YouTube 业务变化、技术重点演化与 recsys 角色¶
调研日期：2026-03-28 作者：Cindy + Claude 过程文档：3 篇（见
_process/目录）
1. 调研目标与范围¶
问题： 如果把 YouTube 从 Google 里单独拿出来看，它过去几年主要业务发生了哪些变化？技术重点如何演化？推荐系统在里面扮演什么角色？
类型： 解答题
模式： 挖掘式调研
范围： 以 YouTube 官方博客、Google Research、Alphabet Investor Relations 为主；重点看 2010–2025 的公开业务拐点、creator economy、Shorts、TV/living room、subscriptions、podcasts，以及公开推荐系统演进材料。
2. 搜索清单与完成状态¶
| # | 搜索任务 | 过程文档 | 状态 | 信源级别 |
|---|---|---|---|---|
| 1 | 还原 YouTube 业务/产品面的长期变化 | 2026-03-28_11_youtube业务演进.md | ✅ | A |
| 2 | 还原 YouTube 的技术重点与 recsys 演进 | 2026-03-28_12_youtube技术与recsys演进.md | ✅ | A |
| 3 | 辅助判断 Google 中 recsys 的落点 | 2026-03-28_13_google各业务中的recsys角色.md | ✅ | A/B |
3. 核心发现与推理¶
发现 1：YouTube 已经不是“Google 旗下的视频广告平台”，而是一个多收入流、多格式、多设备的 creator distribution company¶
事实基础：
- Alphabet Q3 2025 仍单列 YouTube ads = $10.261B，说明广告是核心收入支柱之一 [A]
- 但 2024 年 CEO letter 同时强调：
- 3M+ YPP channels
- 过去三年向 creators、artists、media companies 支付 over $70B
- 8M+ YouTube TV subscribers
- 100M+ Music & Premium subscribers（含 trials）[A]
- 2025 年 CEO letter 继续把 creator businesses、memberships、shopping、TV、podcasts、AI 一起放进核心经营叙事 [A]
跨信源分析：
这些材料放在一起看，YouTube 的业务结构已经不能概括成“广告 + 一些增量业务”。
更准确的理解是：
- 广告 仍然重要
- creator economy 已经是业务本体
- subscriptions 正在变厚
- living room / TV 把它往新电视推进
- Shorts / podcasts / live 扩宽了内容格式和消费场景
结论： YouTube 现在更像一个由创作者供给驱动、通过多种分发与变现机制运转的综合娱乐平台，而不是单一的视频广告平台。置信度：高
发现 2：Shorts 是 YouTube 近几年最关键的业务与生态重构动作之一¶
事实基础：
- Shorts 自 2021 年上线以来，2024 年已达到日均 70B+ views [A]
- 25%+ 的 YPP channels 已通过 Shorts revenue stream earning [A]
- 通过 Shorts threshold 进入 YPP 的创作者中，80%+ 还会进一步在其他 YPP 收入流中赚钱 [A]
跨信源分析： 这表明 Shorts 的战略意义远不止“做个短视频产品防御 TikTok”。 它实际上在做三件事： 1. 扩大供给端，降低创作者进入门槛 2. 扩大消费端，补齐高频轻量观看场景 3. 把短内容创作者导入长视频、会员、购物、品牌合作等更高价值收入流
结论： Shorts 是 YouTube 重新组织 creator funnel 和内容供给结构的关键枢纽。推荐系统在这里不是附属，而是让这个漏斗成立的前提。置信度：高
发现 3：YouTube 的另一条大业务主线，是从“在线视频平台”走向“新电视”¶
事实基础：
- 2024 年官方说全球每天在 TV 上看 YouTube 超过 1B hours [A]
- 2025 年进一步说，TV is now the primary device for YouTube viewing in the U.S.，并且按 Nielsen 已连续两年在美国 streaming watch time 排第一 [A]
- 官方明确强调大屏不只看长视频，也看 Shorts、podcasts、live streams [A]
跨信源分析： 这说明 YouTube 正在改变自己的竞争边界： - 不再只是和 TikTok 比短视频 - 也不只是和 Instagram / Twitch 争创作者时间 - 它还在争： - Netflix 式的 living room attention - podcast 平台的音视频消费时间 - 传统电视和 CTV 广告预算
结论： YouTube 的业务重心已经明显向“新电视”迁移。推荐系统也因此必须同时适配手机、TV、长视频、短视频、播客、直播这些不同消费情境。置信度：高
发现 4：从公开技术线看，YouTube 的 recsys 演进比很多公司更清楚地展示了“目标函数升级”比“模型升级”更关键¶
事实基础：
- 2010 年公开论文已经把 recommendations 放在 homepage/browse 的核心路径上，并强调 data pipeline、serving、A/B testing [A]
- 2016 年公开论文明确给出经典两阶段架构：candidate generation + ranking [A]
- 2021 年官方博客系统回顾了目标演化：
- 早期 popularity 排序
- 2011 年意识到 click 不够
- 2012 年引入 watchtime
- 后续发展到 valued watchtime 和 satisfaction signals [A]
跨信源分析： 这条线说明，YouTube 的推荐系统强，不只是因为用了深度学习或两塔架构，而是因为它持续在问： - 用户是否真的想看 - 是否看得值 - 是否会后悔 - 对新闻/信息类内容是否应该加入 quality / authority 约束
结论： YouTube 的公开推荐技术演进，最值得学的不是某个模型，而是“从 click 到 watchtime 到 satisfaction / responsibility”的目标函数演化。置信度：高
发现 5：在 YouTube，recsys 的角色已经接近产品操作系统¶
事实基础： - 官方明确说 recommendations 带来的 viewership 超过 subscriptions 或 search [A] - recommendations 直接决定 homepage 和 Up Next 的主要体验 [A] - business 侧又清楚显示 Shorts、podcasts、TV、shopping、memberships 等都越来越依赖分发 [A]
