本週AI：下一代推薦體驗

本週的AI節目中，前微軟首席研究員、RecoMind創始人Miguel Fierro與資料和AI佈道者Christina Stathopoulos深入探討了推薦系統的現狀。Christina還總結了她關注的AI新聞，包括Anthropic的持續崛起、負責任AI的發展、Google I/O 2026大會的公告，以及（延續上週話題）以“token最大化”作為生產力指標所引發的反彈。以下是對話的三個核心要點。

推薦系統的重要性遠超多數公司的認知

Miguel在微軟為企業客戶構建推薦系統已有近十年經驗，他認為大多數公司因未足夠重視推薦而錯失良機。亞馬遜約35%的收入來自推薦，Netflix的75%內容消費歸功於推薦，百思買24%的收入來自推薦，而TikTok的整個使用者體驗就是一套推薦引擎。然而，他在微軟合作過的許多大型零售商並未在這方面認真投入，通常是因為他們未追蹤推薦所創造的價值。

頂尖企業與其餘企業之間的差距正在擴大。目前最先進的系統將使用者行為視為序列預測問題，類似於大型語言模型預測下一個token。它們不僅編碼點選行為，還將所有使用者行為編碼為嵌入向量，透過序列模型處理，並利用高達1.5萬億引數的龐大模型來預測使用者下一步可能想要什麼。中等規模的零售商目前無法複製這種做法，但這指明瞭該領域的發展方向。

即使您不在資源頂尖的公司工作，也應關注搜尋與推薦融合為統一個性化檢索層的趨勢，以及基礎模型在推薦問題上的早期應用。Netflix已構建了該領域唯一公開的基礎模型；Meta據傳也在開發類似模型。資料是主要障礙，尤其對於小型組織。與文本不同，行為互動資料並非公開可得，因此要達到這種規模需要專有資料集和大規模計算能力。

如果您想獲取最先進的實現（包括基於知識圖譜的方法），而不必從零開始，Miguel建議使用開源Recommenders庫。該庫最初由微軟開發，現由Linux基金會託管，是實用的入門工具。

代理熱潮中缺失的推薦元件

Miguel區分了真正的銷售代理與大多數公司目前所提供的工具，後者通常只是對話代理。對話代理能響應您的言語，而真正的代理系統能理解客戶、預測其需求，並在正確時機呈現合適產品或優惠——這需要內建推薦系統。

如果您的“代理”只是一個能訪問知識庫的聊天機器人，它並沒有進行推薦。推薦系統需要訓練資料、檢索層和個性化模型，這些並非透過基礎模型API就能免費獲得。語言模型可以回答產品目錄相關問題，但只有在具備客戶偏好、歷史記錄和下一步可能行為模型時，才能提供個性化推薦。大多數公司目前尚未建立這樣的基礎設施。

負責任AI的討論已脫離研究圈

當前負責任AI對話的一個顯著特點是提出觀點的機構種類多樣。Anthropic在宣佈融資輪（估值逼近1萬億美元）的同時，敦促全球暫停AI開發，以應對遞迴自我改進的風險——即系統能夠設計和開發自己的後繼者。未來生命研究所釋出了《AI的更好路徑》框架，主張能力開發應服務於人類福祉而非取代人類。教皇則釋出了一封正式通諭，聚焦AI與共同福祉。

這些機構並未提出完全相同的論點，但它們關注點的融合意義重大。負責任AI過去主要在研究實驗室和少數政策組織間討論，而如今，主要AI公司、宗教機構和公民社會組織都在同一新聞週期中公開表明立場。

對技術社群而言，這既帶來壓力也創造了機遇。“我們在考慮安全性”已不再足夠；來自不共享該領域假設或詞彙的方面的外部審查正在加強。但更廣泛的討論也為實踐者創造了真實需求：他們能將負責任AI在實際中的要求與政策制定者、高管和機構試圖理解的內容翻譯溝通。這種翻譯工作正是該領域越來越需要的人才。

下期預告

週一早上我們將播出《本週AI》下一集，YK Sugi和John Lindquist將深入探討重塑科技行業的巨大結構和財務變革（他們也將討論近期釋出的Claude Fable 5）。7月23日，Christina將主持AI超級專場“AI工具”，一場聚焦智慧體AI及從業者從模型走向代理所需框架的四小時活動。兩者均可免費參加，請立即註冊預留席位。

關於本週話題的深入閱讀，Christina推薦了O'Reilly學習平臺上的三本書：《Hands-On LLM Serving and Optimization》、《Hands-On RAG for Production》和《Large Language Models: The Hard Parts》。非會員可註冊免費10天試用。

我們將每週五在Radar釋出要點總結，並在YouTube、Spotify、Apple及您獲取播客的其他平臺分享完整劇集。