户的购买历史，并利用企业微信将相关商品推送给用户。例如，如果用户上周购买了一件外套，那么系统可以为其推荐一条适合搭配的长裤。推荐理由至关重要，大模型在生成个性化话术方面表现优异，可为用户提供精确且富有吸引力的推荐理由。
精准推送不仅能提高购买转化率，还能在用户没有强烈购买意愿的情况下，通过准确的推荐匹配用户的兴趣，从而提升品牌好感度，强化用户忠诚度。
2.5-端侧个性化
大模型除了可以通过云端API使用，如今也可以在边缘设备上运行。目前，像2B、7B等较小的大模型已能在端侧稳定运行。苹果今年推出的Apple Intelligence便是一个典型例子，它将大模型应用于iPhone，为用户解决一些常见问题，甚至实现了之前难以实现的功能，例如实时对话（Siri的大模型改造）、图像创作、照片管理、自动邮件撰写和通知管理等。
推荐系统与端侧的结合形式多种多样，比如个性化锁屏图片、定制化早间新闻（通过Siri播报）、个性化照片分组、基于自然语言的交互服务（例如通过语音直接点外卖）等，这些领域都有广阔的探索空间。
除了手机这一移动互联网的主力端侧，智能汽车、智能机器人、以及VR/AR设备也是未来几年的重要增长方向。例如，若特斯拉及中国的新能源汽车企业在未来两年实现L3及更高级别的辅助驾驶，那么个人在汽车空间与互联网的交互将孕育出许多新的商业机会。
此外，装载大模型的智能音箱，也能通过这种技术赋能，提供更丰富、更有趣且更具商业价值的个性化服务。这些都是大模型与推荐系统结合所带来的新想象空间和业务增长潜力。
————————
大模型时代，推荐系统正处于技术与应用场景的高速发展期。从最初基于规则的算法到如今以大模型和智能推荐为核心的解决方案，我们不仅见证了智能化的飞速进步，也深刻感受到了这些变化对我们生活和工作的深远影响。
以上是我结合自身经历和最近在B端企业服务探索过程中的思考，希望能为读者提供一些新的视角。这些思考也体现在《大模型推荐系统：算法原理、代码实战与案例分析》一书中。无论你是刚刚踏入推荐系统领域的初学者，还是在这一领域深耕多年的专家，我都希望上述思路和这本书能够为你在算法与应用之间架起一座桥梁，帮助你在理解的基础上进一步实践与创新，同时为你在大模型时代的推荐业务提供方向性指导。
双十一优惠中，快快抢购吧！
互动有奖
按以下方式与博文菌互动，即有机会获赠图书！
活动方式：在评论区留言参与“关于大模型推荐系统，你有哪些疑问或困惑？”等话题互动，届时会在参与的小伙伴中抽取1名幸运鹅赠送图书盲盒一份！
说明：留言区收到回复“恭喜中奖”者将免费获赠本图书，中奖者请在收到通知的24小时内将您的“姓名+电话+快递地址”留言至原评论下方处即可，隐私信息不会被放出，未在规定时间内回复视作自动放弃兑奖资格。
活动时间：截至11月11日开奖。
快快拉上你的小伙伴参与进来吧~~
温馨提示：可以将“博文视点”设为星标，以免错过赠书活动哦！
发布：王功瑾
审核：陈歆懿
如果喜欢本文 欢迎 在看丨留言丨分享至朋友圈 三连 < PAST · 往期回顾 > 书单 | 10月新书速递！
