文章核心观点 生成式人工智能正在全球范围内深刻重塑广告产业的底层逻辑、生产模式和用户体验，推动行业从程序化广告向智能广告系统演进，实现从广告生产、投放到效果归因的全链路智能化变革，并在此过程中引发流量入口、素材生成、投放机制及行业角色等多方面的结构性变化 [3][4][6] 流量入口重构 - 人工智能助手（如Siri、小爱）正在被重塑为“超级入口”，通过“去皮化”操作（如不打开App直接完成点外卖）削弱了传统超级App对流量分发的控制权 [7] - 广告分发路径正从以App为中心转向以人工智能代理为中心，导致用户接触点更碎片、广告投放入口更加多元，平台广告生态结构或将重构 [7] 素材生成自动化 - 生成式智能技术已广泛应用于文案撰写、图像延展、短视频自动拼接等基础任务，大幅提升了广告素材的生产效率和质量 [8] - 生成式召回通过理解创意内涵，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，推动广告范式从“千人千面”向基于实时场景的“一人千面”演进 [8] - 人工智能技术正在打破高质量内容生产的门槛，使中小品牌有机会加入原本成本高昂的营销战场 [8] 个性体验极致化 - 人工智能生成广告的目标是实现“一人千面”，即真正理解每个用户的语境、场景、偏好，并实时生成定制内容，例如谷歌Gemini模型可根据复杂查询生成带有推荐理由的产品列表 [9] - 广告版本可随用户语境变化实时生成，实现“交互即投放”，广告角色从“刺激点击”转变为“促成决策” [9] - 购物智能体的兴起进一步缩短转化链路，用户可直接在与机器人对话中完成比价、下单甚至支付 [9] 广告投放机制变革 - 生成式智能正逐步渗透广告投放的底层机制，对点击率、转化率、竞价模型等核心环节带来变革 [10] - 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，实现从流量逻辑向兴趣逻辑的转变 [10] - 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，推动了平台业务的显著增长 [10] 广告代理商角色转型 - 人工智能正在取代代理商大量重复性、执行性工作（如批量文案生成、素材改图），促使代理商将精力转向提示词工程、消费者洞察、创意策略调度等高附加值环节 [11] - 代理机构角色从内容生产者转变为“模型优化师”、“智能素材编排师”，专注于提示词优化、A/B测试策略、内容微调等创新服务 [11] - 专注于广告模型开发、投放链路优化、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 [11] 人机协作模式升级 - 生成式人工智能正从“生成工具”升级为“实时协作者”，以“智能体”等新形态推动数字广告生产模式从程序化向人机实时协作转变 [12] - 例如腾讯“妙思”、“妙问”等智能体产品，可在脚本初稿、分镜设计等环节与创作人员同步迭代，并提供即时可视化素材 [12] - 智能体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，在保证量产效率的同时显著缩短高品质广告的试错周期 [12] 技术应用与行业案例 - 谷歌在2025年I/O大会上发布的“AI模式”将Gemini模型深度嵌入搜索、推荐与广告生成流程，展示了广告从“被动呈现”到“主动交互”的转变 [3] - 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 [3] - 在跨境电商广告投放中，生成式智能技术被广泛应用于人群洞察、素材生成与多平台投放策略优化，显著提升了投放精准度与人力资源效能 [4] - 部分品牌通过虚拟数字人开展可控化内容投放，持续产出直播内容以降低人力成本，并规避广告代言人“人设塌房”风险 [4] - 企业借助腾讯“转化宝”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 [4] - 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 [16] - 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 [16]

