就说当今之势，还有比搞大模型更有前途的吗？
有，你别说还真有。
那就是大模型变现。而且更细分的赛道已经很明确了——
这不最近硅谷大厂都盯上了用 AI 打广告这门生意。
ChatGPT 聊着聊着开始带货：
谷歌劈柴哥在 IO 大会宣布要用 AI 将内容和广告深度融合。Meta 已经披露了实打实的数据，2024 第四季度广告营收增长 21%，都是得益于 AI 的优化。
生成式 AI 一来，打广告的姿势变了，商业模式底层技术的探索空间，空前巨大。
普通人有机会吗？有，而且是专门面向在校学生的那种。
不仅有业内资深专家指导、接触实际工业数据，从小白直接变成领域内小专家，还能有奖金以及直通 offer。
用大模型打广告搞钱，有啥机遇？
用大模型搞钱姿势千千万，为啥生成式 AI + 广告这条路值得关注？
最首要的，有人已经赚到钱了，实打实的营收增长正在发生。
Meta 的 2024 年 Q4 财报数据显示，广告收入占整体营收的 96.7%，约 468 亿美元，同比增长 21%。
背后核心驱动因素是 AI。
2024 年 12 月，Meta 官方披露了与英伟达合作的广告投放系统 Andromeda。这是一个 SOTA 级检索神经网络，由于在推理成本上做了优化，这一模型容量可以增加 10000 倍，从而更好捕捉用户兴趣，提升广告相关性。
得益于这一系统，Meta 平台的召回率提升约 6%，广告质量提升约 8%，部分广告收入回报率增长 22%。生成式 AI 创意转化率提升约 7%，查询 QPS 提升约 3 倍，检索速度更快。
在引入 AI 广告投放系统后，Meta 还进一步引入了 Advantage+AI 工具与新推荐算法（特别是在 Reels 中测试），提升广告投放效率。
2025 年 Q1 财报披露，Meta 广告业务占总营收 98% 以上，同比增长 16%。
Meta 的增长直接说明，生成式 AI 让个性化广告系统有了进一步优化的空间。
**
**
△Andromeda：个性化广告检索新范式
另一边，谷歌 CEO 劈柴哥也在今年 IO 大会上表示，将要重点押注生成式 AI 广告，从内容创作、分发模型以及商业路径…… 生成式 AI 正在重构一切，普通人的机会也就来了。
目前已经浮现出了几个重要方向：
AI 成为创意本体
高度个性化
重新定义广告分发机制
首先，AI 正在从 “玩具” 向“工具”转变，文本、图像、视频生成模型现在都已经比普通人更懂广告文案、设计与镜头语言了。
比如，谷歌最新发布的 Veo 3、Imagen 4、Flow 以及 Gemini，已经可以组成广告创意全流程工具链。
**
**
△火出圈的可口可乐 AI 广告
其次，在个性化方面，互联网时代是 “千人千面”，AI 时代可能就是 “一人千面” 了。
不仅是基于算法展示用户更感兴趣的广告，还将能通过 AI 自动组合内容，不同用户看到的内容不同、在不同场景下的广告形式也发生变化。
同时，算法可以更精准分析用户意图，实现真正意义上的 AI 自动好物推荐。比如搜索 4 月新疆旅行冲锋衣，AI 会自动分析情景、推荐更保暖的款式。
最后，广告的分发机制也将被生成式 AI 重塑。
广告 “智能生成、智能感知场景”，逐步从传统展示广告进化为生成式内容消费链中的一环。当转化率足够高时，或许广告将不再像现在这般追求曝光率。
这些改变不只是影响技术提供方，更对受众以及广告主产生影响。
最直接的，像牛皮癣那样令人讨厌、打扰注意力的广告形式，势必要消失在历史的长河里了。
当 AI 在意图理解、兴趣捕捉方面足够先进，广告和种草的边界可能会更模糊，广告的内容性质更强、更能解决用户的实际需求，市场由此也将进一步被重构。
与之对应，广告主也能因为 AI 而获得更高的转化率。AI 助理开辟了新的超级流量入口，生成式 AI 让广告内容形式更丰富多样，多模态、长文本能力也将带来更高的投放回报率。
可以明显感知到，生成式 AI 正在把传统广告生意变成一座新金矿。但掘金的铲子，现在还需要进一步升级。
用生成式 AI 搞钱，还是得从底层算法看起
生成式 AI 在广告领域的应用，可主要分为两种：
AI 创作工具，用生成式 AI 提供生产力。
广告推荐系统，更能挖掘理解用户的实际需求。
目前，AI 创作类工具已经全面爆发，这风口恐怕有点难把握了。更值得关注的机遇，还是后者——广告推荐式生成。
广告推荐式生成是推荐系统与生成式模型的深度融合。
不同于传统推荐系统仅在候选池中筛选广告内容，这一方法通过生成模型动态 “创造” 个性化广告（如文案、图片、商品列表），提升点击率（CTR）、转化率（CVR）及用户体验，实现 “生成即推荐”。
比如可以生成个性化文案，根据用户最近关注的话题，动态定制文案；根据不同用户偏好的图像、视频生成素材，类似于给二次元定制动漫相关的内容、给古风爱好者也推荐其感兴趣的风格内容。
再直接一点，用户浏览到的商品列表，也是为他私人订制的好物推荐。甚至在新闻、视频等场景中无缝植入原生广告。
