腾讯研究院大模型研究小分队 x “普通人的AI自由”公众号联合研究
DeepSeek的出圈，不仅引爆了全社会对于AI的大讨论，更重要的是激发各界人士从观望者转变为参与者，掀起了一波真实的人工智能落地潮。在孕育了AI的互联网生态中，AI引起的变化会首当其冲，且影响更彻底。广告作为互联网生态最主要的商业模式，更是当前AI技术应用的主战场。
搜索-推荐-广告作为互联网生态的核心技术栈，为AI提供了大量的数据、高度发达的模型训练平台，以及可落地的业务场景。我们也发现，除了OpenAI等少数靠大量融资的创业公司之外，全球主要的AI研发投入和最先进技术都来自于谷歌、meta这些大型互联网公司；而这些公司依靠广告业务的稳定现金流，反而可以更有长期主义的定力。
另一方面，AI技术正在深度影响互联网广告业务的技术和商业逻辑：
如果说，传统广告是“千人一面”，互联网广告是“千人千面”；那么AI时代即将迎来可以真正为每个用户定制的实时生成广告，做到“一人千面”。
AI将创造新的超级入口
诺基亚时代，手机的核心交互方式主要局限于语音通话。随着iPhone的问世，触控屏幕和视觉界面成为了移动设备交互的主导范式。然而，本应最为自然的语音交互却被边缘化——Siri等语音助手的憨憨表现难以激发用户的持续使用兴趣，使其沦为次要功能而非主要交互入口。
但AI将让手机可以真正成为“随身智能助手”。 自然语音交互——这一最符合人类直觉的交互方式，将重新崛起为最重要的流量入口之一。特别是在双手被占用(如驾车)或多任务场景下，其价值将尤为凸显。不久的将来，我们或许只需简单一句"Siri，帮我点份外卖，和上周一样"，便能轻松完成过去需要多步操作的任务。
AI将代理原来的入口。
再来看一下我们模拟的“点午餐外卖”这个案例。拆细一点流程会是这样：
发现一：AI代理人决策。Siri在整个流程中做了3次决定：1)使用哪一款外卖App；2)在外卖商家中选择商家和菜品; 3)使用哪一款支付App。这三次决定中，Siri都可以商业化收费！
发现二：APP的“去皮”。用户可以完全不安装外卖App甚至支付APP。这些APP被“去皮”了，也就是说，APP们只需要提供后端的商家服务与AI对接，而前端的APP不需要出现在消费者面前。在这个流程下，原有APP的开屏广告等模式，将不复存在。
于是，与硬件/操作系统紧密结合的AI助手，将会“托举”着背后手机硬件厂商走上牌桌；彻底改变现在的“APP占据入口，硬件厂商没有流量”的格局。随着这波红利，手机厂商有机会打造新的广告生态。
不仅是硬件厂商，各家APP都在AI带来的新一轮“入口争夺战”中生怕掉队。实际落地中，上面的点餐案例中，每个APP并不会主动把各种APP内的数据都交给硬件厂商的AI助手，这里将有一轮新的博弈。
浏览器、搜索引擎、输入法等“传统入口”，将有机会迎来新的生机，其本质是整合或反向整合智能助手。我们已经看到百度AI搜索，360的纳米搜索，讯飞的星火搜索等尝试。国民级应用APP也已加入战局，大基数的用户量是其核心优势。
与之相对的，电商与服务类平台将会迎来挑战。
电商平台和交易服务平台的流量困扰已持续多年，一直维持着“投广告-用户进站-卖广告”的循环。
但这一循环可能会变得不再平衡，AI搜索与助手的崛起将会进一步削弱交易平台本身的入口话语权。其中大入口可能尚有能力“抗争”，而酒旅、生活服务等平台则大概率摆脱不了被“去皮”的命运。
好消息则是，这些平台也同样可以从AI搜索技术升级中获益，用户通过对话式搜索商品与服务，一定会带来更高的广告变现效率。