作者 | AICon 全球人工智能开发与应用大会 策划 | 罗燕珊 编辑 | 宇琪 当大模型从通用技术探索深入产业场景，搜索、广告与推荐系统作为连接用户需求与业务价值的 核心链路，正迎来全链路智能重构。那么，生成式推荐真正落地后的关键挑战是什么？又应该如 何解决？ 近日 InfoQ《极客有约》X AICon 直播栏目特别邀请了 京东内容推荐架构负责人颜林 担任主持 人，和 荣耀 AI 算法专家冯晓东、京东算法总监张泽华、中科大计算机学院副教授王皓 一 起，在 AICon 全球人工智能开发与应用大会 2025 北京站 即将召开之际，共同探讨生成式推 荐的落地洞察。 部分精彩观点如下： 完整直播回放可查看： https://www.infoq.cn/video/0ViWrdqyQwNvO7TdQpyD 以下内容基于直播速记整理，经 InfoQ 删减。 行业真正做到端到端的统一 pipeline 仍有较大差距，更多工作还是在 pipeline 的单点与大模型 结合。 搜广推场景中的 scaling law 依然成立，并且仍在快速上升阶段。 低价值场景用小模型覆盖，高价值场景用大模型争取额外收益。 不应拘泥于某项技术 ...

直播核心信息 - 直播主题为大模型时代下的搜广推系统实践 探讨生成式推荐如何上量等关键挑战 [2][4] - 直播时间为11月26日20:00-21:30 嘉宾来自荣耀 华为 京东及中科大等企业与学术机构 [3][4] - 直播将提供120+大模型实战干货解析 覆盖金融风控 智能制造 零售推荐等多行业应用案例 [7] 行业核心挑战与议题 - 生成式推荐落地后关键挑战包括 scaling law 在搜广推场景的有效性边界及线上推理延迟与成本的平衡 [2][4] - 大模型正推动搜索 推荐与广告系统进行全链路升级 多模态与行为大模型如何融入全链路成为焦点 [2][4][7] - 行业关注生成式内容 特征及策略在推荐与广告系统中的实际价值与应用路径 [4][7]

生成式推荐新范式概述 - 传统“召回+排序”级联式推荐架构收益触顶，生成式推荐成为行业热门话题[2] - 生成式推荐利用层次化语义ID表示用户历史序列，直接生成用户下一批可能交互的物品列表，显著提升模型智能上限并引入Scaling Law可能性[2] - 快手OneRec通过端到端推荐大模型实现资源可控且带来真实线上收益的推荐革命[2] MiniOneRec开源框架核心贡献 - 提供生成式推荐领域首个完整开源方案，实现全链路、一站式、端到端训练与研究平台[4] - 代码、数据集、模型权重全部开源，仅需4-8卡A100同级算力即可轻松复现[6] - 框架提供丰富SID Construction工具箱，集成RQ-VAE、RQ-Kmeans、RQ-VAE-v2等先进量化算法[9] 生成式推荐Scaling Law验证 - 在Amazon Review公开数据上训练从0.5B到7B的模型版本，验证模型规模增大时训练损失和评估损失持续下降[7][8] - 结果显示生成式推荐范式在参数利用效率上具有优势[8] 世界知识对推荐性能的影响 - 引入大模型世界知识能显著提升生成式推荐性能[13] - 基于预训练LLM初始化并进行语义对齐的MiniOneRec性能始终优于未对齐变体，表明通用序列处理能力和世界知识带来显著额外收益[15] - 框架将SID token添加至LLM词表，在SFT和RL阶段共同优化推荐与对齐任务[16] 面向推荐的强化学习优化 - 采用Constrained Beam-Search替代传统采样策略，高效生成多样化候选物品[21] - 在准确性奖励外引入排名奖励，对高置信度困难负样本施加额外惩罚以强化排序信号区分度[21] - 在同一Amazon基准上，MiniOneRec在HitRate@K和NDCG@K指标上全面领先传统推荐、生成式推荐及LLM推荐范式[22] 生成式推荐行业应用与展望 - 行业存在“改革派”与“革命派”两条路径：美团MTGR、淘天URM利用生成式架构能力进行增量改进；快手OneRec则颠覆传统方案实现端到端生成[25][26] - 生成式范式已在部分大厂走出可行性验证阶段，开始创造真实业务收益[27] - 生成式推荐展现出作为下一代推荐系统新范式的显著潜力[24]

