智能推荐系统的发展趋势 随着科学技术的进步，移动互联网快速发展，手机越来越便宜，拥有智能 手机不再是一件遥不可及的事情，互联网用户规模已接近增长的顶点。摄像头 和信息处理软件 （各种滤镜、剪辑等工具 ） 技术的进步让每一个人都可以轻松地 生产高质量的内容，信息的产生以指数级增长，我们的生活中充斥着海量的信 息。

在上述背景下，怎么高效快速地获取对自己有价值的信息对每个互联网公 民来说是愈发重要的事情，推荐系统的出现可以轻松地应对这一棘手的难题。 推荐系统作为一种高效的信息过滤工具，可以很好地部分解决用户精准高效获 取信息的问题 （ 搜索、导航等也是解决用户获取信息的手段 ） ，并且也是非常重 要甚至是不可或缺的一种手段 （ 在人们需求不明确时，借助推荐系统获取信息是 非常必要的，而每一个人都有不明确的需求 ） 。

推荐系统作为一项技术在国内的发展时间不长，从 2012 年头条成立之初将 推荐系统作为核心产品功能到现在差不多有 8 年时间，在这 8 年中推荐系统的 商业价值在国内逐步得到认可和肯定，大家都认可推荐系统在内容分发、用户 体验、商业变现等方面的重大价值。推荐系统目前已经成为 toC 互联网产品的 标配技术，任何一个 toC 产品要想很好地为用户提供一种被动高效获取信息的 工具，推荐系统是绕不过去的。在特定情况下人类需求的不确定性、信息的爆 炸式增长这两个条件让推荐系统成为一项长久而实用的技术，推荐系统不会昙 花一现，它会伴随着人类的发展而不断发展进化。

在前面的一系列文章中，我们对推荐系统的算法、工程、评估、展示、交 互、业务等方方面面都进行了深入的介绍。虽然推荐系统在国内的出现只有短 短 8 年，但是在各个方面都取得了极大的进步，发展越来越快，各种新的方 法、应用场景、产品形态层出不穷。未来推荐技术会朝哪些方向发展？推荐行 业又有哪些变化？推荐系统的应用场景和价值体现又有什么新的特点呢？这些 问题都值得我们深入思考。

针对上述问题，作者结合自己对推荐系统的理解和行业判断，在这篇文章 中讲讲推荐系统的未来发展与变化。具体我会从政策及技术发展对推荐系统的 影响、推荐系统的就业变化、推荐系统的应用场景及交互方式、推荐算法与工 程架构、人与推荐系统的有效协同、推荐系统多维度价值体现等 6 个方面来讲 解推荐系统的未来发展和变化。本文为读者提供多角度来观察推荐系统的未来

发展与变化，期望读者读完可以更好地把握推荐系统未来发展的脉络，对推荐 系统的未来变化有更深入的了解。 一、政策及技术发展对推荐系统的影响 推荐系统的发展是与整个大环境和技术发展趋势密不可分的，一定会受到 国家政策层面和技术发展的影响。不过对推荐系统来说，我认为政策和技术的 影响是都正向的。下面我们就从政策和技术两个维度来分析。

1. 政策层面 随着智能化、数据化等概念的兴起，大数据与人工智能在科技发展中起着 越来越重要的作用，大数据与人工智能得到了国家层面的重视。要想发展好大 数据与人工智能，首先必须有相关人才。国内从 2016 年开始逐渐有一些高校开 始开设大数据和人工智能专业甚至创办大数据、人工智能学院，这类高校呈上 涨趋势，目前全国开设了大数据相关专业的高校超过 282 个（见参考文献 1）。 在 2019年全国已经有 35 所高校获得人工智能建设资格 （见参考文献 2） 。除了 国家政策层面的支持，这也间接说明这类专业受到市场的青睐，就业前景较 好，高校才愿意不遗余力地推进大数据与人工智能专业的建设。教育层面对大 数据与人工智能的支持，为依赖这些技术的业务和产品提供了源源不断的人才 储备。

推荐系统本身就是人工智能中非常重要并且有极大业务价值的子领域，同 时构建推荐算法模型也依赖于对大规模用户行为数据的处理，大数据技术也是 推荐系统必备的技术。因此，推荐系统直接受益于国家在教育层面对大数据与 人工智能的支持，未来有充足的人才来源。上面提到的只是国家在教育层面的 布局，其实国家将大数据与人工智能提到了战略的高度，希望通过大数据与人 工智能来革新各个产业。政策层面的大力支持，媒体的大势宣导，今日头条的 样板示范作用，让个性化推荐相关产品和业务得到更多投资人、公司管理层的 重视，这也有利于推荐系统在更多产品和业务中落地。

