打开 Netflix，首页并不是一个模型包办的：多个专用模型分别决定内容如何打分、排序和组合。问题是，每个模型都要单独维护，也容易重复学习同一件事——你喜欢什么。Netflix 因此训练了一套个性化基础模型：从大规模用户互动历史和内容数据中统一学习偏好，再把学到的结果交给不同应用。
真正值得看的是接入方式。Netflix 没有让大模型直接替换成熟的推荐系统，而是按延迟要求、技术栈限制和团队需求，采用三条路径：输出 embeddings（把用户和内容压缩成可计算的向量）供现有模型使用；抽取模型的部分计算子图接入应用；或通过 fine-tuning（在特定任务数据上继续训练）深度适配。三种方案均已用于不同生产场景。Netflix 未在这篇材料中披露统一的效果数字，但这次分享补上了一个更现实的环节：大模型如何进入已经运行多年的推荐系统，而不是只停留在训练与推理演示中。