快手生成式推荐技术体系化演进：从思考引擎到算力底座
上周我再度参与了一场快手组织的技术沙龙，坦白说，快手这家企业的技术积累着实深厚。最近这一两年，许多同行在 AI 的“端”上热闹非凡，各家轮番登场，唯独快手始终沉下心深耕自己的工业推荐系统，其中自然包含了 AI 技术，但远不止于此。
如果把这次沙龙的内容放进快手这一年多来围绕生成式推荐、生成式搜索、生成式广告所持续释出的技术脉络里，它更像第二场真正意义上的“生成式推荐系统专场”。
早前探讨的是 OneRec、OneSearch、广告出价这一类生成式推荐技术怎样注入具体业务场景。如今，主题已经转变为“快手生成式推荐技术的体系化演进——统一基座、池化预估与场景实践”。
这样的转变值得玩味。
从 OneRec 到 OneReason（会思考的推荐基础模型），从 OneSearch 到 OneSearch V2（端到端生成式电商搜索框架），接着是面向广告的生成式推荐 GR4AD，现在又开始构筑算力底座 Pool-Rec（算力和系统底座），再加上同步发布的快手探索者 LLM-Rec 挑战赛，快手此次所要讲述的是“这一整套东西正在生长为一个完整系统”。
过去，不少公司探索生成式推荐，往往容易停留在一个表面问题上：能否把用户行为序列、物料 ID、上下文信息像文本那样编码成 token，再让模型一步步生成推荐结果？
这当然是一个关键问题，却只是第一步。
一旦真正进入工业级场景，事情就会变得复杂得多：模型能不能理解用户为何对某一内容产生兴趣？能不能应对冷启动、长尾物料、跨域迁移？算力能不能撑得住？搜索和广告这类对延迟、收益、转化都极度敏感的业务，能不能真正走上主链路？技术路线能不能开放给外部团队一同验证？
因此，我的判断也随之发生了微妙变化：生成式推荐已不再仅仅是“推荐模型的一次升级”，它正在重塑推荐系统的底层架构。
1
先来谈谈 OneReason。
过去我曾写过 OneRec，它解决的是“推荐结果能不能被生成”，而 OneReason 要直面的问题是：推荐系统能不能学会思考。
传统推荐系统，本质上极度擅长记忆。它知道看过 A 的人也可能看 B，购买过某类商品的人也可能倾心于另一类商品。这套建立在协同过滤、深度模型、序列建模之上的体系已经极其强大，也支撑了过去十年内容平台、电商平台和广告系统的扩张。
但它也存在着天然边界。
当冷启动用户数据稀少时，模型不知该如何推荐；长尾物料缺少行为反馈，很难获得展现机会；跨域迁移时，用户在短视频、电商、直播、本地生活之间的兴趣漂移，并非简单的共现关系所能概括。
到了大模型时代，一个新问题浮现出来：既然 LLM 已经从 Scaling 走向 Reasoning，再进一步迈向 Agentic，那么推荐系统能否也经历一次类似的跨越？
快手 OneReason 给出的回答是：可以，但不能简单照搬大模型的思维链（CoT）。
推荐系统中的 Reasoning，是让模型从用户行为这个“果”，反推出潜在兴趣这个“因”。这是一种溯因推理。用户浏览过大量内容，停留、点赞、下单、跳出，这些行为交错混杂，充满噪声，随时间变化，还涉及跨域迁移。推荐模型所要判断的是：“为什么这个用户此刻可能需要这件东西”。
OneReason 要构建的，正是推荐模型理解****物料和用户的底层能力。
在预训练阶段，OneReason 进行了 578B token 的三阶段训练，将 item token（物料 Token）与自然语言做深度的语义对齐。通俗地说，过去的 item token 更接近一个离散编号，模型知道它与哪些东西共现，但未必真正理解它是什么。OneReason 则要让模型不仅清楚这个 token 在何处出现，更要理解它所代表的物料内容、关系、用户行为上下文，以及它与人之间兴趣的联结。
接下来是 SFT（监督微调）和 RL（强化学习）。快手把推荐 CoT 拆解成了更适配推荐任务的结构：从感知物料，到推导物料关系，再到理解用户兴趣演化，最后做出推荐决策。
准确性是重中之重，这一点尤为关键。
大模型中的长链推理，有时会带来更强的数学和代码能力；但在推荐当中，过度思考反而可能造成伤害。因为推荐任务不是一道证明题，答案并不唯一，更多时候是在不完整信息下进行概率判断。OneReason 的可贵之处，恰恰在于它把“思考”这件事变成了推荐模型的正向资产。
从数据上看，这并非纯粹的离线探索。OneReason 在快手本地生活广告 10 天 A/B 实验中，带来了曝光和广告收入的提升，ROI 也超过 5；在推荐 Benchmark 上，thinking 模式首次稳定超越了 non-thinking 模式，Pass@4（模型有 4 次机会，只要其中一次推荐命中正确答案就算通过）平均领先 13.45%。这说明推荐系统中的 Reasoning，不再只是一个动听的概念。
OneReason 让生成式推荐从“生成”迈入“理解”的层面，前者解决了推荐系统的表达形式，后者则开始真正触及推荐系统的能力边界。
2
仅有模型还不够。
生成式推荐比大模型更加消耗算力。推荐系统需要应对的是亿级用户、海量物料、极高 QPS、毫秒级响应，以及每天超过千亿次的推荐决策。用户只要滑动一下页面，系统就必须立刻给出结果。