2. 科技层面 云计算技术是最近几年非常火的技术，云计算行业已经发展得越来越成

熟，大公司早已布局，并已成为盈利源泉，是业务的第三增长极，国外的有亚 马逊的 AWS、微软的 Azure，国内有阿里云和腾讯云。经过近十年的发展，云计 算基础设施已经相对健全，未来会在 SAAS服务和 toB 行业应用中大力发展，这 其中就包括推荐 SAAS服务。创业公司只需要利用云平台提供的各种 SAAS服务 就可以轻松搭建推荐系统各个模块，大大降低了推荐系统的准入门槛。除了云 计算公司提供这类服务， toB 的创业公司也在这方面有所布局，也提供 PAAS或 者 SAAS的推荐服务。

构建一套完善、稳定、高效、低成本、灵活的推荐系统是一件非常困难的 事情，涉及到数据、算法、工程、产品交互、业务指标等方方面面，只有对这 些知识点有深入全面的了解，再结合公司的业务才能构建出具备商业价值的推 荐系统。在这一背景下，创业公司一般可以选择利用云服务来构建推荐业务， 这种方式投入低，无固定成本，是非常好的选择。只有中、大规模公司或者将 推荐作为核心竞争力的公司才会自建一套推荐算法业务体系。

2020年突如其来的新冠病毒疫情，给每个人的生活带来了极大的影响，限 制了每个人的线下活动，用户将更多时间用在了线上。有很多研究认为这些变 化是持久的，不会随着疫情的消失而消失。这也间接提升了推荐系统等互联网 服务面对的用户规模，为推荐系统的发展创造了新的机遇与挑战。上面这些变 化，对推荐行业产生了深远的影响，对推荐系统各方面都会带来极大的改变。 最直接受到影响的是推荐系统就业的变化，这就是我们下一节主要讲述的内 容。

二、推荐系统的就业 我们在《推荐算法工程师的成长之道》这篇文章中讲到推荐系统是一个非 常好的职业选择，主要表现在就业范围广 （ 推荐、搜索、广告技术一脉相承，技 术体系极为类似 ） 、薪资高、有业务价值 （ 读者可以参考这篇文章第一节“为什 么说推荐算法是好的职业选择” ） 。本节我们就来讲解在大环境和科技层面不断 发展变化的情况下推荐系统就业的变化。我们在第一节讲到各类高校开设大数 据与人工智能课程、成立相关院系，未来推荐相关的人才供给会更加充裕。大 数据和人工智能是当下的热点，而推荐系统是人工智能中非常重要并且有极大 应用前景和商业价值的方向，人的从众本性会导致对热点盲目追随崇拜，趋之 若鹜，因此一定会有很多从其他方向转岗到推荐算法领域的人才。虽然将来会 有更多的企业提供推荐产品和服务，但我个人判断推荐方向的人才肯定会供过 于求，相关职位竞争压力极大。构建一套完善的推荐系统是一个非常复杂的系 统工程，因此才有这么多云计算公式和 toB 创业公司将推荐系统打造为高效易 用的 SAAS或者 PAAS服务了，在不久的将来，很多公司不会自己去从零开始搭 建推荐算法团队了，而是直接购买云平台或者 toB 公司的推荐服务。因此，推 荐方向的工作形式和工作重点可能会有如下几类变化。

1. 推荐算法商业策略师是新的职业方向 随着推荐系统相关的云产品越来越成熟，创业公司会更倾向于直接购买推 荐云服务，快速搭建自己的推荐算法产品，而不是从零开始自己摸索。利用云 产品的好处是轻量、快速，让公司将更多的精力放到核心业务上，轻装上阵， 快速发展业务。关于这一块的介绍，读者可以参考《从零开始构建企业级推荐 系统》这篇文章第二节 3 中的介绍。为了更好地将云推荐产品落地到企业中， 对需要的人才技能及要求会有变化，这时不需要特别懂具体的算法实施和工 程，更多的是希望了解各类算法的优缺点和应用场景，能将推荐算法跟本公司 的业务结合起来，让推荐算法更贴合本公司的业务情况，最终让推荐算法产生 业务价值。

这类人员需要了解推荐系统全流程，知道构建推荐系统可能遇到的困难， 有全局把控能力，善于沟通，有对商业的敏锐嗅觉。这样的人才我称为推荐算 法商业策略师，他们的主要工作是怎么基于推荐云服务将推荐落地到本公司的 业务中。

2. 在特定领域和场景下出现新的推荐形态 随着科技的发展，特别是智能硬件、 5G通信技术、语音等新交互方式的发 展，推荐系统的应用场景及交互方式会拓展到更多场景和领域。在新的业务场 景及新交互方式下，怎么构建推荐业务及推荐算法是非常值得思考的一个问 题，也是未来新的机会。读者可以参见下一节关于推荐场景及交互方式变化的

