DeepSeek的出圈，不僅引爆了全社會對于AI的大討論，更重要的是激發各界人士從觀望者轉變為參與者，掀起了一波真實的人工智能落地潮。在孕育了AI的互聯網生態中，AI引起的變化會首當其沖，且影響更徹底。廣告作為互聯網生態最主要的商業模式，更是當前AI技術應用的主戰場。

搜索-推薦-廣告作為互聯網生態的核心技術棧，為AI提供了大量的數據、高度發達的模型訓練平臺，以及可落地的業務場景。我們也發現，除了OpenAI等少數靠大量融資的創業公司之外，全球主要的AI研發投入和最先進技術都來自于谷歌、Meta這些大型互聯網公司；而這些公司依靠廣告業務的穩定現金流，反而可以更有長期主義的定力。

另一方面，AI技術正在深度影響互聯網廣告業務的技術和商業邏輯：

• AI創造了新的產品與廣告形態；

  
  

• AI讓廣告素材的生產效率有了百倍提升；

  
  

• AI也讓手機語音助手即將成為新的超級入口，重塑硬件廠商與APP之間的流量分配；

  
  

• 在看不見的地方，AI更是已經深度介入廣告技術，并正在醞釀廣告行業的范式升級。

如果說，傳統廣告是“千人一面”，互聯網廣告是“千人千面”；那么AI時代即將迎來可以真正為每個用戶定制的實時生成廣告，做到“一人千面”。

AI將創造新的超級入口

諾基亞時代，手機的核心交互方式主要局限于語音通話。隨著iPhone的問世，觸控屏幕和視覺界面成為了移動設備交互的主導范式。然而，本應最為自然的語音交互卻被邊緣化——Siri等語音助手的憨憨表現難以激發用戶的持續使用興趣，使其淪為次要功能而非主要交互入口。

但AI將讓手機可以真正成為“隨身智能助手”。自然語音交互——這一最符合人類直覺的交互方式，將重新崛起為最重要的流量入口之一。特別是在雙手被占用（如駕車）或多任務場景下，其價值將尤為凸顯。不久的將來，我們或許只需簡單一句“Siri，幫我點份外賣，和上周一樣”，便能輕松完成過去需要多步操作的任務。

AI將代理原來的入口。

再來看一下我們模擬的“點午餐外賣”這個案例。拆細一點流程會是這樣：

“Siri給我點個外賣”

->外賣APP通過API競價，取得服務執行權(用戶沒裝APP)

->外賣APP通過后臺API，提供商家-菜譜-價格列表給Siri

->Siri選擇午餐

->Siri調起支付App付費

->外賣APP通知騎手-飯店送餐

發現一：AI代理人決策。Siri在整個流程中做了3次決定：1)使用哪一款外賣App；2)在外賣商家中選擇商家和菜品；3)使用哪一款支付APP。這三次決定中，Siri都可以商業化收費！

發現二：APP的“去皮”。用戶可以完全不安裝外賣APP甚至支付APP。這些APP被“去皮”了，也就是說，APP們只需要提供后端的商家服務與AI對接，而前端的APP不需要出現在消費者面前。在這個流程下，原有APP的開屏廣告等模式，將不復存在。

于是，與硬件/操作系統緊密結合的AI助手，將會“托舉”著背后手機硬件廠商走上牌桌；徹底改變現在的“APP占據入口，硬件廠商沒有流量”的格局。隨著這波紅利，手機廠商有機會打造新的廣告生態。

不僅是硬件廠商，各家APP都在AI帶來的新一輪“入口爭奪戰”中生怕掉隊。實際落地中，上面的點餐案例中，每個APP并不會主動把各種APP內的數據都交給硬件廠商的AI助手，這里將有一輪新的博弈。

瀏覽器、搜索引擎、輸入法等“傳統入口”，將有機會迎來新的生機，其本質是整合或反向整合智能助手。我們已經看到百度AI搜索，360的納米搜索，訊飛的星火搜索等嘗試。國民級應用APP也已加入戰局，大基數的用戶量是其核心優勢。

與之相對的，電商與服務類平臺將會迎來挑戰。

電商平臺和交易服務平臺的流量困擾已持續多年，一直維持著“投廣告-用戶進站-賣廣告”的循環。

但這一循環可能會變得不再平衡，AI搜索與助手的崛起將會進一步削弱交易平臺本身的入口話語權。其中大入口可能尚有能力“抗爭”，而酒旅、生活服務等平臺則大概率擺脫不了被“去皮”的命運。

