冠军队独享200w？这波是冲大学生来的，超千支队伍已组队报名

明敏
2025-06-23
20:52:12

来源：量子位

明敏 发自 凹非寺

量子位 | 公众号 QbitAI

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。

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。

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）：

https://algo.qq.com

Read More