大模型正在吃掉搜索广告位，下一代广告该怎么做？人大高瓴、斯坦福把拍卖写进Token生成过程
根据皮尤研究中心对美国用户在谷歌上大规模浏览行为的分析，一旦搜索结果中出现AI生成的摘要，用户点击常规网页的几率几乎减半，从15%骤降至8%。
用户正通过对话完成探索和比较，广告也随之迁移。OpenAI已正式推出ChatGPT Ads，谷歌也在AI Overviews中引入广告，它们为回答添加赞助商标识，延续了搜索引擎时代的模式。然而，信息获取方式的范式转变，促使人们重新思考广告的形态：当信息媒介从整页搜索结果变为实时生成的回答时，广告究竟应拍卖什么？
三十年来，在线广告一直基于一个默认前提：广告位先存在，拍卖再决定谁获得它。搜索结果的排名、信息流中的展示，都是预先定义的机会。但大模型的回答是逐字生成的：某个品牌是否适合出现、在哪里出现、如何介绍，都取决于之前的内容。甚至先谈价格还是先谈体验，都可能给产品带来截然不同的印象。
因此，生成不仅是填充广告机会，还在塑造广告机会。在这个新范式下，已有研究探索段落级广告插入、候选回答竞价等拍卖方式，而来自中国人民大学高瓴人工智能学院和斯坦福大学的研究团队，将大模型原生广告的竞争进一步推进到逐Token的生成过程中。他们提出的LAMA，让内容生成与广告分配一同演变：每当生成一个Token，都在实时影响回答如何续写，也在影响最终谁获得广告曝光。这就是“生成即分配”的核心思路。
大模型每写一个字，都是一次竞价过程
将广告拍卖推进到Token级，广告主争夺的就不只是最后的曝光机会，还有回答接下来往哪个方向写。例如，推荐度假目的地时，先谈交通还是先谈住宿，可能让不同广告主在后续竞争中占据优势。广告主因此获得新的策略空间：不仅可以调整报告来影响当前生成，还能根据已写内容随时改变后续策略。
这对机制提出更高要求：不仅要让广告主在开场时提供真实价值信息，还要在生成途中继续说真话。同时，回答不能只顾迎合出价而偏离用户问题。
LAMA的全称是“潜在广告主混合拍卖”。它让广告主针对当前文本报告“接下来这样写对我有多大价值”，再结合原始语言模型，形成各广告主偏好的生成策略。平台据此逐Token生成回答，并不断更新各广告主最终获得曝光的概率：新写出的内容越符合某位广告主偏好的方向，其分配概率就越高。回答结束后，再按最终概率选出赢家，给予外链或赞助卡片等曝光。实际部署时，这些价值报告可由平台侧模型代为计算，类似今天的自动出价服务。
如何防止广告主“中途变卦”？LAMA设计了配套的局部报告校验与支付规则。校验关注前后报告是否一致：广告主对下一步不同写法的价值判断，汇总后必须与此前对当前文本的报告一致。平台每一步只需局部核对，就能限制广告主随意改口。支付则随生成过程调整：某一步让广告主获得曝光的概率与后续价值合起来变得更有利，就产生费用；变得不利，则提供补贴，再与初始费用结算。这样，影响生成、争取曝光和承担费用就联系在一起。
这套机制满足“马尔可夫占优策略激励兼容”：无论其他广告主采用什么策略，只要一位广告主此前如实报告，那么在任何可达的生成状态下，继续如实报告都不会比后续改用其他策略更差。诚实不仅适用于开场报价，还能贯穿回答的生成过程。同时，LAMA还有社会福利保证：以广告价值减去偏离原生回答的惩罚项为目标，其与理想最优机制的差距有明确的理论上界，约束广告对用户体验的影响。
从每一步怎么写，到最终谁获得曝光、支付多少，LAMA将它们纳入同一套机制。这正是“生成即分配”的含义。
理论很圆满，实际效果怎么样？
研究团队选取Webis Generated Native Ads 2024数据集中的1239条真实商业搜索查询做概念验证，覆盖健身、度假和汽车三个场景，每个场景都是三广告主竞争环境。实验使用Qwen3-14B作为参考语言模型，通过LoRA训练得到广告主共享的报告模型。广告价值来自开源预测模型，用户体验则根据GEM-Bench的相关性、信息量、流畅连贯、广告自然度、广告事实性和侵入性等指标评估。基线方法包括生成前后两种分配方式，搭配原生内容、编辑插入、强化学习策略三种生成方法，以及答案级聚合机制MOSAIC。
LAMA在四项指标上都达到最高，不仅实现平台收入（+10.7%）和广告主价值（+3.8%）的双赢，而且未牺牲用户体验。
