人工智能生成广告：机遇、挑战与对策

刘琼腾讯研究院产业研究中心主任

徐一平腾讯研究院高级研究员

人工智能生成

广告的技术演进与模式变革

人工智能，尤其是以大语言模型和多模态模型为代表的生成式智能，正在全球范围内重塑广告系统的底层逻辑。当前，数字广告技术已经从上一代的程序化广告推荐系统，向能够理解用户意图、分析用户情感和行为的智能广告系统演进。广告不再仅是页面中的插图或文字，逐步演化为由人工智能“理解用户需求、生成内容、决定投放”的完整闭环。不仅如此，生成式智能技术在广告创意生成、智能投放、智能审核等环节都有广泛应用。以谷歌为例，2025年I/O大会[ I/O大会（Innovation in the Open）即Google开发者大会，于2025年8月13日召开，聚焦 Google 创新技术，Android、AI、web、cloud 等领域最新动态。]上发布的“AI模式”将Gemini模型深度嵌入搜索、推荐与广告生成流程中，展示了广告从“被动呈现”到“主动交互”的彻底转变。腾讯AI广告创意平台——“妙思”借自主研发的混元大模型打通创意制作、投放流程与广告审核多个环节。

广告的投放逻辑发生质变。如在跨境电商广告投放中，生成式智能技术已被广泛应用于人群洞察、素材生成与多平台投放策略优化，显著提升了投放的精准度与人力资源效能。部分品牌通过虚拟数字人开展可控化内容投放，持续产出直播内容，降低人力成本，以规避广告代言人“人设塌房”风险。在投后阶段，企业借助腾讯“转化宝”[ 腾讯“转化宝”是腾讯广告推出的服务于企业微信（企微）生态的数智化营销解决方案，专注于解决广告获客到私域运营的全链路问题，通过智能标签体系、AI客服赋能、数据归因等功能，帮助广告主提升用户转化效率和私域运营效果。]等工具，追踪用户路径、分析归因数据，打通广告引流与私域转化的全链路。人工智能技术正从辅助投放走向驱动投放全周期的智能升级，拓展广告产业的效率边界与创意空间。

生成式人工智能重构广告业：

从广告生产到用户体验全面变革

“十五五”时期，数字广告产业将进入由人工智能驱动的跃升阶段。虚拟直播、广告创意策划、AI智能投放等新型服务形态已在一线平台快速落地。以人工智能为核心的技术中台，正在改变广告创意策划、内容生成、投放决策、效果归因等关键环节，不仅压缩了制作周期、降低了人力成本，而且加速了内容与流量之间的高效匹配。未来，随着生成式智能工具的广泛而深入应用，广告产业将步入“一人千面时代”，释放前所未有的效率红利与增长空间。

（一）流量入口重构：广告入口更多元

传统互联网广告的流量分发权掌握在超级App手中，而人工智能助手的崛起则打破了这一格局。在手机操作系统层面，Siri（苹果公司设备中内置的语音助手）、小爱（小米旗下的人工智能助手）等助手正被重塑为“超级入口”。如当用户说出“帮我点一份外卖，和上周一样”，Siri可在不打开任何App的情况下完成商家选择、支付流程。这种“去皮化”趋势，意味着原本依赖开屏广告、信息流投放的App将逐步失去前端触点。随着大语言模型、多模态模型融入智能助手、手机操作系统和智能硬件终端，广告分发路径将由以App为中心的流量结构转向以人工智能代理为中心的新型应用载体。在此背景下，用户的接触点更碎片、广告投放入口更加多元，平台广告生态结构或将重构。

（二）素材生成自动化：效率革命

生成式智能技术极大提升了广告素材的生产效率。当前，广告代理商已广泛应用人工智能进行文案撰写、图像延展、短视频自动拼接等基础任务。一方面，人工智能大幅提升了广告素材的生产效率和质量；另一方面，作为广告系统的核心环节，生成式召回不再是简单的关键词匹配，而是通过真正理解创意内涵，从海量素材中智能、精准地为用户生成或挑选最匹配的候选广告。在实时理解用户意图和场景的基础上，提升了供需转化的效率，推动了传统“千人千面”范式演进为基于实时场景、实时素材的“一人千面”，大幅提升了供需转化的效果与用户体验。对于中小品牌而言，人工智能技术正在打破高质量内容生产的门槛，使他们有机会加入原本成本高昂的营销战场。

（三）个性体验极致化：“一人千面”的可行性

传统广告实现的“千人千面”基于标签和规则，而人工智能生成广告的目标，是实现“一人千面”——真正理解每个用户的语境、场景、偏好，并实时生成定制内容。以谷歌为例，其Gemini模型可根据“适合5月波特兰之旅的旅行包”这类查询，自动识别天气、行程、用户历史偏好等信息，生成带有推荐理由的产品列表。广告版本随用户语境变化实时生成，真正做到“交互即投放”。此外，购物智能体的兴起正在进一步缩短转化链路。用户可直接在与机器人对话中设定价格期望、偏好品牌，由系统完成比价、下单甚至支付，广告的角色也从“刺激点击”转变为“促成决策”。

