推荐系统也开始换代了。 快手在推荐系统这块的技术确实做得扎实。 周六下午我去现场听了一下午他们的分享，几个议题里，最让我感兴趣的还是推荐相关的技术。 前两天我写过一篇文章。起因是在朋友圈看到有人转了快手 OneReason 的文章，我就点进去看了一下，发现快手已经在逐步把推理的能力引入推荐系统。 熟悉大模型发展的话会知道，这几年大模型经历了三个关键节点：Scaling、Reasoning、Agent。 而推荐系统，现在居然也开始走到推理这一步了。 文章发出来之后，我发现自己和评论区很多人有一样的困惑，集中在三个问题上： 第一，为什么一定要上推理？ 第二，推荐系统的推理具体怎么做？ 第三，推理的成本不低，这事在线上能划得来吗？ 我其实也是带着这三个问题去的现场。听完分享，今天把我的想法梳理一下。不一定对。 我十多年前在工作中做过推荐系统，这些年断断续续也在跟进这个领域的进展。 特别是大模型这一波浪潮来了之后，跟不少朋友聊过 LLM 和推荐系统结合的可能性，都觉得这事很有意思。 如果推荐系统也逐步过渡到 LLM 的技术栈上，互联网的基础设施这一层，还会有比较大的变化。 1 先说第一个问题：为什么一定要和大模型结合，为什么要做推理？有人觉得是不是在追技术的时髦。推荐系统好好的，为什么非得跟大模型挂钩？ 我自己是这么理解的。 传统推荐系统正在接近既有架构的天花板，而 LLM 为推荐系统提供了一条新的演进路径。 推荐本身也是 AI，是 AI 最早的应用场景之一。如果推荐系统无法融合最新的 LLM 技术栈，从技术发展的角度来说，推荐系统就会断代。 那为什么还要做推理？去年快手做了 OneRec，已经证明了 Scaling Law 在推荐系统中的有效性。 既然可以端到端生成，已经跟上了技术栈，为什么还需要推理？ 我想起刚毕业的时候做推荐系统，当时 Leader 讲过，推荐系统的核心，抽象来讲，就是在做两件事： 一类是基于用户的协同过滤，推荐系统根据用户的自然属性（年龄、性别、学历等信息）和浏览兴趣来计算用户相似度，进而给相似用户推荐内容。 第二类是基于内容的协同过滤。推荐系统提取内容的特征，然后计算不同内容之间的相似性之后，给用户推荐与过去喜欢内容相似的内容。 说白了，无论哪一种，其实都是基于相关性的匹配。推荐系统能够捕捉用户行为模式，但它并不会显式地推理用户为什么会产生这些行为。 这种逻辑的局限很明显。 举个例子。一个用户最近看了杜甫的诗词、李白的生平，还刷了几条安史之乱的纪录片。 系统会把这些行为编码成向量，然后去内容池里找向量距离最近的内容推过来。 它并不知道什么叫唐代文化，只知道看过这几条内容的人，大概率也会看另外那几条。 结果就是，更多唐诗、更多唐朝纪录片，推来推去都是同一类内容。 经常刷着刷着就会发现，怎么推的全是差不多的内容。这就是纯粹基于相关性匹配的局限。 但如果系统能往前想一步呢？这个人看杜甫、看安史之乱，背后的兴趣也许不只是唐代文化，而是乱世里个体的命运。 想到这一层，推荐的范围就打开了，不会只困在唐诗和唐朝纪录片的圈子里，能给用户带来更好的内容体验。 这就是溯因的价值。它把推荐系统从记住用户过去喜欢什么，推进到理解用户为什么喜欢。 只有理解了为什么，系统才可能预测出用户还没有表现出来、但可能存在的兴趣。 这是我觉得推荐系统引入推理最重要的一点。 2 理解了为什么要做推理之后，第二个问题就来了。推荐系统里的推理，到底怎么做？ 说实话，这也是我去之前最好奇的地方。 我一开始的想法挺简单。既然大模型已经把推理这条路走通了，那推荐系统是不是直接把这套能力搬过来就行？ 后来听完分享，发现完全不是这么回事。因为推荐系统面对的问题，和大模型平时解决的问题不一样。 比如问大模型：李白和杜甫的诗歌风格有什么区别？模型会调用历史知识、文学知识、时代背景，组织出一个解释。这当然也是推理，但它推理的对象是世界知识。 而推荐系统推理的对象是用户。它需要回答的问题是，这个兴趣为什么会产生？未来哪些兴趣会增强，哪些会减弱？用户下一阶段可能会对什么产生兴趣？ 所以快手在现场一直在讨论一个核心问题：推荐系统里的 CoT，到底应该长什么样？ 他们给出的答案挺有意思。把整个推理过程拆成了四步： 第一步，总结用户的历史兴趣。 第二步，推测兴趣背后的原因。 第三步，推测影响未来兴趣变化的因素。 第四步，推荐相关内容。 还是用杜甫那个例子来感受一下这个过程。 系统看到用户最近看了杜甫、安史之乱、李白，先做归纳，这个人对唐代文人和那个时期的历史有持续关注。 然后开始溯因：为什么关注？用户是主动搜索、反复观看、停留时间很长，背后可能的原因是对乱世中个体命运这个主题有深层兴趣。 