AI大模型(LLM)掀起的生成式革命，正重塑各行各業，連我們每天刷到的推薦系統也不例外。

　　傳統推薦系統像一條多環節的“流水線”(級聯架構)，容易導致算力浪費、目標沖突，制約了發展。要突破瓶頸，關鍵在于用LLM技術進行“一體化”重構，實現效果提升和成本降低。

　　快手技術團隊最新提出的「OneRec」系統，正是這一思路的突破。它首次用端到端的生成式AI架構，徹底改造了推薦系統的全流程，在效果和成本上實現了“既要又要”：

　　效果猛增：有效計算量提升10倍!讓強化學習技術在推薦場景真正“活”了起來，推薦更精準。

　　成本銳減：通過架構革新，訓練和推理的算力利用率(MFU)分別飆升至23.7%和28.8%，運營成本(OPEX)僅為傳統方案的10.6%。

　　目前，該系統已在快手App/快手極速版雙端服務所有用戶，承接約25%的QPS(每秒請求數量)，帶動App停留時長提升0.54%/1.24%，關鍵指標7日用戶生命周期(LT7)顯著增長，為推薦系統從傳統Pipeline邁向端到端生成式架構提供了首個工業級可行方案。

　　完整技術報告鏈接：https://arxiv.org/abs/2506.13695

　　圖：OneRec 系統概覽

　　OneRec基礎模型剖析

　　OneRec采用端到端生成式架構，首創協同感知多模態分詞器：通過融合視頻標題、圖像等多維信息與用戶行為，利用RQ-Kmeans分層生成語義ID。其Encoder-Decoder框架將推薦轉化為序列生成任務：

　　Encoder整合用戶終身/短期行為序列實現多尺度建模;

　　MoE增強的Decoder通過Next Token Prediction精準生成推薦結果。

　　實驗驗證其遵循Scaling Law——參數量增至2.633B時訓練損失顯著下降，結合特征/碼本/推理級優化，實現效果與算力的協同突破。

　　強化學習（RL）偏好對齊

　　OneRec突破傳統推薦依賴歷史曝光的局限，創新引入強化學習偏好對齊機制。通過融合偏好獎勵(用戶偏好)、格式獎勵(有效輸出)及業務獎勵(工業需求)構建綜合獎勵系統，并利用個性化P-Score作為強化信號。采用改進的ECPO算法(嚴格截斷負優勢梯度)提升訓練穩定性，在快手場景中實現不損失曝光量前提下顯著提升用戶時長，達成工業級效果突破。

　　性能優化

　　在性能優化上，OneRec突破傳統推薦MFU個位數魔咒：通過架構重構+算子壓縮92%至1,200個，訓練/推理MFU提升至23.7%/28.6%，算力效能達主流AI模型水平，實現3～5倍躍升。首次讓推薦系統達到與主流AI模型比肩的算力效能水平。

　　此外，快手技術團隊還針對OneRec特性在訓練和推理框架層面進行了深度定制優化。訓練側采用請求分組特征復用與變長Flash Attention提升計算密度，自研SKAI系統實現Embedding全流程GPU訓練，徹底消除CPU同步瓶頸;推理側首創計算復用架構——Encoder單次前向+Beam間KV共享+Decoder層KV Cache，支撐512大Beam Size生成需求，并基于Float16混合精度與MoE/Attention算子深度融合提升吞吐。最終訓練/推理MFU達23.7%/28.8%(較傳統模型提升3～5倍)，運營成本降至傳統方案10.6%，實現近90%成本節約。

　　Online實驗效果

　　該模型經過一周5%流量AB測試，在點贊、關注、評論等所有交互指標上均獲正向收益(如下圖)。系統現已全量覆蓋短視頻推薦主場景，承擔約25%QPS。除了短視頻推薦的消費場景之外，OneRec在快手本地生活服務場景同樣表現驚艷：AB對比實驗表明該方案推動GMV暴漲21.01%、訂單量提升17.89%、購買用戶數增長18.58%，其中新客獲取效率更實現23.02%的顯著提升。目前，該業務線已實現100%流量全量切換。

　　生成式AI方興未艾，正引發各領域根本性技術變革與降本增效。OneRec不僅論證了推薦系統與LLM技術棧深度融合的必要性，更重構了互聯網核心基礎設施的技術DNA。隨著其新范式的到來，推薦系統將加速迎來「端到端生成式覺醒」時刻。