（四）广告投放机制：从机器学习到生成式推荐

生成式智能正逐步渗透广告投放的底层机制，尤其对CTR（点击率）、CVR（转化率）、竞价模型等核心环节带来变革。当前，主流系统仍以机器学习算法为主，生成式推荐算法尚未大规模落地，但已显露潜力。相比于传统模型，大模型具备更强的语义理解与内容生成能力，有望提升用户兴趣识别与投放的匹配精度。以美国广告技术公司AppLovin在2023年推出的AXON2.0推荐引擎为例，其在原有机器学习架构上引入人工智能优化，推动平台业务实现显著增长，展现了智能推荐在提升ROI（投资回报率）方面的价值。未来，生成式推荐有望实现从选择到生成的转变，助力广告系统更精准地理解用户动机、生成个性化内容，从而实现从流量逻辑向兴趣逻辑的转变。

（五）广告代理商的角色转型：从“执行”走向“创意生成”

人工智能正在取代广告代理商大量重复性、执行性工作，如批量文案生成、素材改图和A/B测试搭建等。这促使代理商将更多精力投入到提示词工程、消费者洞察、创意策略调度和人机协同优化等高附加值环节。同时，人工智能技术激活了广告产业的新动能，不仅拓宽了现有环节的产能边界，还催生出大量高技术门槛和高附加值的新岗位。如代理机构从内容生产者转变为“模型优化师”“智能素材编排师”，围绕提示词优化、A/B测试策略、内容微调等提供创新服务。专注于广告模型开发、投放链路优化、自动生成测试、广告智能体开发等的垂直AI创业团队或将成为广告产业的新型服务商。

生成式人工智能不仅带来效率提升，其颠覆性在于将自身从“生成工具”升级为“实时协作者”。以“智能体”等新的广告产品形态为依托，广告工作流中“AI员工”参与度不断提升，推动了数字广告生产模式从程序化向人机实时协作的进一步转变。如腾讯妙思、妙问等智能体产品将人工智能打造为创意生成过程中的“实时副驾”，在脚本初稿、分镜设计、音效配乐等环节与创作人员同步迭代，为灵感碰撞提供即时的可视化素材。同时，可实时分析社媒数据，使市场反馈自动回流到创作端，形成“数据洞察—创意生成—市场测试—迭代优化”的闭环。这种人机共创机制，既保证了广告大规模量产的效率，又让高品质广告显著缩短了试错周期。

人工智能生成

广告引发的治理风险与挑战

人工智能技术的广泛应用，推动数字广告行业向智能化、高效化和个性化方向发展，不仅优化了价值链各环节，也为中小企业带来更多创新机会。同时，需关注人工智能应用过程中引发的特有风险，如模型推理不稳定、数据合规难题、算法透明度不足、算法偏见等，这些问题均可能影响广告投放的精准度、效果和合规性。

（一）技术成熟度不足带来的风险

当前，人工智能广告系统在素材生成、个性化推荐、智能投放等前沿领域的应用，正处于从技术探索到大规模工程化落地的快速发展阶段。虽然已展现出巨大潜力，但在实现全面稳定可控的商业化部署方面，仍面临技术迭代与优化的挑战，主要表现为：一是大模型推理不稳定，可能出现错误推荐。多模态生成技术成熟度不足，易出现生成错误、不连贯等问题。如部分视频生成工具模型不稳定，导致生成内容质量不高，引发客户投诉，损害品牌形象。二是算法的不可解释性使得生成结果难以溯源，推荐逻辑不够透明，一定程度上增加了广告主决策的不确定性。三是新技术推广过程中，效果不达预期或性能不稳定，导致商户体验感受不佳，从而影响客户的信心和技术落地的速度。四是大模型驱动的广告投放系统的训练数据不均衡，易产生算法偏见，导致对特定群体的歧视性内容推送，引发品牌形象受损和法律诉讼。

（二）广告生成模式的改变带来监管新挑战

人工智能生成广告虽然可以高效产出内容，但也存在影响品牌风格和内容真实性的风险。首先，若缺乏精准的提示词和严格的人工监督，易出现用词不当、调性漂移等问题，难以保持原有的品牌调性，甚至可能违背品牌价值观，带来公关风险。尤其在多模态输出（如图文、视频）中，生成式人工智能难以保持情绪与美学风格的一致性。其次，自动生成的广告文本与图像可能夸大产品效果或隐瞒信息，增加了虚假宣传和误导的风险。深度伪造（Deepfake）技术使AI换脸代言的违法成本降低，加大了识别虚假内容的难度。最后，动态广告的实时生成对监管手段提出更高要求。基于用户画像的系统可实现大规模个性化投放，如某电商平台在“618”大促期间，利用智能投放系统为单个用户生成47版差异化广告，内容涵盖价格促销、场景植入、明星代言等多重元素，加大了监管难度。又如，某金融科技公司使用AI系统在3小时内生成并销毁12万条广告，其中，违法内容虽占比不足0.3%，但绝对数量达360条，给监管部门带来“审不过来、追不上、找不到”的挑战。人工智能生成的广告具有实时动态特性，导致事前审批和事后追溯难以奏效，广告监管手段亟需与算法同步升级。

