深度 | 生成式推荐：AI时代互联网技术皇冠上的明珠【浙商传媒互联网冯翠婷团队】

主要观点总结

生成式推荐技术具有巨大的技术潜力和商业价值，随着推荐系统的代际式进步，信息匹配成本降低，带来更多流量和更好的变现空间。我们认为生成式推荐是AI时代互联网技术皇冠上的明珠，主要基于缩放定律有效性、数据和特征的扩充、统一优化目标简化工程结构以及支持多样性推荐等原因。回顾机器学习和深度学习时期的技术与业绩，发现推荐系统技术红利为互联网企业带来可观收益。目前，生成式推荐系统标杆包括Meta的HSTU和快手的OneRec，验证了生成式推荐在商业价值上的潜力。从工业化落地速度看，符合海量信息分发与匹配、用户数据连贯性高、数据相对稳定的场景最先受益。从业绩弹性角度看，互联网公司收益弹性排序为快手 > 阿里巴巴 > 腾讯控股 = 哔哩哔哩。投资建议关注生成式推荐技术的突破和头部互联网厂商的探索。风险提示包括落地实践缓慢、供应链风险和宏观政策变更风险。

关键观点总结

关键观点1: 生成式推荐技术潜力和商业价值

推荐系统的代际式进步意味着信息匹配成本的降低、更多的流量和更好的变现空间，我们认为生成式推荐是AI时代互联网技术皇冠上的明珠，主要基于缩放定律有效性、数据和特征的扩充、统一优化目标简化工程结构以及支持多样性推荐等原因。

关键观点2: 推荐系统技术红利

回顾机器学习和深度学习时期的技术与业绩，发现推荐系统技术红利为互联网企业带来可观收益，如Google和百度在机器学习时期的商业化表现，以及深度学习技术推动阿里巴巴电商业务货币化率提升。

关键观点3: 生成式推荐系统标杆

目前，生成式推荐系统标杆包括Meta的HSTU和快手的OneRec，验证了生成式推荐在商业价值上的潜力，并推动了工业落地实践。

关键观点4: 工业化落地速度

从工业化落地速度看，符合海量信息分发与匹配、用户数据连贯性高、数据相对稳定的场景最先受益，生成式推荐在电商、内容推荐和广告领域具有不同程度的商业价值。

关键观点5: 业绩弹性

从业绩弹性角度看，互联网公司收益弹性排序为快手 > 阿里巴巴 > 腾讯控股 = 哔哩哔哩，考虑到Bilibili较低的baseline，排序有所不同。

关键观点6: 投资建议

生成式推荐技术有望突破深度学习的技术瓶颈，头部互联网厂商正探索在业务上实现生成式推荐的落地并获得收益，预计未来2-3年，生成式推荐将大范围实现业务场景落地，拥抱生成式推荐技术的公司能实现可观的商业价值。

关键观点7: 风险提示

风险提示包括生成式推荐落地实践缓慢、供应链风险和宏观政策变更风险，市场有风险，投资需谨慎。