推荐系统如何兼顾速度与精度：拆解抖音短视频推荐底层设计

数智星河

本文基于抖音精选公开课《算法专家的抖音推荐说明书》公开内容整理优化，解析短视频推荐系统最核心矛盾：高精度模型计算量大、响应慢；追求速度又容易损失推荐准确性，看看抖音如何在毫秒级响应约束下做到千人千面抖音。

一、推荐系统永恒矛盾：速度 vs 精度

当你手指轻轻上滑，抖音需要在百毫秒之内，从千万级视频池里选出几条最适合你的内容展示出来。
这里存在天然冲突：

• 高精度深度学习模型：可以深度理解用户兴趣、视频多模态内容，预测点赞、完播、转发概率，但参数量大、推理耗时高，如果拿大模型直接对全库视频打分，延迟会完全无法接受。
• 轻量简单模型：计算速度飞快，可以扛住每秒百万级请求，但对复杂兴趣刻画不足，推荐结果容易同质化、不准。
  

短视频产品对延迟非常敏感：一旦刷新等待超过几百毫秒，用户就会明显感知卡顿，直接影响体验。所以行业通用解法不是用一个模型搞定全部，而是设计漏斗式分层架构：层层筛选，前面层级保速度，后面层级保精度，把算力花在最少量候选集上。
完整链路分为四大阶段：召回 → 粗排 → 精排 → 重排。
二、第一层：召回 — 海量内容的快速海选

视频库规模达到千万甚至亿级别，不可能把每一条视频送入复杂模型计算。召回的目标：快速捞出一千条左右 “有可能你会喜欢” 的候选视频，优先保证覆盖面和速度，允许牺牲一部分精度抖音。
抖音采用多路召回策略并行捞取候选，再合并去重：

• 双塔向量召回（核心）双塔模型分为用户塔、内容塔：用户塔基于你的历史浏览、点赞、停留行为输出用户兴趣向量；视频塔离线解析视频画面、音频、标题、字幕，输出视频向量。线上只做向量相似度检索，借助向量数据库 ANN 近似检索，毫秒级完成匹配。视频向量可以离线预计算存储，大幅降低线上算力开销。
• 协同过滤召回：推荐和你行为相似用户爱看的内容。
• 作者 & 类目召回：关注博主新作、你常看品类的新视频。
• 热点、地域、探索召回：热门爆款、同城内容，同时加入一定探索流量，避免陷入信息茧房。
  

阶段输出：千万级视频池 → ~1000 条候选视频。

三、第二层：粗排 — 算力约束下快速过滤

召回输出上千条候选，依旧不能全部送入重型精排模型。粗排是速度的第一道关卡，耗时通常控制在 10‑20ms，快速筛掉 90% 明显不匹配的内容抖音。
粗排使用轻量化模型，输入用户短期兴趣、视频热度、发布时间、基础互动、场景特征（网络、时间）做快速打分。它不追求预测极度精准，核心任务：把大概率不感兴趣的内容压到队列后方，把候选规模进一步压缩。

阶段输出：1000 条 → 几百条候选。

四、第三层：精排 — 用重型模型换取高精度

经过前面两层过滤，候选集已经缩小到可控范围，此时就可以把算力释放出来，上大模型做精细打分。
精排是整个推荐链路精度核心，使用复杂深度模型（MMoE 多任务学习等），同时预测多个业务目标：完播率、点赞、评论、分享、关注等。综合多目标输出一条视频的综合期望得分，完成排序稀土掘金。
这里依然要做工程优化：模型蒸馏、INT8 量化、算子融合、请求批处理，在模型变大的同时严格控制推理延迟，保证整体链路维持在百毫秒级别以内。

阶段输出：几百条 → 几十条高分候选。

五、第四层：重排 — 面向真实体验做规则调整

精排输出的分数只代表 “单条视频预估收益”，直接按分数输出会出现大量同质化内容，例如连续推送同一类视频，造成审美疲劳。
重排不再改动模型打分，而是做序列层面调整：

• 使用 MMR 最大边际相关性算法打散同质化内容；
• 处理重复内容、去重；
• 兼顾新视频扶持、多样性、合规过滤；
• 加入少量探索流量，帮助挖掘用户潜在兴趣，避免兴趣茧房稀土掘金。
  

阶段输出：几十条 → 最终展示给用户的 feed 列表。

六、除分层漏斗之外，还有哪些优化手段？

分层漏斗是架构基础，同时抖音还配套大量工程与模型技术，持续平衡速度与精度：

• 模型轻量化技术：模型蒸馏，用大模型训练小模型；参数剪枝、量化压缩，降低推理开销，做到 “小模型尽量逼近大模型效果”。
• 多级缓存策略：用户向量、视频 Embedding、热点数据做分层缓存，减少重复计算；区分新老视频缓存 TTL，兼顾实时性与性能。
• 离线与在线计算分离：大量特征、视频向量离线预计算，线上只做实时增量更新，减少线上计算压力。
• 服务降级与兜底策略：当某一路召回服务超时，自动降级切换到热门兜底流，保证用户不会刷不出内容，牺牲局部精度换取可用性。
  

七、总结

抖音推荐平衡速度与精度的核心思想可以概括一句话：不在全量数据上跑昂贵大模型，而是用轻量环节先做大规模过滤，把宝贵算力集中到少量高价值候选集上。
召回保广度、粗排保速度、精排保精度、重排保体验。分层漏斗架构 + 多路召回 + 模型轻量化 + 工程系统优化，共同实现：高并发场景下百毫秒响应，同时维持高质量个性化推荐结果。

思考延伸：这套分层思路并不只适用于短视频，电商、资讯、信息流推荐系统，几乎都能看到召回‑粗排‑精排‑重排的影子。