十月稻田公司深度报告核心观点 - 报告核心观点为健康饮食行业趋势下，十月稻田通过持续孵化爆品和发力高势能渠道驱动快速增长 [1][6] - 预计公司2025-2027年营业收入分别为69.51亿元、83.71亿元、98.84亿元，同比增速分别为+21%、+20%、+18% [6] - 预计公司2025-2027年净利润分别为4.16亿元、7.03亿元、8.50亿元，同比增速分别为+103%、+69%、+21% [6] - 预计公司2025-2027年经调整净利润分别为6.16亿元、7.53亿元、9.00亿元，对应PE分别为12.3x、10.1x、8.4x [6] 十月稻田公司增长逻辑 - 公司增长超预期点包括新品销售超预期和新渠道放量超预期 [6] - 除大米产品外，玉米产品成为第二成长曲线，玉米浆包、饭团等新品契合健康减脂需求 [6] - 灵活的渠道策略是公司重要竞争优势，发力山姆、胖东来、小象超市等高势能渠道 [6] - 公司业绩增长催化剂包括玉米浆包、饭团等新品销售放量以及拼多多、小象超市等新渠道放量 [7] 机械设备行业策略核心观点 - 行业核心观点为周期反转、成长崛起、自主可控 [8] - 观点变化为贸易战硝烟再起，重视自主可控、低估值标的 [8] - 驱动因素是自主可控重要性凸显，国产替代势在必行 [8] A股策略周报核心观点 - 核心观点预计后续有部分资金进行风格切换和行业再平衡，建议绝对收益资金关注大金融、地产、中字头基建、红利等 [9] - 市场看法为双创指数已有效跌破上升趋势线，后市大概率进行周线级整理，而上证和上证50仍保持在趋势线上方 [9] - 驱动因素是指数走势分化，大金融（尤其券商）将是权重指数重新展开攻势的核心变量 [9] 国防军工行业策略核心观点 - 核心观点为军工板块内需确定性增强，外贸空间打开有望估值重估 [10] - 市场看法为板块估值处历史较高分位，若短期涨幅过大或有风险 [10] - 观点变化为预计25Q3业绩增速或超预期，内需装备加速现代化，军贸引领价值重估 [10] - 驱动因素包括军工订单落地、十五五规划确定、军贸拓展进度等 [10] 通信行业策略核心观点 - 核心观点为持续看好25Q4通信板块机会，全球算力投资有望保持高景气，关注卫星互联网、运营商等板块结构性机会 [10] - 市场看法为通信行业稳健增长，算力持续高景气 [10] - 观点变化为运营商主营业务持续改善，卫星互联网有望打造新成长级 [10] - 驱动因素包括国内商用火箭试飞成功 [10] 互联网电商行业深度核心观点 - 主要事件为AI时代互联网搜推模型向生成式推荐演进，该技术潜力大并蕴含巨大商业价值 [11] - 生成式推荐能为互联网厂商带来新的技术红利，有望突破深度学习的技术瓶颈 [11] - 预计未来2-3年，生成式推荐将大范围实现业务场景落地，拥抱该技术的公司能实现可观的、超越行业平均的商业价值 [11] - 相关重点公司包括阿里巴巴、快手、腾讯、哔哩哔哩等 [11] - 技术催化剂包括Meta广告转化率提升、国内互联网厂商全量落地生成式推荐、技术理论进步 [11]

阿里妈妈LMA 2广告大模型系列 - 阿里妈妈LMA 2广告大模型系列中的URM通用召回大模型在TongAI大会上首次国内亮相 [1] - 该模型属于AIGR（生成式推荐）领域的最新进展 [1] TongAI大会 - 首届国际通用人工智能大会TongAI大会成为阿里妈妈展示技术成果的平台 [1] - 大会聚焦通用人工智能领域的前沿技术发布 [1] 技术进展 - URM通用召回大模型是阿里妈妈在生成式推荐技术上的重要突破 [1] - 该模型属于LMA 2广告大模型系列的核心组成部分 [1]