Netflix的豪赌：用一个基础模型统治所有推荐场景

在这场技术分享中，Netflix推荐系统负责人讲述了一次关键转向：放弃碎片化的推荐模型体系，转而用一个基础模型统一承载所有推荐需求。文章还原了这一决策的背景、技术细节与现实约束，解释为什么这不是一次简单的“模型升级”，而是一场组织与工程方式的重构。

为什么Netflix要押注“一个模型”

这一演讲从一个看似大胆的问题开始：“能不能用一个基础模型，覆盖所有推荐用例？”这是演讲者在开场就抛出的核心赌注。之所以重要，是因为Netflix的推荐场景极其多样：主页是二维的行列布局，不同栏位有不同目标，不同用户状态、设备和时间点又会引入新的差异。

演讲者指出，这种多样性至少体现在三个层面：界面结构、业务目标和用户语境。过去的做法是为不同场景定制模型，短期看灵活，长期却带来了严重的系统性问题。最直接的后果是重复：重复的标签工程、重复的特征工程，甚至重复地解决同一类问题。

他回顾道，大约在四年前、疫情刚开始或中期时，团队意识到这种模式已经难以为继。模型数量的增加并没有线性提升效果，反而拖慢了创新速度。于是他们问了自己一个关键问题：“can we centralize the learning of user representation in one place？” 这不仅是技术问题，更是组织效率和长期可维护性的问题。

从重复劳动到统一表示：转折点的出现

这一节的关键在于“转折”。演讲者并没有把统一模型描绘成理所当然的演进，而是明确指出，这是在大量重复和摩擦中被“逼出来”的选择。不同推荐模型之间存在大量重叠，但又各自维护数据、标签和特征，导致改进一次能力，往往要在多个系统中重复实现。

疫情期间，用户行为快速变化，数据分布频繁漂移，这种碎片化架构的成本被进一步放大。每一个模型都需要单独适配变化，工程负担急剧上升。正是在这个背景下，团队决定尝试集中式学习用户表示，用一个共享的基础模型作为“能力底座”。

演讲者明确给出了答案：“So the answer is yes.” 但这个“是”并不轻松。它意味着要重新思考数据组织、训练方式以及不同任务如何在同一模型中共存。重要的是，这个决定并非为了追逐潮流，而是对现实工程痛点的直接回应。

数据、Token与训练目标：基础模型并不抽象

在谈到技术实现时，演讲者刻意从数据和Token讲起。他提醒，做过大语言模型的人都知道，Tokenization（将输入切分为模型可处理的最小单元）的决策会深刻影响模型能力。在推荐场景中，用户行为、内容信息如何被“编码”，同样是基础且不可逆的选择。

从Token层向上，是模型层，再到最顶层的目标函数。演讲中提到，他们不仅关注单一预测，而是探索“top multi-token prediction”等更复杂的训练目标，以更好地捕捉上下文。这一点很重要，因为推荐并非一次性判断，而是一个序列化、上下文相关的过程。

他还提到，模型的隐藏状态（hidden state）被下游多种任务复用，这正是基础模型的价值所在：共享表示、分离应用。技术上看，这要求模型在规模和训练周期上都能扩展；实践中，他们用大约两到两年半的时间，逐步验证了这种架构是可行的。

上线与现实：延迟、抽取与应用层妥协

如果说训练阶段回答了“能不能做”，那服务与应用阶段回答的就是“能不能用”。演讲者在后半部分切换话题，专门讨论基础模型如何被不同应用消费。在引入基础模型之前，各个推荐模型是端到端部署的；现在，它们更多是从一个共享模型中“抽取”能力。

但现实并不完美。对于有严格延迟要求的场景，直接调用完整基础模型并不可行。因此，团队允许从基础模型中导出轻量化的子模型或表示，用于特定场景。这是一种务实的折中，而非教条式的“一个模型解决一切”。

在总结时，演讲者用一句话定调：“the big bets are validated.” 这并不是说问题已经解决，而是方向被证明是对的。未来的工作还包括更好的上下文建模、更高效的Embedding使用方式等，这些都被他称为“very promising direction”。

总结

这场分享真正有价值的地方，不在于某个具体模型结构，而在于Netflix如何面对复杂系统的失控风险。用一个基础模型统一推荐，并不是为了炫技，而是为了减少重复、提高演进速度。对读者而言，最大的启发或许是：当系统复杂到一定程度，继续“打补丁”不如重新定义底座。

关键词： 推荐系统， 基础模型， 用户表示， 模型训练， Embedding

事实核查备注： 演讲来自Netflix推荐系统相关分享；关键原话包括“one foundation model to cover all recommendation use cases”“can we centralize the learning of user representation in one place”“the big bets are validated”；时间点为疫情开始或中期约四年前；训练周期约两到两年半；涉及技术名词：Tokenization、hidden state、Embedding、top multi-token prediction。