具体看度假场景的查询“best beach vacations in the world”。不含广告机制的参考回答只讨论目的地和规划因素；LAMA生成的回答中，前段出现Expedia，后段出现Tripadvisor，生成过程中广告主不断交替控制权，但回答依然自然流畅。生成结束后，Tripadvisor的分配概率显著更高，被选为最终赢家。为什么是Tripadvisor？Expedia在前半段更像引出目的地的品牌锚点；提及Tripadvisor的句子则直接讲清产品功能：比较目的地、查看游客评价、筛选住宿与体验，价值表达更完整。平台的分配概率更新敏锐捕捉到这一点。
研究团队还做出价扰动实验：固定其他广告主报告，只调整目标广告主的报告。结果符合直觉：报得越高，其贡献的Token比例、分配概率和支付就越高。然而，真实期望效用不会无限增大，而在诚实报告时达到峰值。谎报抬价虽能在回答中抢到更多影响，却因更高支付而得不偿失，这正体现了“激励兼容”的理论保证。
结语
生成式广告适合出现在哪里？一个自然的落脚点，是用户本来就在寻求商业建议的场景：购物时通过数字导购比较商品、出游时挑选酒店，或让智能体选择工作流中的付费工具。当商业信息回应实际需求、有明确广告边界标识且不破坏事实时，它更可能被接受。LAMA所探索的，正是如何把这种愿景下的机制实现出来：让广告主在生成过程中竞争，同时用规则约束策略行为、平衡商业价值与回答质量。
过去，拍卖决定谁获得一个已存在的广告位。如今，机制还可以决定广告机会如何在回答中形成。从“分配位置”迈向“生成即分配”，LAMA为大模型原生广告机制提供了一条新设计路径。值得一提的是，今年会官网也关注到这一前沿方向，并在相关技术研讨中探讨了类似机制的落地可能性。
作者信息
刘涵冰（第一作者）：中国人民大学高瓴人工智能学院三年级硕士生，导师为祁琦教授，研究方向为生成式人工智能中的智能决策与机制设计，预计2027年毕业。工作发表在WINE、ACL、SIGMOD等顶级会议上。主页：https://tokgoleo.github.io/home/
祁琦（通讯作者）：中国人民大学高瓴人工智能学院长聘教授，国家高层次青年人才，CCF计算经济学专委副主任委员（执行）兼办公室主任。博士毕业于斯坦福大学，师从叶荫宇教授。研究方向包括算法博弈论与机制设计、大模型与智能体、多智能体系统、优化与智能决策等。研究成果大量发表在顶级期刊如MS, OR, MOR, GEB, TR-B和CCF-A类会议STOC, ICML, NeurIPS, ICLR, ACL, AAAI, KDD, SIGIR, WWW等。同时长期与百度、阿里、腾讯、美团、字节、滴滴、华为、OPPO等企业开展深度合作，围绕在线广告、智能营销、优惠券优化和用户增长等核心业务，推动大模型、机制设计与多智能体决策技术在亿级用户规模的真实场景中落地。主页：https://ai.ruc.edu.cn/szdw/zrjs/qq/index.htm
参考资料
- Pew Research Center, Google users are less likely to click on links when an AI summary appears in the results, 2025-07-22: https://www.pewresearch.org/short-reads/2025/07/22/google-users-are-less-likely-to-click-on-links-when-an-ai-summary-appears-in-the-results/
- OpenAI Help Center, Ads in ChatGPT, accessed 2026-09-04: https://help.openai.com/en/articles/20001047-ads-in-chatgpt
- Google Ads & Commerce, More opportunities for your business on Google Search, 2025-05-21: https://blog.google/products/ads-commerce/google-search-ai-brand-discovery
本文来自微信公众号“机器之心”，36氪经授权发布。