这背后涉及到的核心技术架构包括：
**1、用户与上下文建模：**考虑用户长期兴趣、短期意图及上下文信息，常用方法包括特征嵌入、序列建模、多模态融合。
**2、生成式模型设计：**根据广告类型选用不同模型，如：
文本生成（DeepSeek、GPT 等）
多模态生成（混元、Stable Diffusion、DALL·E 等）
序列生成（推荐商品列表）
**3、联合优化目标：**同时优化推荐指标（如 CTR/CVR）与生成指标（如 BLEU、FID），多任务学习或强化学习（RLHF）常被采用。
在这之中，诸多技术挑战将会浮现。
生成内容如何既相关性高、又丰富多样？如何平衡实时性需求和计算效率？如何降低伦理风险？如何保障用户安全隐私？如何避免虚假信息生成……
此外，商业模式也还需要进一步摸索。
到这里，普通人入局的机会也就不言而喻了。但具体咋办？
刚好，鹅厂 2025 广告算法大赛来袭，今年的命题方向正是全模态序列生成式推荐 (All-Modality Generative Recommendation, AMGR) 。
这不，一脚踏上风口、直接深入产业界的机会，这就来了。
面向全日制在校生，报名火热
腾讯广告算法大赛由腾讯广告主办，面向全球顶尖技术人才，旨在引入广告技术在实际应用中的前沿课题，加速算法优化，提高核心技术发展，促进产学研交流与融合。
这项赛事最早可以追溯到 2017 年，那一年 Transformer 刚诞生。每一年，大赛都会根据产业界的实际需求设置课题。
大赛面向全球高等院校的全日制在校大学生（本科、硕士、博士、博士后），大家都能来报名。
（特别说明：博士后在满足以下条件时可被纳入应届生范围：1. 最高学历毕业后两年内在高校博士后工作站工作；2. 出站后入职时间在毕业时间的 1 年内）
今年的课题是全模态序列生成式推荐 (All-Modality Generative Recommendation, AMGR) 。
具体要求如下：
要求参赛者基于用户的全模态历史行为数据（协同、文本、视觉等信息），预测其下一次可能交互的广告内容。
需要突破传统判别式框架，探索生成式推荐的创新方案，这代表了推荐系统从 “识别” 到“创造”的范式转变。
使用腾讯广告真实投放场景下的全模态序列数据，包含丰富的协同 ID 及文本 / 视觉的多模态信息（已通过公开预训练模型抽取 embedding 保证数据安全）。
大赛的评委阵容相当豪华，包含学术产业界大咖：
胡事民 清华大学教授 中国科学院院士
金国庆 香港中文大学计算机科学与工程系教授
崔斌 北京大学教授 计算机学院副院长
文继荣 中国人民大学教授 高瓴人工智能学院执行院长
蒋杰 腾讯公司副总裁
顾海杰 腾讯广告商业推荐部 / 商业数据部总经理
俞欢 腾讯广告商业 AI 部 / 广告工程部副总经理
肖磊 腾讯广告商业推荐部副总经理
奖励部分，比赛提供高额奖金、腾讯就业 / 实习机会。
高额奖励： 高达 360 万人民币的总奖金池；
腾讯就业 / 实习机会： 高校赛道，前十支队伍将有机会获得腾讯直通 offer / 实习绿通机会。
更关键的是，还能与产业专家直接交流、深入了解实际需求。
往届参赛选手 Zhang 同学就表示，这场比赛能让人跳出学术项目的局限，直接接触真实业务数据，能很好培养广告思维和业务敏感度。
Li 同学也提到，参加比赛让他接触到了工业界腾讯的真实数据、真实问题、真实解决方案，为毕业后工作打下了很好的基础。
前十名可以免费来腾讯总部参加答辩，那个时候可以跟腾讯的一线工程师、技术专家沟通交流，机会挺难得的。
当然，丰厚奖金就更不用多说了，对于大部分在校生而言都是一笔不小的收入。好的名次更是能获得腾讯校招的绿色通道 offer，能让简历更优先被关注。
总之，这是一次技能、眼界双重开拓的好机会~
现在，大赛报名已经开启，具体赛程如下：
报名时间：6 月 16 日 - 7 月 31 日
初赛（线上）：8 月 1 日 - 9 月 15 日，提交代码并冲击 HitRate@K 榜单；
复赛（线上）：9 月 16 日 - 10 月 31 日，挑战更大规模数据集，前 20 强晋级决赛；
决赛（线下・深圳）：11 月，现场答辩并角逐最终名次，与顶尖技术专家面对面交流。
现在已经有非常多队伍报名参赛。
有人可能会担心，这么多人一起参赛算力不够怎么办？
6 月 19 日，腾讯的技术专家们在直播中表示，腾讯广告算法大赛将基于自研的 Angel 机器学习平台，为选手提供充足的算力资源，选手完全不必为算力担心。其中，每个算力单元动态调度，多提交赛题即可多占用资源。
AI 时代开启，新机遇层出不穷，生成式 AI 广告的 “搞钱” 路径已经逐渐明朗了。
所以，还等什么呢？
更多比赛信息，可移步大赛官网了解（点击阅读原文或点击文末 banner）：
欢迎在评论区留下你的想法！
— 完 —
