互联网电商行业深度报告：生成式推荐AI时代互联网技术皇冠上的明珠-251017（41页）.pdf

1、生成式推荐：AI时代互联网技术皇冠上的明珠行业深度报告投资要点生成式推荐有巨大的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（用户留存、用户停留时长）、更好的变现空间（提升广告加载率、广告转化率）等。我们认为生成式推荐是AI时代互联网技术皇冠上的明珠，主要基于以下4点原因：1）缩放定律有效性。生成式推荐模型随着规模的扩大，带来效果提升（ScalingLaw有效）；2）数据和特征的扩充，能进一步提升效果的天花板。3）用统一的框架端到端生成推荐结果，统一优化目标，带来效果收益的同时简化工程结构，带来工程综合成本的下降。4)生成式推荐支持多样性推荐，打破信息茧房。回顾

2、机器学习时期和深度学习时期的技术和各厂商业绩表现，我们发现推荐系统的技术红利能够为互联网企业带来可观的业绩收益：1）在机器学习推荐技术发展时期（2005-2015），掌握技术优势的Google、百度实现了显著突出的商业化表现。2）在深度学习技术高速发展期（2015-2020），以Wide&Deep（Google）、DIN(阿里巴巴)、TwoTower（字节）为代表的深度学习技术成为了驱动业务提速的核心引擎。其中：Google广告业务增速2015-2019期间相比于2011-2015期间提升了4.5PCT；同样对比2015-2019时期，Google广告业务增速相比于Microsoft搜索广告业

3、务平均增速高出4.7pct；阿里巴巴电商业务在2015-2020期间，非佣金的货币化率提升1.13pct。生成式推荐系统的标杆之HSTU（Meta）与OneRec（快手）：2020-2024年期间，Meta广告收入增速受“苹果隐私新规”影响降速后，后靠自身推荐系统改善恢复高速增长，且增速超过Google。2024-2025年,Meta季度广告收入增速维持双位数，持续优于谷歌。根据Meta公布的2025二季报，AI驱动的广告推荐模型提升效率，Instagram广告转化率提升5%、Facebook提升3%。快手团队在2025年9月发布OneRec-V2TechnicalReport，线上A/B测试

4、显示，其在快手主站/极速版处理25%总QPS，App停留时间分别提升0.467%/0.741%，推理MFU达62%，OPEX保持极低水平，验证了其在性能与效率上的双重突破。生成式推荐系统蕴含巨大的商业价值。1、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，综合各项因素，在相对落地较快的三个互联网场景中，我们认为最先获得的收益的平台排序为：电商mathrmDelta内容推荐cdot广告。2、从业绩弹性角度看：我们用同维度假设进行测算（未考虑不同公司baseline、技术能力不同等），主要互联网公司收益弹性从高到低的排序为快手阿里巴巴lvertrvert

5、腾讯控股equiv哔哩哔哩。若考虑到Bilibili较低的baseline，我们采用情形4、5作为bilibili的参考值，则收益弹性从高到低的排序为快手mathrmPhi哔哩哔哩mathrm.阿里巴巴vartriangle腾讯控股。行业评级:看好(维持)相关报告生成式推荐技术有望突破深度学习的技术瓶颈，带来巨大的潜力。头部互联网厂商纷纷聚焦于运算成本低增长的前提下实现推荐效果的最大化提升，探索在业务上实现生成式推荐的落地并获得收益。随着技术探索的不断深入，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、超越行业平均的商业价值。重点公司：阿里巴巴、快

6、手、腾讯、哔哩哔哩、百度集团、爱奇艺、Applovin、汇量科技等。3、宏观政策变更风险。1生成式推荐：突破传统瓶颈的全新推荐范式推荐系统的核心：通过算法降低信息成本。推荐系统通过分析用户画像和历史行为，推断用户兴趣，从而推荐商品、短视频、新闻等内容。推荐系统是帮助用户应对海量信息的重要工具，对电商、社交网络、流媒体和新闻聚合平台的成功起到了关键作用。传统多阶段级联架构经历了机器学习、深度学习的快速发展阶段后，发展遇到瓶颈，存在阶段割裂（各阶段优化目标不一致）、信息茧房，跨阶段特征难以协同等问题。过去一年，生成式推荐(GenerativeRecommendations,GRs)在工业界取得了显