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。