这正是 Pool-Rec 的意义所在，也是沙龙的第二讲。
Pool-Rec，即“基于异构算力池化的推荐预估系统”，所要解决的核心问题是高效利用算力。
OneRec 系列模型之所以能够上线并推全，不仅是因为模型结构发生了变化，更因为有 Pool-Rec 的支撑。这套系统所做的事情，是通过基础设施、算力调度和推理引擎的协同优化，实现 AZ 级异构资源——把多个可用区里不同类型的 CPU、GPU 等算力统一纳入一个大资源池，由系统根据需求调度给推荐模型使用，从而让模型算力利用率——也就是 MFU——大幅提升。
过去推荐系统存在一个长期困扰：算力利用率并不高。原因在于传统推荐链路极为碎片化，召回、粗排、精排、重排，各种模型、特征、算子、服务拼接在一起，单个算子计算密度不高，调度复杂，访存和通信开销很大。与大语言模型那种大矩阵密集计算相比，传统推荐系统更像一个堆满小零件的车间，忙得团团转，但效率却很一般。
OneRec 已经证明，生成式架构可以提升推荐系统的算力效率，Pool-Rec 则更向前一步，把这一问题从单模型优化推向系统层面。谁能够把异构资源调度好，谁能够把推理引擎做深，谁能让高密 GPU 架构和分布式推理稳定服务主链路，谁才可能长期将模型 scale 上去。
生成式推荐走到今天，已经是算法、工程、算力和业务协同并进的阶段了。
3
接着再看看搜索和广告。
如果说 OneReason 和 Pool-Rec 分别代表“模型能力”和“算力底座”，那么 OneSearch V2 和 GR4AD 则代表场景化的实践。
先说搜索场景，此前的 OneSearch V1 解决的是端到端生成式搜索的可行性。到了 OneSearch V2，重心已经转向复杂 query 理解、潜在意图挖掘，以及推理能力如何内化到模型权重当中。
这个方向与 OneReason 是一脉相承的。
OneSearch V2 利用 LLM 生成紧凑的关键词级 CoT，再通过自蒸馏把显式推理能力塞进模型参数里，最终在线推理时既不增加额外成本，也不带来时延。换句话说，它不是每次都让模型“慢慢琢磨”，而是在训练时就学会怎样思考，上线时如同直觉一般快速给出结果。
这和我们人类是不是非常相像了？平日里进行各种训练，真正站上现场，很多时候依靠的是直觉反应。
4
面向广告的生成式推荐（GR4AD）更是如此，广告推荐和普通内容推荐截然不同，它面对的是平台收入、广告主转化、用户体验这三方目标，而且要在极高 QPS 和低于 100ms 的延迟约束下完成多候选生成。
直接套用 LLM 显然行不通。
快手在 GR4AD 中所做的是推荐原生设计：广告物料需要 token 化，但不能只编码内容语义，还要把转化类型、广告账户、投放策略这些商业信号编码进去；训练目标不能仅仅是预测点击，而要围绕 eCPM、NDCG、收入和转化做价值感知学习；推理也不能照搬 LLM，而要针对短序列、多候选、Beam Search 进行优化。
听完 OneSearch V2 和 GR4AD 的分享，我清楚意识到，生成式推荐已经切入了业务的主流程。
5
LLM-Rec 挑战赛是这场沙龙里大家最为热衷的环节。
快手每天为亿万用户完成超过千亿次推荐决策。在这样的规模下，推荐系统的每一点提升，都不只是纸面上的指标，而是真实的用户体验、创作者分发效率、商家转化和平台生态的改变。
但推荐系统同样是一个典型的工业深水区。学术界有论文，有想法，有五花八门的 benchmark；工业界有数据，有场景，有工程约束。两边之间长期隔水相望：真实的用户行为数据拿不到，物料规模模拟不了，评测标准不统一，许多方法只能止步于小数据、小模型、离线评估。
LLM-Rec 挑战赛在水面上搭起了一座桥。
快手提供了 0.8B 量级的推荐基座模型、50 万条脱敏线上活跃用户行为 log、内容 Caption 与 Semantic ID、部分通识 SFT 数据、训练 pipeline 脚本，以及官方训练与评测环境。评估维度要同时看模型是否懂用户、懂物料、懂推荐、懂世界。
这里隐含了一个判断：下一代推荐模型应该具备世界理解能力。
OneReason 回答的是“推荐系统能不能思考”；挑战赛则把这个问题开放给外部团队，让更多人一起来回答，快手也把基座、数据、评测和人才入口一并拿出来共享。这种开放的态度，本身就是一种技术路线上的自信。
6
全程参与完沙龙，也与快手的同学交流了良久，我最大的感受是：快手在生成式推荐这件事上已经形成了连贯的演化路径。
从生成式推荐到思考，从搜索到生成式广告，再到算力，过手如登山，一步一重天，可以说快手走得极为稳健。
模型固然重要，但模型只是整套系统里的核心引擎。真正决定它能跑多远的，是背后的数据燃料、算力底座、业务场景和开放的生态。对快手来说，OneReason 是会思考的大脑，Pool-Rec 是动力系统，OneSearch 和 GR4AD 是真实场景，LLM-Rec 挑战赛则是把更多建设者邀请进了这条技术路线。
热闹的沙龙落下了帷幕，而挑战赛和竞争才刚刚开始。