（三）用户信任与隐私风险

在生成式智能主导的信息搜索和呈现中，广告与自然内容的边界正在被抹平。“广告即内容”的理念提升了交互体验，却也弱化了用户对商业属性的判断能力。若平台未明确标注内容属性，用户极易在不知情的情况下接受广告推荐，一旦广告内容引发争议，将导致平台公信力受到质疑。同时，人工智能驱动的情感分析、个性化推荐等功能虽然提升了广告效果，但也使得数据隐私保护问题变得更为复杂，商业和社会伦理之间的界限更难厘清。“去交互”的自动化机制削弱了用户的反馈能力，用户的不满情绪可能会累积，最终以信任危机的方式爆发。

（四）跨境广告合规成本与文化适应问题

人工智能生成广告加速了品牌出海、投放全球的步伐，但也增加了跨境合规的复杂度。世界范围内广告内容规范、数据隐私保护、知识产权等方面的法律规定存在显著差异。欧盟GDPR（《通用数据保护条例》）、《数字市场法》确立了极高的数据保护标准，企业一旦违反将面临严重后果。如美国的Meta公司因违反GDPR被处以12亿欧元罚款，不仅造成了巨额经济损失，还影响其全球业务布局。跨境投放广告时，不同地区法律法规的差异对人工智能生成内容的版权归属提出挑战，文化适应也是广告出海业务面临的挑战之一。海外市场文化背景各异，这对广告内容设计、本地用户沟通方式提出更高要求，使用不恰当的文化表达或忽视本地习俗，易引发舆情危机甚至法律纠纷。

应对思路：

构建可信与共治的新型治理体系

人工智能正在重塑广告生态，如何同步构建与其发展速度相匹配的治理体系，成为企业和监管部门共同面对的重要课题。治理目标不仅是“控风险”，更是“促应用”，让创新在安全可控的边界内自由生长。为此，应积极探索“轻监管+共治理”的新范式，通过灵活适度的监管、多元主体协同参与，实现风险防控与创新发展的平衡。

（一）探索“轻监管+共治理”的治理体系

针对技术迭代速度快、性能不稳定等技术性风险，由主管部门牵头，依托头部平台与第三方评测机构，共同搭建面向广告行业的“可信生成”治理机制。对通过测评的模型和平台授予“人工智能生成白名单”资质，并在数据、算力、财税等方面给予差异化政策支持，将可信、安全打造成平台的竞争优势，形成安全可控、应用加速的正向循环。

针对新场景、新形态、新模式，探索灵活的轻监管框架，设立“生成式广告内容治理试点”，引导企业在“沙箱”机制下测试新模式，如分级审核责任制、协同问责机制等，为行业建立包容审慎的创新环境。同时，鼓励企业建立健全伦理审查机制，并定期开展社会责任培训，防范伦理风险。

（二）升级平台风控机制

平台作为广告分发的核心枢纽，应“自练内功”。通过加大研发投入、持续优化算法模型、强化智能+人工审核等方式，坚持高标准合规管理，确保广告信息真实、准确、全面，有效防范虚假广告带来的法律和社会责任风险。如引入多模态识别系统，提升平台对文本、图像、语音等混合内容的理解与审核能力；设立快速回撤通道，一旦发现问题素材，立即撤除并封存审查记录；强化平台算法机制的透明度，推动关键推荐逻辑向监管部门和用户公开；跨国广告企业需建立本地合规团队，加强法规动态监测并注重文化语境适配，以降低合规成本和舆情风险。如腾讯通过事前把好广告主准入关、事中强化“智能+人工”审核、事后多维度巡查等管控机制，体系化管理广告投放全流程，持续提升对违规广告的管控效率和效果。

（三）强化数据治理与反馈机制

为化解人工智能生成广告引发的信息操控、隐私泄露等用户信任危机，企业与平台应坚持用户知情同意和数据最小化原则，采用匿名化、加密存储等技术手段，建立动态的数据合规管理体系，以保障数据使用的边界安全和用户信任。对于算法歧视问题，可以引入多样性训练数据、开展公平性评估，并适时对偏差结果进行修正；对于算法个性化推荐带来的问题，应当为用户提供便捷透明的退出渠道，充分尊重用户选择权。

（四）鼓励品牌方构建自有智能体体系

为提升广告内容与品牌调性的匹配度，品牌方应主动构建自有智能体体系。自有智能体不仅应当具备品牌专属的语调、视觉风格和行为规范，还要嵌入素材调用、敏感词过滤、调性控制等模块。通过智能体对接平台机制，品牌方可在保留创意自主性的同时，实现内容生成效率与一致性的平衡。人工智能生成广告：机遇、挑战与对策图2