此外，随着AI入口的整合能力提升，大部分工具（天气、计算器、翻译等）的流量入口将被进一步挤压，甚至是直接被各类AI入口直接替代。
广告形态的重塑
AI将会对广告形态进行彻底重塑。
先讲面子：新广告形态。
相较传统的搜索引擎，AI搜索/对话带来的搜索结果列表更短（用户无需翻多页）、结果更精准，因此无疑会带来更少的库存与更高的变现效率，但从形态上看仍未脱出搜索竞价排名的底层逻辑。
以Perplexity为代表的新生代AI搜索已经开始广告尝试，从形态上看与Google搜索广告并无本质区别（如下图）。
在电商与服务平台中与之类似，比如亚马逊推出Rufus，其入口位于亚马逊购物app顶部搜索框里，买家可以通过该入口以聊天的方式了解产品细节并听取其他客户的评价、获取产品推荐、比较选项、获取最新的产品更新、访问当前和过去的订单、以及回答与购物无明显相关的问题（如“参加夏季聚会需要什么？”、“做舒芙蕾需要什么？”）等，归根究底仍是搜索竞价排名。
我们认为更加值得关注的是社交与娱乐场景，AI的实时生成能力将会带来无限可能。
在游戏和影视综场景中，过去进行广告变现的痛点在于：
虽然尺寸问题可以通过开发解决、综艺剧集可以通过后期制作或自动植入（如爱奇艺的Video in），但过程中仍需要大量定制的人力与时间。
爱奇艺Video in：《狂飙》中的广告植入
生成式AI的环境理解能力，能够更多地识别出潜在广告位、拓展出更多库存；实时生成能力则将帮助广告主无缝融入到游戏或影视综的场景中，起到润物细无声的营销效果。而这些能力嫁接在现有的广告联盟中，则可以平抑单体APP的库存波动问题。
在社交和内容社区（如抖/快/小红书）场景中，各类生硬的广告形态已经逐渐让用户失去兴趣，无孔不入的植入也促使用户习惯性跳过广告。
无处不在的广告植入
AI的实时生成能力，将为这一场景中的广告玩法创造新的可能，比如：用户在发布内容时可以预留一些空间，AI将会根据用户发布的素材、结合其粉丝/社交圈进行自动植入（比如在肩上植入一个品牌的包）。一方面为社交与内容场景中带来了更多变化和可能，引发讨论与效仿的风潮，同时也大幅度简化了撮合与制作的成本。
还有值得一提的赛道则是音频，特别是人在没办法腾出手操作手机的时候：比如驾车。在总乘用车保有量3亿+、新能源车2500w+的前提下，在车载场景中的音频广告可能会伴随AI技术的应用被大规模推广。主播音色生成、语气感情模拟、多人对话生成技术已经较为成熟，而基于上下文理解（主要是音频内容、播客、导航）生成广告能力虽然仍需提升，但短期内可能依靠模板来实现批量化广告素材的制作。这一机会可能会给诸如TME、喜马拉雅、高德等玩家未来带来新的增长点。
整体来看，生成式AI会创造出新的广告位与玩法，而这样的改变，会一定程度上缓解当前广告同质化-标题党-低质量的问题，通过好看、好玩、好互动的新形态，在保持和提高eCPM的同时，给予广告主和代理商更多的创意空间。
广告素材：效率提升与回归创意
生成式AI给广告素材制作带来的变革是最直接的。从文案构思、图片设计到视频制作，AI已经参与到了素材制作的各个环节。特别是在大规模、批量化的素材制作任务中，生成式AI带来的提效更加显著。尤其在文案方面，随着DeepSeek的开源，代理商更可以大规模、低成本、高质量地批量生产。
在图片和视频素材方面，目前生成式AI还不能独当一面，比较多的是在“打下手”。一些广告代理反馈，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则主要用来做扩图/裁剪、视频拼接等简单任务，或是基于基本产品元素制作大规模铺量素材（要求较低）。但我们看到，随着去年年末AI视频生成能力的爆发，AI视频素材的成熟也指日可待。