介绍。由于是新的行业和场景，短期云计算公司提供的推荐服务还很难覆盖到 这些行业和场景，因此，在这些新兴的行业和场景中，是需要企业自己来实现 相关的推荐服务的

（当然云计算公司的产品可以提供一定的补充作用 ） ，这对于 推荐算法从业人员来说也是新的机遇。

随着新领域的逐步成熟，云计算与 toB 服务公司也会涌入新赛道。提供推 荐

SAAS或者 PAAS服务的云计算公司或者 toB 创业公司也需要大量精通推荐算 法和工程的专业人才，在这些新领域提供推荐解决方案。

3. 推荐从业者需要更加关注业务价值产出

推荐系统本身就是一个比较偏业务和工程的方向，企业构建推荐系统的目 的就是希望借助推荐系统来获得更多的商业价值 （ 读者可以参考《推荐系统的商 业价值》这篇文章对推荐系统的商业价值有更多了解 ） 。在当前互联网红利见顶 的情况下，原来那种通过融资烧钱发展用户的粗放经营模式不再有市场。在当 前竞争日益激烈的商业环境下，企业从创立第一天就应该考虑商业变现的事 情，需要在创业早期阶段就尝试商业化，学习这方面的技能，积累相关经验， 这样才更有可能生存下来。

推荐系统作为一个非常有价值的变现工具，需要肩负起商业变现的责任， 因此推荐从业人员需要更加关注推荐系统的业务价值产出，并尽量量化推荐系 统的价值，建立价值产出的闭环体系。只有让老板看到推荐的价值，推荐业务 才有更好的发展空间。

4. 推荐系统相关技术培训市场更加火爆

前面提到很多新兴 toC 互联网行业都将推荐系统作为核心功能，加上云计 算和 toB

创业公司对推荐工程师的大量需求，市面上对推荐算法人才的需求是 比较旺盛的。推荐算法工程师的工资水涨船高，吸引很多其他方向的工程师转 行从事推荐算法相关工作，他们没有推荐相关技能储备及项目经验，因此需要 进行学习和培训。另外虽然很多高校开设了人工智能方面的专业，但是大学所 学课程跟企业对技能的要求还是有比较大的差距的，严重脱节，这些学生要想 在激烈的竞争环境中找到推荐相关工作，也需要找推荐相关实习或者参加相关 职业技能培训。这两个情况促使市面上出现很多从事推荐系统相关技能培训的

副业及相关技术培训创业公司。这些公司进行在线或者线下技能培训，这也间 接提供了录制推荐课程或者培训推荐技能的工作机会。

三、推荐系统的应用场景及交互方式的多元化

目前的推荐系统主要应用于 PC端和移动端，特别是在移动端，占推荐系统 产品的绝大多数。未来随着智能化的发展，智能设备会出现在更多的场景中， 这些场景中的应用当然也可能需要借助推荐技术来进行信息的分发。同时这些 场景不同于移动端，在交互方式上会有变化，可以借助语音、手势等更多新的 交互方式来与用户互动。下面我们就对

3 个可行的推荐系统应用场景进行说 明。

1. 家庭场景

国内最早在 2015年 5 月份乐视智能电视发布，随后小米、微鲸、暴风、华 为、传统 5 大电视厂商 （长虹、创维、 TCL、海信、康佳 ）纷纷入局智能电视行 业，国外电视厂商也强势杀入智能电视市场。各类智能盒子 （ 小米盒子、天猫魔 盒等） 种类繁多，五花八门，家庭互联网进入智能时代。目前智能电视上唯一的 杀手级应用就是看视频。在智能电视上的操作主要是以遥控器为主 （ 虽然很多智 能电视具备语音交互能力，但是目前还存在居多问题，导致交互能力有限 ） ，操 作相对手机来说更为不便，因此个性化推荐的作用就凸显出来，智能电视上是 更适合做智能推荐的。

作者所在公司开发的家庭智能软件产品电视猫，作为聚焦家庭智能终端 （ 电 视机、智能盒子 ）上的视频应用，从 2012 年就开始构建个性化推荐系统，目前 已有超过

15 种智能推荐产品形态。推荐系统在提升用户体验、创造商业价值等 方面产生了巨大的价值。爱奇艺、腾讯视频、优酷等互联网视频巨头都已经布 局智能电视端，并且它们都提供了各种各样的智能推荐能力。

在智能电视或者智能盒子上构建推荐系统，由于交互方式及展示方式的特 点，以及面对的是非移动多人场景，跟移动端有很大的差别，且更有难度，这 里面是有很多点是值得探索和挖掘的，比如怎么更好地跟用户交互、怎么识别 多人场景并提供精准推荐能力。

家庭场景中另外一个不得不说的智能硬件是智能音箱。前几年亚马逊的 Echo 在美国大热，引爆了智能音箱市场，国内快速跟进， BAT、小米、科大讯 飞等一众企业纷纷布局，上演了智能音箱大战。国内目前每年有千万级的销售 量，逐步成为家庭中仅次于智能电视的现象级硬件产品。智能音箱以语音交互 为主（ 带屏智能音箱也可以采用触控的