推荐圈的 “GPT 时刻” 终于来了

如果你是一位推荐算法工程师、技术负责人，或者对推荐系统如何进化感兴趣，那么最近几年，你很可能感同身受一种“行业焦虑”：传统的深度学习推荐模型，似乎已经摸到了天花板，不管怎么调参、加特征、改结构，效果增长都越来越难，成本却越来越高。圈子里甚至开始流传“推荐算法已死”的说法。

但另一边，ChatGPT 掀起的生成式 AI 浪潮，正席卷所有技术领域。推荐系统也不例外！从 2024 到 2025 年，以 “生成式推荐” 为代表的新范式，开始在各大厂的论文和实践中密集涌现，被很多人称为推荐系统的 “GPT 时刻” 和 “生成式推荐元年”。

从 Meta 的 HSTU、Google 的 Tiger，到快手的 OneRec、Shopee的OnePiece，这些新名词不再是论文里的玩具，而是带着真实的线上收益，开始进入生产系统。

这次，可能真的不一样。

它不像以前那些“新玩意儿”只是给旧引擎打补丁。生成式推荐是在换引擎——从“猜你喜欢”变成“创你所爱”。想象一下，推荐系统不再只是匹配，而是在理解你的偏好后，像编剧一样为你“创作”接下来的内容序列。

但问题也来了：路线这么多，该跟哪条？论文里天花乱坠的算法，到底有几个能真的上线？那些漂亮的曲线，扛得住我们线上苛刻的延迟要求吗？

前两天，经过朋友牵线，我跟傅聪老师聊了聊。他是这个领域里少数让我觉得“既懂学术，又知工业冷热”的人——NSG/MAG 算法的作者，前阿里算法专家，也是现在在 Shopee 全流量落地的 OnePiece 范式发起人。他说，现在业界最大的矛盾，就是“学术界的乐观”和“工业界的谨慎”之间，差着一整套可落地的工程体系。

他最近把这些年的思考和实战，系统化成了一门课。我看了大纲，感觉不像传统课程，更像一次给老司机的技术导航。它不跟你绕弯子，直接告诉你：

1. 为什么传统推荐推不动了——瓶颈到底在哪一层？

2. 生成式推荐的核心范式是什么——它到底解决了什么本质问题？

3. Meta、快手、Shopee…各自的路线的优劣在哪——HSTU、OneRec、OnePiece 分别适合什么场景？

4. 最重要的是：如果你想在自己业务里尝试，该从哪下手？架构怎么设计？数据链路怎么调？如何平衡效果与成本？

    

尤其是课程里对几条工业路线的拆解，非常实在。比如讲到快手的 OneRec，会从语义 ID 怎么生成、码表怎么优化，一路讲到线上推理怎么压缩；讲到他们自己的 OnePiece，则会坦白地分享：从 LLM 借鉴来的“思维链推理”，在推荐场景里到底该怎么用、又会遇到什么坑。

感兴趣的朋友可以扫码看看：

扫码免费试读👆

限时特惠，立减 ¥30

课程设计是怎样的？

这门课被设计成一次“工业落地深度自驾游”。 它不从枯燥的公式开始，而是先带你看清全貌：为什么必须变革？传统推荐的天花板到底在哪？

然后，它会帮你夯实算法基础，但视角很独特：不仅讲SASRec、Bert4Rec这些“前辈”，更会带你审视LLM直接做推荐的诱惑与陷阱，剖析当前落地主流——语义ID生成派（如Tiger）为何能跑出来，以及Diffusion等新想象空间何在。目的是让你不仅读懂论文，更能看穿哪些算法在工业界根本“寸步难行”。

课程最硬核的部分，是对三条已验明正身的工业路线的深度拆解：

• Meta的HSTU路线（召回与排序变体，美团、小红书已应用）

• 快手的OneRec路线（从语义ID生成、码表优化、训练到推理压缩的全链路呈现）

• 以及傅聪老师亲身主导的OnePiece路线（在Shopee全流量落地，探索LLM式的“统一大脑”范式）

   

这部分像解剖麻雀，你会清楚看到一个大厂系统是如何搭建、迭代以及权衡利弊的。

当然，换引擎不光是模型的事。课程会专门探讨数据、特征、训练、服务整个链路的系统性重构，并帮你对比不同路线的架构与评估体系。最终，它会落到那个最实际的问题上：面对多条路径，我该如何根据自己业务的规模、形态和资源，画出一张可行的技术路线图？

最后，视野会拓宽到字节、阿里等玩家的其他有趣实践上，并一起探讨这场变革对我们每个人的真正影响。

说白了，这门课的核心价值是“弥合鸿沟”——在激动人心的学术概念与错综复杂的工业现实之间，架一座坚固的桥。无论你是想透彻理解趋势，还是正在筹划技术改造，它提供的都是一张有标注、有路况的导航地图，而非一纸理想化的航线图。

具体内容，来看看目录吧：

说实话，这门课不适合小白。

它适合的是那些已经在一线挣扎、能感觉到瓶颈、也在隐隐焦虑“下一步该怎么走”的同行。它不会给你一个银弹，但会给一张清晰的技术地图，和一套判断框架——让你至少知道，当团队里有人提议“我们要不要试试生成式”的时候，你能有理有据地讨论：走哪条路、投入多少、风险在哪。

技术浪潮来的时候，最怕的不是试错，而是因为看不懂而原地观望。现在，至少有人把几条已经有人走过、坑里还插着警示牌的路，给你画出来了。

剩下的，就是咱们自己的选择了。

傅聪老师的《生成式推荐系统算法与实践》已上线，感兴趣的老友可以自行搜索看看。就当是多一份行业参考地图，没坏处。