需要注意的是，随着技术的发展，未来AI能够承担的任务越来越多，但创意、灵感方面，始终无法完全替代人类。比如，AI可以读取用户的使用链路、兴趣、转化等数据进而生成更精准吸引用户的素材；但在时尚趋势、新品类、营销灵感等方面仍需要依赖人工捕捉。
因此，对代理商与从业者来说，未来的广告创意素材制作将会走向两个方向：
方向一，跑量提效。针对以效果转化为主要目标的跑量素材，生成式AI将在现阶段“提效”的基础能力之上，逐步全面替代人工，甚至实现基于用户的实时素材生成。在视频领域更是如此，AI的视频编辑与植入能力，会为视频素材更大规模的应用打下基础。
方向二，回归创意。针对品牌展示类的精品素材，AI的能力仍然会在相当长的时间内有较大欠缺。核心的想法、创意仍然需要有经验的创意人员来实现。而且在AI素材越来越多的情况下，精品原创的内容才能给人留下深刻印象。尤其是那些需要引领消费潮流、玩梗传播的广告，更是需要人的灵光一现。
整体来看，在广告素材领域，大量的基础化、重复化的工作将会被生成式AI取代，相关从业者未来将“回归创意”。对广告代理商来说，同样亟待转型：过去“劳动密集”型工作（比如简单的素材制作、投放执行、创建/修改广告计划等）将越来越少，而对AI的应用、对于用户、平台、广告主的理解、以及理解新广告引擎等能力，将会成为“下一代广告代理商”的关键胜负手。
广告引擎：AI早已深度参与
AI对广告的影响还有一个是大多数用户看不到的地方：广告引擎内部。
广告引擎的核心是要在非常短的时间里(~0.5s)完成非常大量的广告素材与用户的匹配。如果某个APP的用户级别是10亿，那么在这短短0.5s的时间里，广告引擎就需要完成1016的预估计算并排序，这是极其巨大的计算量。
为了达成这个目标，广告系统通常设计成“召回-粗排-精排”三段式结构来实现。具体来讲，“召回”部分是通过一些条件（比如关键词）来进行初筛，从几百万条素材里筛选出几万条广告。之后进入排序（粗排+精排）环节最终计算每个广告的转化率预估值并进行排序，最后选择最高概率的一条广告素材展示在用户面前。当然，实际实现要比这个简略框架复杂得多。
“生成式召回”是AI在广告引擎中最直接的应用。到今天，它已经是主流广告平台的标配；各家通过这个技术都能取得5%以上的效果提升（AB实验结果）。
简单来讲，“生成式召回”是使用大语言模型来根据用户的搜索记录、浏览记录、上下文、图片内容等信息来生成一段描述，之后以这段描述为基础来检索相关的广告素材。当然，具体技术实现和优化有不同的方式。
“AI数据增强”。数据处理过程中使用AI的地方变得越来越多：数据清洗、数据查错、数据修正、特殊数据格式解析（如PDF, Excel等）、自动打标、文本扩写-缩写、图像信息提取、视频信息提取等。这里面很多的工作已经可以通过传统AI来完成，但一直以来AI的能力都是“速度很快，质量很差”；新一轮生成式AI模型则可以将数据处理的质量提升一个台阶，一些去年还难以实现的深度语义理解也可以通过OpenAI o1和DeepSeek R1等推理模型解决。
“多模态理解”。传统的广告引擎其实看不见用户看到的图片和视频，它而只能通过几个模糊的标签来猜测……就像一个摸象的盲人。新近出现的“图片/视频理解”的能力其实是让广告引擎“睁开眼睛”：广告引擎可以真正看到、并理解用户看过的内容。以谷歌为例，Gemini 1.5 Pro允许模型一次性分析大约 2 小时的视频和音频内容，与需要将视频分成较小块的方法相比，显著减少了处理时间和复杂性。