好消息則是，這些平臺也同樣可以從AI搜索技術升級中獲益，用戶通過對話式搜索商品與服務，一定會帶來更高的廣告變現效率。

此外，隨著AI入口的整合能力提升，大部分工具（天氣、計算器、翻譯等）的流量入口將被進一步擠壓，甚至是直接被各類AI入口直接替代。

廣告形態的重塑

AI將會對廣告形態進行徹底重塑。

面子：新的用戶交互方式將帶來新廣告形態、新的廣告位。但因為直接影響用戶體驗，所以各家的嘗試還比較保守。

里子：基于AI的能力做上下文、多模態內容的理解與生成，提升廣告引擎的推薦準確性：這已經是業界共識。更遠一些，AI的能力可以實時生成內容和廣告，這將徹底改變廣告技術的底層邏輯。（后文詳細展開）。

先講面子：新廣告形態。

相較傳統的搜索引擎，AI搜索/對話帶來的搜索結果列表更短（用戶無需翻多頁）、結果更精準，因此無疑會帶來更少的庫存與更高的變現效率，但從形態上看仍未脫出搜索競價排名的底層邏輯。

以Perplexity為代表的新生代AI搜索已經開始廣告嘗試，從形態上看與Google搜索廣告并無本質區別（如下圖）。

在電商與服務平臺中與之類似，比如亞馬遜推出Rufus，其入口位于亞馬遜購物APP頂部搜索框里，買家可以通過該入口以聊天的方式了解產品細節并聽取其他客戶的評價、獲取產品推薦、比較選項、獲取最新的產品更新、訪問當前和過去的訂單、以及回答與購物無明顯相關的問題（如“參加夏季聚會需要什么？”、“做舒芙蕾需要什么？”）等，歸根究底仍是搜索競價排名。

我們認為更加值得關注的是社交與娛樂場景，AI的實時生成能力將會帶來無限可能。

在游戲和影視綜合場景中，過去進行廣告變現的痛點在于：

1）非標準化的版位；

2）單體APP中不確定的庫存；

3）較高的后期制作成本。

雖然尺寸問題可以通過開發解決、綜藝劇集可以通過后期制作或自動植入（如愛奇藝的Video in），但過程中仍需要大量定制的人力與時間。

生成式AI的環境理解能力，能夠更多地識別出潛在廣告位、拓展出更多庫存；實時生成能力則將幫助廣告主無縫融入到游戲或影視綜的場景中，起到潤物細無聲的營銷效果。而這些能力嫁接在現有的廣告聯盟中，則可以平抑單體APP的庫存波動問題。

在社交和內容社區（如抖/快/小紅書）場景中，各類生硬的廣告形態已經逐漸讓用戶失去興趣，無孔不入的植入也促使用戶習慣性跳過廣告。

AI的實時生成能力，將為這一場景中的廣告玩法創造新的可能，比如：用戶在發布內容時可以預留一些空間，AI將會根據用戶發布的素材、結合其粉絲/社交圈進行自動植入（比如在肩上植入一個品牌的包）。一方面為社交與內容場景中帶來了更多變化和可能，引發討論與效仿的風潮，同時也大幅度簡化了撮合與制作的成本。

還有值得一提的賽道則是音頻，特別是人在沒辦法騰出手操作手機的時候：比如駕車。在總乘用車保有量3億+、新能源車2500w+的前提下，在車載場景中的音頻廣告可能會伴隨AI技術的應用被大規模推廣。主播音色生成、語氣感情模擬、多人對話生成技術已經較為成熟，而基于上下文理解（主要是音頻內容、播客、導航）生成廣告能力雖然仍需提升，但短期內可能依靠模板來實現批量化廣告素材的制作。這一機會可能會給諸如TME、喜馬拉雅、高德等玩家未來帶來新的增長點。

整體來看，生成式AI會創造出新的廣告位與玩法，而這樣的改變，會一定程度上緩解當前廣告同質化-標題黨-低質量的問題，通過好看、好玩、好互動的新形態，在保持和提高eCPM的同時，給予廣告主和代理商更多的創意空間。

廣告素材：效率提升與回歸創意

生成式AI給廣告素材制作帶來的變革是最直接的。從文案構思、圖片設計到視頻制作，AI已經參與到了素材制作的各個環節。特別是在大規模、批量化的素材制作任務中，生成式AI帶來的提效更加顯著。尤其在文案方面，隨著DeepSeek的開源，代理商更可以大規模、低成本、高質量地批量生產。

在圖片和視頻素材方面，目前生成式AI還不能獨當一面，比較多的是在“打下手”。一些廣告代理反饋，AI尚不能充分理解素材制作的要求，素材制作的主力仍是人工，而AI則主要用來做擴圖/裁剪、視頻拼接等簡單任務，或是基于基本產品元素制作大規模鋪量素材（要求較低）。但我們看到，隨著去年年末AI視頻生成能力的爆發，AI視頻素材的成熟也指日可待。

需要注意的是，隨著技術的發展，未來AI能夠承擔的任務越來越多，但創意、靈感方面，始終無法完全替代人類。比如，AI可以讀取用戶的使用鏈路、興趣、轉化等數據進而生成更精準吸引用戶的素材；但在時尚趨勢、新品類、營銷靈感等方面仍需要依賴人工捕捉。