基于这个理解再往前推演，如果关注的是乱世中的个体命运，那兴趣不会局限在唐代，宋代的苏轼、南宋的陆游，甚至近现代的故事，都可能命中同一个深层兴趣。到这一步，系统才去推荐内容。 整个过程是一条完整的思考链：归纳兴趣，溯因理解，演绎发散，最后推荐。 对比一下传统推荐系统做的事。它同样会从用户行为里提取兴趣特征，也会建立用户画像。 但这些过程更多是隐式完成的。系统知道用户喜欢什么，却很难解释用户为什么喜欢，也很少进一步推演兴趣未来会如何变化。 这也就解释了为什么传统推荐总是千篇一律。它没有理解，只有匹配。 匹配只能找到相似的东西，理解才能找到相关但不相似的内容。 3 第三个问题：推理的成本这么高，线上能划得来吗？ 大模型的推理很贵，而线上推荐要求实时更新。如果每次推荐都让大模型完整思考一遍，成本和延迟肯定都没办法接受。 他们现在的解法叫 Fast-Slow Thinking。名字听起来有点像人脑的快慢系统，实际上思路也确实差不多。 Slow Thinking 负责深度思考。它会周期性地分析用户过去一段时间的行为，把用户兴趣、兴趣背后的原因、未来兴趣可能的变化方向提前算出来，存下来。 这个过程可以慢，不要求毫秒级返回，甚至一天更新一次都可以。相当于提前把用户研究了一遍。 Fast Thinking 负责实时响应。用户打开 App 的时候，在线推荐系统不会重新走一遍完整的推理流程，只读取提前算出来的结果，再结合最新的行为快速完成推荐。 这样一来，真正昂贵的推理过程被放到了离线阶段，线上看到的仍然是一个高速推荐系统。 我觉得这个思路挺有代表性的。很多人聊 Agent、聊推理的时候，容易有一种错觉，好像未来所有事情都要实时推理。 但工业系统通常不这么做。工业系统更习惯把复杂计算提前做完，把实时链路尽可能做轻。 OneReason 的 Fast-Slow Thinking 本质上也是这个思路。慢链路负责理解用户，快链路负责服务用户。 现场公布的数据里，他们已经把这套方案用在了本地生活广告场景，收入提升超过 8%。 这一点其实挺让我意外的。原来以为 OneReason 更偏研究性质，没想到已经开始在真实业务里创造价值了。 不过这套方案也不是终点。 为了控制成本，OneReason 目前更多承担的是 Slow Thinking 的角色。 它会基于用户历史行为，离线生成对用户兴趣的理解，再把这些结果交给在线推荐系统使用。 这种方式解决了推理成本的问题，但实时性仍然会受到影响。 举个简单的例子。如果系统昨天分析认为我最近在关注杜甫和唐朝历史，但今天的兴趣突然转向了游戏，那么离线生成的用户画像就有可能滞后一段时间。 所以从工程角度看，这其实是在成本和实时性之间做平衡。 但可以确定，随着未来推理成本继续下降，推荐系统里的推理能力可能会越来越靠近实时链路。 到那个时候，推理或许会像今天的排序模型一样，逐渐成为推荐系统的基础能力。 不过至少从目前来看，快手给出的答案还是比较务实的。先让大模型负责它最擅长的部分，理解用户，然后把理解的结果交给传统推荐系统去执行。 这可能也是生成式推荐的推理能力从论文走向工业落地的一条现实路径。毕竟，这事也才刚刚开始。 更有意思的是，活动现场快手这次还发起了一个 LLM-Rec 挑战赛，官方直接开放了 OneReason-0.8B-pretrain、SFT 数据以及脱敏后的 50 万条用户行为数据。 这个活动面向的是全日制在校学生，所以我看到之后第一时间就转给了家里还在上学的亲戚。 还有在现场的时候，我原本以为来参加活动的大部分都是已经参加工作的工程师。 结果到了提问环节才发现，现场有很多北京高校的研究生和博士。 而且说实话，提问质量非常高。所以我觉得这样大赛确实很有意义，因为学生可以花大量时间去研究最新技术，可以去尝试各种天马行空的想法。 毕竟像推荐系统和 LLM 的结合，本身就是一个非常新的方向，行业里其实也没有标准答案。很多问题都还在探索阶段。 而且奖金也不低，前 20 名还能直接进入快手算法的中面。具体大家去看链接。反正看了我都很心动。 写到这里，这篇文章也就结束了。那天参加完沙龙，在回家的路上，我直接把整篇文章的语音底稿录完了。 今天下午又抽了一个多小时，把它逐段润色、修改、成稿，基本算是一气呵成。 写着写着，突然想起十多年前我刚毕业，作为一个新手工程师，和团队一起构建推荐系统时的场景。 顺手翻了一下朋友圈，看了一下当时 Leader 的状态，他已经转行做其他的事情去了。 好多事就飘散在了回忆里。 有点感慨。因为我关于推荐系统最早的那些知识，几乎都是他教给我的。 十多年前，我们讨论的是召回、排序、特征工程和 CTR。今天大家讨论的是 Scaling Law、Reasoning，以及 Agent。 很明显，推荐系统又走到了一个新的时间节点。一代又一代啊。

