旧规则失效：AI正在吃掉传统广告位

Pew研究中心针对美国Google用户的大规模行为分析显示：只要搜索结果里出现AI摘要，用户点击传统网页的概率就会从15%直接暴跌到8%，几乎腰斩。

用户已经开始在对话里直接完成信息探索、产品比较，广告也随之迁移：OpenAI正式上线了ChatGPT Ads，Google也把广告塞进了AI Overviews，用赞助卡片的形式延续旧搜索时代的变现逻辑。

但过去三十年在线广告的底层逻辑是先有固定广告位，再拍卖决定归属：搜索排名、信息流展示位都是预先定义好的机会。可大模型的回答是逐字实时生成的，品牌能不能出现、在哪个位置出现、用什么方式介绍，全由前面生成的内容决定——先讲价格还是先讲体验，都会让用户对品牌产生完全不同的印象。

【编辑观察】相当于广告机会不再是提前摆好的货架，而是跟着AI写回答的过程“长”出来的，旧拍卖方法自然不好使了。

每生成一个Token，就完成一次竞价

来自人大高瓴人工智能学院和斯坦福大学的团队，直接把广告竞争推进到了Token生成的最小颗粒度，提出了名为LAMA（潜在广告主混合拍卖）的机制，核心思路就是生成即分配：内容生成和广告分配同步演进，每写一个Token，既影响回答后续的走向，也决定广告主的曝光概率。

广告主争夺的早已不只是最终的曝光位，还有回答的叙事方向：同样是推荐度假地，先聊交通还是先聊住宿，都会让不同类型的广告主拿到后续竞争优势。广告主既可以调整出价影响当前生成，也能根据已经写出的内容动态调整后续策略。

具体运行时，广告主只需要针对当前文本报告“接下来按这个方向写，对我有多少价值”，平台会把这些价值和原生大模型的生成逻辑结合，逐Token生成回答，同时实时更新所有广告主的最终曝光概率：新生成的内容越贴合某个广告主偏好的方向，它拿到曝光的概率就越高。等整篇回答生成完毕，再按最终概率选出赢家，给赢家挂外链或者赞助卡片。实际落地时这些价值计算可以由平台模型代劳，和现在的自动出价服务逻辑类似。

为了防止广告主“中途变卦”玩套路，LAMA还配套了局部报告校验和动态支付规则：

  • 校验规则：每一步都会核对广告主的前后价值报告，广告主对后续写法的价值判断总和，必须和上一步的报告一致，从机制上限制随意改口。
  • 支付规则：如果某一步让广告主的曝光概率和后续收益变高，就扣除对应费用；如果变得不利则发放补贴，最后和初始费用统一结算。

这套设计满足马尔可夫占优策略激励兼容：不管其他广告主怎么操作，只要广告主一开始如实报告价值，那么在生成的任何阶段继续说真话，收益都不会比撒谎更低，诚实要求贯穿了整个生成过程。同时机制还自带社会福利保证，会把“广告偏离原生回答的程度”作为惩罚项纳入计算，约束广告不能为了出价过度影响内容、牺牲用户体验。

【编辑观察】等于从根上堵死了“低价进场、中途抬价截胡”的骚操作，广告想影响内容可以，但得合理付费还不能跑偏用户需求。

实测数据：三方共赢不是纸面理论

研究团队用1239条来自真实商业场景的搜索查询做了验证，覆盖健身、度假、汽车三个高频广告场景，每个场景都设置三个广告主竞争。实验以Qwen3-14B为基座模型，从平台收益、用户体验、广告主价值三个维度做了综合评估。

结果显示LAMA在四项核心指标上全部拿到第一：平台收入比现有最优方案提升10.7%，广告主整体价值提升3.8%，还完全没有牺牲用户体验。

团队给出了一个非常直观的度假场景案例：用户查询“世界上最好的海滩度假地”，无广告的参考回答只客观介绍目的地和出行规划因素；LAMA生成的回答里，前段自然提到了Expedia，后段提到了Tripadvisor，两个品牌交替影响生成方向，但整体内容依然流畅自然，信息量和参考回答没有明显差距。

最终Tripadvisor拿到了这次的唯一曝光位，原因也很合理：Expedia在前文只是引出目的地的品牌锚点，而提到Tripadvisor的内容明确讲清了产品价值——可以比较目的地、看游客评价、筛选住宿和体验项目，平台的概率更新机制准确捕捉到了这种价值差异。

团队还做了出价扰动测试：固定其他广告主出价不变，只调整目标广告主的报价高低，结果非常符合直觉：报价越高，广告主能影响的Token占比、最终曝光概率和需要支付的费用都会同步升高，但广告主的真实期望收益，刚好在诚实报价的时候达到峰值。谎报高价抢来的额外曝光，会被更高的支付成本抵消，反而得不偿失。

大模型时代的广告该是什么样？

生成式广告最适合的落脚点，本来就是用户主动寻求商业建议的场景：购物时当数字导购帮着比价、出游时推荐合适的酒店、帮用户挑选工作流里的付费工具，只要有清晰的广告标识、不歪曲客观事实、真正回应用户需求，广告本身就不会成为打扰。

过去拍卖的作用，是决定谁能拿到一个已经存在的广告位；而LAMA这类新机制，已经可以直接决定广告机会如何在回答中诞生。从“分配固定位置”到“生成即分配”，这套思路给大模型原生广告的落地，指出了一条可行的新路径。

【编辑观察】以后AI给你推荐球鞋、规划旅行时，看似随口提到的品牌，背后可能已经走完了几十轮微型竞价，是不是突然觉得那些AI回答更有“心机”了？