因此，對代理商與從業者來說，未來的廣告創意素材制作將會走向兩個方向：

方向一，跑量提效。針對以效果轉化為主要目標的跑量素材，生成式AI將在現階段“提效”的基礎能力之上，逐步全面替代人工，甚至實現基于用戶的實時素材生成。在視頻領域更是如此，AI的視頻編輯與植入能力，會為視頻素材更大規模的應用打下基礎。

方向二，回歸創意。針對品牌展示類的精品素材，AI的能力仍然會在相當長的時間內有較大欠缺。核心的想法、創意仍然需要有經驗的創意人員來實現。而且在AI素材越來越多的情況下，精品原創的內容才能給人留下深刻印象。尤其是那些需要引領消費潮流、玩梗傳播的廣告，更是需要人的靈光一現。

整體來看，在廣告素材領域，大量的基礎化、重復化的工作將會被生成式AI取代，相關從業者未來將“回歸創意”。對廣告代理商來說，同樣亟待轉型：過去“勞動密集”型工作（比如簡單的素材制作、投放執行、創建/修改廣告計劃等）將越來越少，而對AI的應用、對于用戶、平臺、廣告主的理解、以及理解新廣告引擎等能力，將會成為“下一代廣告代理商”的關鍵勝負手。

廣告引擎：AI早已深度參與

AI對廣告的影響還有一個是大多數用戶看不到的地方：廣告引擎內部。

廣告引擎的核心是要在非常短的時間里(~0.5s)完成非常大量的廣告素材與用戶的匹配。如果某個APP的用戶級別是10億，那么在這短短0.5s的時間里，廣告引擎就需要完成1016的預估計算并排序，這是極其巨大的計算量。

為了達成這個目標，廣告系統通常設計成“召回-粗排-精排”三段式結構來實現。具體來講，“召回”部分是通過一些條件（比如關鍵詞）來進行初篩，從幾百萬條素材里篩選出幾萬條廣告。之后進入排序（粗排+精排）環節最終計算每個廣告的轉化率預估值并進行排序，最后選擇最高概率的一條廣告素材展示在用戶面前。當然，實際實現要比這個簡略框架復雜得多。

“生成式召回”是AI在廣告引擎中最直接的應用。到今天，它已經是主流廣告平臺的標配；各家通過這個技術都能取得5%以上的效果提升（AB實驗結果）。

簡單來講，“生成式召回”是使用大語言模型來根據用戶的搜索記錄、瀏覽記錄、上下文、圖片內容等信息來生成一段描述，之后以這段描述為基礎來檢索相關的廣告素材。當然，具體技術實現和優化有不同的方式。

“AI數據增強”。數據處理過程中使用AI的地方變得越來越多：數據清洗、數據查錯、數據修正、特殊數據格式解析（如PDF，Excel等）、自動打標、文本擴寫-縮寫、圖像信息提取、視頻信息提取等。這里面很多的工作已經可以通過傳統AI來完成，但一直以來AI的能力都是“速度很快，質量很差”；新一輪生成式AI模型則可以將數據處理的質量提升一個臺階，一些去年還難以實現的深度語義理解也可以通過OpenAI o1和DeepSeek R1等推理模型解決。

“多模態理解”。傳統的廣告引擎其實看不見用戶看到的圖片和視頻，它只能通過幾個模糊的標簽來猜測……就像一個摸象的盲人。新近出現的“圖片/視頻理解”的能力其實是讓廣告引擎“睜開眼睛”：廣告引擎可以真正看到、并理解用戶看過的內容。以谷歌為例，Gemini 1.5 Pro允許模型一次性分析大約2小時的視頻和音頻內容，與需要將視頻分成較小塊的方法相比，顯著減少了處理時間和復雜性。

展望未來：實時生成廣告？

廣告技術發展至今核心解決的問題都是“排序”，但生成式AI給我們帶來了一個新的可能性：實時生成廣告。也就是說，在用戶刷向下一條內容/廣告的500ms里，根據用戶的習慣和歷史來實時生成廣告素材。

如果說，傳統廣告是“千人一面”，互聯網廣告是“千人千面”，那么AI廣告就是“一人千面”。每個素材都是為了每個用戶一對一生成的。

當然，實時生成廣告從實際操作上還有各種問題。

如何保證素材的質量？因為品牌沒有時間做人工檢查。

如何保證素材的合規性？因為平臺沒有時間做人工審核。

如何計價？沒有了素材的競價過程，要么回歸合約售賣，要么改變競價方法：不包含素材，只競價用戶的廣告位……

這也是為什么“實時生成廣告”目前還停留在理論討論，還沒有任何平臺實際推出。在未來相當長的一段時間里，“實時生成廣告”很可能會和現在的廣告（可以叫“素材預生成廣告”）平行存在。

但不可否認的是，一旦“實時生成廣告”上線，整個行業：從行業售賣，到代理生態、再到平臺算法都將要徹底重新設計。

讓我們拭目以待。