台達電（2308 TT）大和 買進，目標價由2,988元上調至3,088元，相對9月29日收盤1,835元上檔約68%。目標本益比由55倍降至49倍，套用於一年遠期EPS，仍處過去三年11至50倍區間上緣。 近四個月股價偏弱，主因市場擔心HVDC延遲，以及Nvidia GPU出貨年增放緩。 報告認為弱勢多屬一次性：第二季受台達泰國供應商制裁拖累，第三季則受功率半導體短缺限制，供需缺口短期難解，但終端需求仍健康，預期第三季營業利益率達紀錄高點18.3%。 長期看好兩條主線。 一是AI ASIC伺服器：先前擔心ASIC熱設計功耗低於GPU會傷及台達，現改看好DC-DC模組含量與ASP。超大規模雲端業者願為較高效能的模組付費，2026年DC-DC營收預估約600億元，遠高於2025年的90億元及原先約200億元。 二是HVDC：因超級電容短缺、電源需容納鋁電容而體積變大，機櫃空間受限，客戶更可能改採高壓電源機櫃。2028年採用率假設由30%上修至至少50%。 因此2026至2028年EPS上修2%至15%，分別約40.4、63.6、114.0元；2028年獲利高出彭博共識約21%。營收預估由2025年5,549億元增至2026年7,724億、2027年1.13兆、2028年1.83兆，AI相關比重由31%升至73%。 主要下檔風險是需求不如預期。