跨信源分析： 这意味着 recsys 在 YouTube 里并不是“重要的一层”而已，它实际上连接了： - 供给侧： creators、studios、podcasters、live content - 消费侧： homepage、Up Next、Shorts、TV、podcasts discovery - 商业化： ads、Premium、memberships、shopping、brand partnerships - 治理： authoritative information、borderline demotion、youth protections
它既是流量分配器，也是经济闭环调度器，还是平台治理工具。
结论： 如果在 Google 内部找一个最接近“recsys 作为产品本体”的业务，YouTube 就是那个最典型的例子。置信度：高
发现 6：为什么 YouTube 会这样演进？核心不是单一地“追 TikTok”，而是四股力量共同推动¶
事实基础与归纳： - 内容供给升级： creators 从个人上传者变成 studios 和 business builders [A] - 格式扩张： 长视频之外，Shorts、live、podcasts、shopping 都在变大 [A] - 设备迁移： TV/living room 使用强增长 [A] - 商业模式变厚： ads 之外，Premium、memberships、shopping、brand partnerships 都在抬升 [A]
结论： YouTube 的推荐系统之所以越来越像操作系统，是因为它必须同时协调更多内容格式、更多设备、更多创作者类型和更多收入流。置信度：高
4. 交叉验证与信息冲突¶
已验证的关键结论¶
| 结论 | 验证信源（≥2 个） | 状态 |
|---|---|---|
| YouTube 已经不是单纯广告平台，而是 creator economy + subscription + TV 平台 | 2024 CEO letter [A], 2025 CEO letter [A], Alphabet Q3 2025 [A] | ✅ 已验证 |
| Shorts 是供给扩容与 monetization 漏斗的重要入口 | Shorts rev share 更新 [A], 2024 CEO letter [A] | ✅ 已验证 |
| TV / living room 已经成为 YouTube 的核心方向 | 2024 CEO letter [A], 2025 CEO letter [A], podcasts 文 [A] | ✅ 已验证 |
| recommendations 在 YouTube 总体消费中占核心地位 | 2010 论文 [A], 2021 recsys 博文 [A] | ✅ 已验证 |
| YouTube 的 recsys 已从 engagement 优化转向 satisfaction + responsibility | 2016 论文 [A], 2021 recsys 博文 [A] | ✅ 已验证 |
信息冲突¶
| 冲突点 | 说法 A | 说法 B | 判断 |
|---|---|---|---|
| YouTube 到底是广告业务还是订阅/创作者业务 | 财报里最显眼的是 YouTube Ads [A] | CEO letters 更强调 creators、subscriptions、TV、shopping [A] | 更准确说法是：广告仍是财务主柱，但已经不足以概括 YouTube |
| YouTube 的核心技术是 recsys 还是创作者工具 | 技术公开中 recsys 很突出 [A] | 业务公开中 AI tools、rights、shopping、memberships 也很重要 [A] | recsys 仍是核心操作层，但不是唯一重要技术 |
5. 结论¶
- YouTube 过去几年的业务演化，不是“视频网站做大”，而是逐渐长成
ads + creator economy + subscriptions + new television的复合平台。置信度：高 - Shorts 是关键拐点，它把供给扩容、用户增长和多收入流变现重新接在一起。置信度：高
- TV / living room 与 podcasts 说明 YouTube 正在把自己推进到更广的娱乐和信息消费入口位置。置信度：高
- 技术上最值得抓的主线，是
2010 early recsys -> 2016 DNN two-stage -> 2021 satisfaction / responsibility。置信度：高 - 在 YouTube，recsys 的角色已经接近产品本体和平台操作系统：它连接供给、消费、商业化和治理。置信度：高
6. 不确定性与下一步¶
未解决的不确定性¶
| 不确定性 | 影响 | 原因 |
|---|---|---|
| Shorts、homepage、Up Next、podcasts discovery 的模型层差异 | 中 | 官方公开很少给具体架构细节 |
| YouTube Ads 与 content recommendation 的共享层到底多深 | 中 | 财报和博客能看出联动，但实现未公开 |
| TV 端体验重构对推荐目标函数的具体影响 | 中 | 官方更多讲业务方向，少讲模型细节 |
桌面调研可继续的方向¶
- 单独做一份 YouTube 时间线版，把业务变化、技术变化、recsys 角色按年份并排整理
- 单独做一份 YouTube vs TikTok vs Netflix 对照稿，专比内容供给结构和推荐系统角色
- 深挖 YouTube 上 search、subscriptions、recommendations 三者的流量关系
需要人工补位的动作¶
- [ ] 如果你更关心战略，可以补看 Neal Mohan 近两年的访谈和 earnings call 里关于 TV、Shorts、AI 的原话
- [ ] 如果你更关心面试，可以把 2010/2016/2021 这三篇公开材料串成一段完整技术故事
7. 过程文档索引¶
| 文件 | 类型 | 主题 | 关键发现概要 |
|---|---|---|---|
| 2026-03-28_11_youtube业务演进.md | 搜索 | 业务/产品演进 | ads + creators + subscriptions + TV/living room + podcasts 的复合平台化 |
| 2026-03-28_12_youtube技术与recsys演进.md | 搜索 | 技术/recsys 演进 | 2010 early recsys -> 2016 DNN two-stage -> 2021 satisfaction / responsibility |
| 2026-03-28_13_google各业务中的recsys角色.md | 辅助 | Google 中 recsys 的落点 | 说明为什么在 Google 里 YouTube 最接近典型 recsys 核心区 |