用算法驱动算力：抖音如何打造更高效的推荐大模型

数亿用户每日打开抖音、徜徉在丰富的内容中时，信息流背后的推荐算法也在持续进化。抖音的算法团队一直致力于让抖音推荐系统变得更“聪明”，也就是推得更准、也推得更好。在大模型时代，推荐模型想要“做大做强”常常依赖于更大规模的模型参数。支撑大规模参数运算的背后是计算量的激增，但盲目增加算力只会徒增成本。

尽管随着GPU计算密度的爆发式增长，一个计算能力突飞猛进的时代已然到来。但长期以来，推荐系统的架构设计受限于CPU时代的技术逻辑，即便引入GPU硬件，也因结构不匹配致使算力利用率极低