数月以来的一次重大机会（我们的模型检测到）： 中证A500和500都进入了可参与区间。 详情请关注我们订阅平台今天的周报和纪要：这是数月以来的第一次调入，A股操盘和美股很不相同，近年以来出现了80%个股跑不赢500和1000指数的情况，本次我们平台大类轮动和行业轮动A股，第一次出现了这两个指数的看多。 非常值得重视，上一次看多A股的指数基金是4月5日的科创指数，后来该指数一个半月上涨40%，进入主升。 详情请订阅（我们认为是非常重要的机会和转折点）：

纳斯达克100投资终极抉择：做波段和永不止盈，到底谁更赚钱？ 在定投纳斯达克100的过程中，绝大多数投资者都会陷入同一个两难选择：到底是坚持长期持有、永不止盈，还是逢高落袋、反复做波段？ 两种玩法各有拥护者：有人信奉长牛趋势，拿住不动躺赚复利；有人喜欢高抛低吸，想靠波段放大收益。今天通过真实市场逻辑和实战复盘，深度对比两种模式的优劣、风险与真实收益，帮普通人彻底理清思路，选对适合自己的纳指投资方式。 一、先理清两种投资模式的核心逻辑 想要分出高下，首先要读懂两种策略的底层逻辑，明白各自的赚钱原理和适用场景。 所谓永不止盈长期持有，就是买入纳指100后，不做择时、不中途止盈，无视短期涨跌，一路拿到底。依托纳指几十年长牛行情，靠科技企业业绩增长、股价创新高、分红复利三重力量慢慢增值，核心赚的是时代趋势和时间的钱。 而做波段高抛低吸，则是利用市场上下震荡的特性，在指数涨到相对高位时减仓止盈，跌到低位再重新接回。通过来回操作不断摊薄成本、积累差价收益，试图在震荡行情中多赚额外利润，核心赚的是市场波动和情绪的钱。 从表面看，波段操作似乎更灵活，能锁住利润、规避回调；长期持有显得死板，看着盈利回撤也不操作。但放到真实的美股市场里，实际结果和很多人的想象完全不一样。 二、波段操作看似聪明，实则普通人很难赚到钱 很多新手偏爱做波段，总觉得自己能精准判断高低点，每次都卖在高点、买在低点。可现实投资中，绝大多数人做波段不仅赚不到额外收益，反而容易得不偿失。 首先，普通人很难精准预判顶部和底部。纳指100受美联储政策、国际局势、科技板块情绪影响极大，波动节奏极难把握。很多时候以为涨到高点卖出，结果指数继续大涨，直接踏空后半段主升行情；以为跌到低位抄底，买入后继续深跌，反而被套在半山腰。 其次，频繁操作会损耗大量成本。每次申赎都有手续费、汇率差价、基金折溢价损耗，来回波段次数一多，交易成本会悄悄吃掉不少收益。本来想靠波动多赚钱，最后反而给平台和手续费打工。 更关键的是人性很难战胜。做波段需要极强的自律和理性：高位要舍得卖，低位敢大胆买。但多数人刚好相反，涨了贪心不舍得卖，跌了恐慌不敢加仓，最终变成追涨杀跌，越做波段亏得越多。 身边很多投资者都有过这样的经历：定投纳指本来稳稳盈利，忍不住做波段之后，卖飞大行情、抄底抄在半山腰，来回折腾几年，收益还不如一直躺着不动的人。 三、永不止盈长期持有，看似笨拙实则胜率最高 相比于波段操作的复杂和高难度，永不止盈一路持有，看似手法简单笨拙，却是普通人投资纳指100胜率最高、最省心的方式。 纳指100几十年走出长牛行情，背后是全球顶尖科技巨头的持续成长。苹果、微软、英伟达、亚马逊等企业，不断迭代技术、扩大营收、稳定分红，长期支撑指数不断创新高。只要时代科技进步不停，纳指长牛的底层逻辑就不会改变。 长期持有最大的优势，就是避开择时失误、避开人性弱点、避开交易损耗。不用每天盯盘焦虑行情涨跌，不用猜测什么时候是顶、什么时候是底，只需要坚持定投、捂住不动，静静享受时间复利和行业成长红利。 回顾过去几轮牛熊，2008年金融危机、2020年疫情暴跌、2022年加息大跌，每一次纳指都出现深度回调。当时恐慌离场、做波段割肉的人，大多错过了后续翻倍行情；而坚持一路持有不动的投资者，全都稳稳收复失地，创出新高收益。 这种策略不需要高深的分析能力，也不需要盯盘看行情，只需要耐心和纪律，非常适合上班族、理财新手等没有专业时间研究市场的普通人。 四、两种策略深度对比，收益和风险一目了然 从长期收益、操作难度、时间成本、心态压力、容错率五个维度对比，差距非常明显。 收益层面：长期持有能吃满完整长牛行情和复利分红，长期年化稳定可观；做波段做对了能小幅增厚收益，但绝大多数人踏空、做错节奏，最终收益反而低于躺平持有。 操作难度：长期持有几乎零难度，开启自动定投即可；波段操作需要懂估值、懂政策、懂盘面判断，专业门槛极高。 时间与心态：长期持有省心省力，不用天天看盘，心态平稳；波段操作需要时刻盯盘，时刻纠结买卖点位，情绪跟着行情起伏，压力极大。 容错率：长期持有容错率极高，中途买贵一点也不影响最终收益；波段容错率极低，一次判断失误，就可能永久踏空行情。 对于专业机构和资深交易者，具备极强研判能力和纪律性，适度做波段可以优化收益；但对于普通散户，盲目跟风做波段，基本都是得不偿失。 五、普通人最优选择：以长期持有为主，小比例轻度优化 看懂两种模式的利弊后，普通人不用纠结二选一，可以采用更适合自己的折中方案。 核心主仓坚持永不止盈、长期持有，作为底仓牢牢拿住，吃满纳指长牛和复利红利，不轻易动大仓位。 可以拿出小部分闲置资金，做轻度估值定投：在纳指估值明显处于历史低位时，适当加大定投金额；估值明显高估时，小幅减少定投或暂停定投。只做仓位微调，不做清仓式止盈离场。

周末了，聊点轻松的。 作为一个研究各种节日的爱好者，全世界都纪念 5.1，为什么这个地图里，偏偏【英美澳加】不放 5.1 假期呢？ 事实上，五一劳动节的起源就来自老美。 它是为了纪念 1886 年芝加哥工人大罢工，争取 8 小时工作制。 明面上各国都有理由： 老美：改成 9 月初，纪念另一次工人运动； 加拿大：和美国一样； 带英：和5 月初另外一个银行假期撞了，所以干脆放本国的银行假； 澳洲：各州不一样，更强调纪念澳洲本土的 8 小时运动。 沙特：比较特殊，他们强调只放穆斯林假。 但是英美澳加放一起，就令人玩味了。工人运动，你细品。所以这个 5.1 假还真的和意识形态有些关系。 尽管大家都没明说，五眼联盟（中的四眼）保持了奇妙的默契。 英文有个单词，叫做 tacit，就很好地描述了这种心态。 不过也有好处，考虑到老美也特别喜欢旅游，人口又多，老美和世界 5.1 错峰放假，也能让出国旅行的家人们，能够减少点人流拥挤🙃

⚡️ TA们都在MSX交易美股@MSX_CN @msxcom ，你还在等什么？ 交易这件事，说到底是和自己较劲。各位老师让我看到了什么是真正的实战派—— @UnicornBitcoin @lijiuer1 @Paris13Jeanne @wangbuai @BTC_Alert_ @GongYouchai 看老师们的复盘，像看一本不断更新的实战笔记：哪一步判断对了，哪一步踩了坑，下一次怎么优化全都摊开来讲。没有神化的剧本，只有真实的成长轨迹。 交易最难的不是技术，是心态和纪律。每一次坦诚的总结，都在帮屏幕前的朋友少交点学费。 不是每个人一开始就懂美股，但每个人都可以跟着这群实战派，少走弯路。 📌 新手学习页已上线，免费、好理解： #链上美股用麦通# #MSX美股知识大学习#

问：老师，你们现在是怎么个决策流程？ 答：你说以前？假如我是投资专员，跟投资人汇报我看好黄金，同时中信证券也明确看好黄金，想买入黄金股比黄金波动更大，投资人可能会同意我买进，但是如果黄金股票跌了，他不会说中信证券很烂，会说我投资能力不行，所以三中一华资料是我们决策的可以看看的工具，那时靠买研报，但主观判断还是我们自己，现在么，主要用自己的华尔街观察大模型量化信号，然后是影响力机构研报、信息多因子互证，从前，我们做事儿，如果是管别人资金向上提交审批如果没有这些大公司的研报领导还是不会批准的。现在我们自己批准自己。不是都有纪要作为集体决策留底么！ 订阅平台每周我们公布周报和纪要，就是这个意思。因此订阅者享受的待遇和我们交易员待遇一样。

周一晚安，兄弟们。 今天周一，市场整体呈现震荡整理态势： BTC 大盘在6.5万美元附近窄幅波动，短期情绪相对平稳，整体走势较为稳健。 美股开盘：三大指数小幅分化，道指、标普、纳指开盘变动有限，整体处于高位消化阶段，市场情绪偏谨慎，等待后续通胀等数据指引。 短期波动是市场的常态。无论BTC还是美股，底层需求并未改变。 坚持定投依然是最稳的选择——固定金额、固定时间投入，不追涨杀跌，用时间平滑成本，享受复利的力量。 兄弟们，保持理性，守住节奏。市场越震荡，越考验我们的耐心和纪律性。

兄弟们，今天周二，市场整体呈现震荡态势： BTC 大盘在当前区间内窄幅整理，短期情绪相对平稳。 美股方面：三大指数分化运行，科技与成长板块表现活跃，但整体成交谨慎，处于高位消化阶段。 短期波动是市场的常态。无论BTC还是美股，底层需求并未改变。 坚持定投依然是最稳的选择——固定金额、固定时间投入，不追涨杀跌，用时间平滑成本，享受复利的力量。 兄弟们，保持理性，守住节奏。市场越震荡，越考验我们的耐心和纪律性。

周一晚安，兄弟们——今日市场回顾：BTC稳中震荡，美股开盘分化 兄弟们，今天周一，市场整体呈现稳中向好态势： BTC 大盘走势相对稳健，在关键区间内震荡整理，短期情绪有所修复。 美股方面：三大指数开盘分化运行，科技与成长板块表现活跃，但整体成交谨慎，处于高位消化阶段。 短期波动是市场的常态。无论BTC还是美股，底层需求并未改变。 坚持定投依然是最稳的选择——固定金额、固定时间投入，不追涨杀跌，用时间平滑成本，享受复利的力量。 兄弟们，保持理性，守住节奏。市场越震荡，越考验我们的耐心和纪律性。