过去一年，AIGC在各行各业掀起了一场技术变革浪潮，而AI+营销可能是最早实现落地和商业变现的领域。

目前， AIGC正逐渐成为企业营销不可或缺的一环。 AIGC为广告制作模式带来了哪些改变？能否提高素材爆款率？伴随AIGC发展成熟，广告从业者的核心价值体现在哪？

带着这些问题，我们邀请了四位信息流广告领域的专业人士聊了聊，其中两位来自品牌方、两位来自信息流广告服务商。

他们在过去一年均深入探索了AIGC如何为广告提质增效。通过这次对话，我们期望能够更全面地了解AIGC对广告行业带来的深刻变革。

鉴锋： 零一数科CEO。零一数科是品牌微信生态全链路服务商，帮助众多品牌运营公众号、小程序、企业微信、视频号，服务超过500个国内外知名品牌，目前，零一在小程序、企业微信和视频号的代运营服务商中的GMV排名均为第一。

崔世杰： 某广告服务商 AIGC 商业化负责人、资深开发、作家。在全平台研发领域拥有多年一线经验，擅长Web、跨端、AIGC技术，熟悉多种编程语言。负责过多个领域项目开发，包括智慧医疗、智慧城市、直播、广告等。

韩文静： 资深信息流优化师、某漫画公司高级运营。具有4年甲方经验，3年乙方经验，2年团队管理经验，擅长小说、短剧、旅游行业信息流广告投放，年操盘投放金额6000万。

王飞宇： 蔚车用户运营总监。蔚车是一家汽车新零售平台，连续三年，业绩呈翻倍增长，目前，蔚车有过半以上成交来自线上，主要通过深耕线上内容获取线索作为客源支持。

01 谈改变：工作模式变了，效率更高了

Q：过去一年，科技公司都在发力AIGC，这一技术也确实带来了内容生产方式变革。我们想了解一下，你们在AIGC应用于广告方面具体做了哪些探索？效果如何？

鉴锋： 我们去年购买了很多AIGC软件，仅年费总投入接近100万。

最先受益的是设计师团队， 因为在进行营销活动时，需要大量图片制作。我们原计划今年再招聘15名设计师，但引入AIGC后，我们调整了招聘计划。原本需要5名设计师一周完成的基础工作量，如今两三天时间就可以完成。这样，设计师也有更多时间，去思考打磨创意。

崔世杰： 我们去年1月开始使用AIGC。具体是结合自身广告投放流程，整合 AIGC功能，同时将 AIGC 接入程序化平台，以提升素材处理效率。

王飞宇： 我主要负责用户增长，就是在社交平台用营销内容获取用户。目前，我们用AIGC，并不是为了生成品牌宣传创意脚本， 更多是对营销内容铺量提效。

我们自去年7月开始通过用AIGC辅助生成内容。具体方式是，当内容策略同学在平台上试验成功一种内容形式，就会通过ChatGPT、Midjourney等工具生成相似内容，进行铺量。

韩文静： 我目前是在漫画公司甲方，专注于信息流投放，以效果广告为主。

我们去年1月尝试使用AIGC，但由于预算有限以及效果不好，就慢慢舍弃了。效果不好是说，这些软件对于一些特殊漫画主题的关键词识别理解不够准确。

去年11月，因为被邀请参与腾讯广告妙思内测，而且免费，我们才又开始使用AIGC。我们感觉这个产品对文字的理解相对更准确，因为它有自己的大模型，有广告主和行业数据，产出图片点击率更优。

Q：整体体验下来，AIGC对广告从业人者的工作模式带来了哪些改变？它的优势什么？

韩文静： 以小说投放为例。过去广告形式主要是呈现精彩章节的文字滚屏或者混剪素材，但这种形式可能已经接近疲软，点击率低，只有1%到3%。

而且还需要设计师在电商APP、短视频平台、电影、电视剧中找图、抠图。但问题是图片不够清晰，给用户一种粗制滥造的感觉，另外也不够有场景。

小说行业也曾经尝试使用真人实拍，希望通过视频呈现，但一方面租场地、请演员等成本高，另一方面由于不是专业演员，废片率高、修改成本大。

但是大家可能忽略了一件事，图文在腾讯广告投放大盘上占比一直不低，是小说行业不能忽略的素材形式，而且生成成本低，速度快，周期短，能快速验证书单和投放策略。

所以，现在只需要梳理小说故事情节，然后将关键词输入给腾讯广告妙思，让它生成相应场景图。比如，我输入关键词“穿盔甲将军吐血，身材魁梧，战斗背景，高清图”，图立即就能生产出来。

合适的场景化、具象化的图片，能够更强有力直接地吸引用户的注意力，提高用户沉浸感，因此推广效果也更好——采用这种形式的广告点击率达到5%以上。

崔世杰： 一是解决广告素材版权难题。

在传统工作流程中，素材收集占据很大一部分工作量，而且这个素材必须没有版权问题、可以商用。AIGC的接入解决了广告素材的版权问题。

二是丰富广告素材资源库。

广告行业创意审核要求非常严格，比如，电商品类广告中，人物姿势不能有诱导性等。这种严格的审核要求使得素材资源的收集变得更为复杂和受限。

同时，由于广告创意需要不断创新，给用户带来新鲜感，所以素材成为一种消耗品，符合要求的素材越来越少。

AIGC通过使用prompt和扩散模型参数，可以生成符合业务需求和风控要求的资源，丰富资源库。

三是更加自动化。

一旦数据链路打通，形成闭环，后链路数据将能指导前端素材生成，实现自动化流程。 这种自动化流程意味着人的干预更少了，他们需要过渡到另一种工作模式，将更多任务委托给自动化流程。

Q：有没有具体可感知的案例或数据，能够说明AIGC确实可以降本增效？

鉴锋： 过去，商务需要搭配设计师和客户沟通，现在商务可以直接与客户交流，询问客户喜好，然后自己出素材方案，省去一个售前岗位。但目前这种模式还没有完全实施，因为AIGC能力仍在爬坡阶段。

崔世杰： 举例来说，传统投放流程需要一个优化师和两个剪辑师合作，我接触的比较优秀的剪辑师日产量约为150个素材，包含文案配图和视频。考虑到团队规模扩大，如果有10个优化师，就需要20个剪辑师跟上素材生成需求。

但AIGC 的接入使得剪辑师的需求大幅减少，人力成本降低，同时为优化师提供更多素材选择， 辅助他们在广告创意方向上做出更好的决策。

王飞宇： 我们一共有60多个账号，过去需要每个同学花费大量时间做素材，现在一个人使用AIGC工具，在两个多小时内生成100多个素材，但这些由AI生成的内容可能存在失真，仍然需要人工进行修正。

韩文静： 我们之前制作广告素材时，流程相对繁琐。

首先需要给设计师下需求，并详细说明所需素材要求和元素，设计师得到需求后还会进行内部排期。

在制作过程中，可能会反复修改，要么因为不满意，要么平台审核未通过。出图周期最快是两天，慢可能需要3-4天，但我们每天需要保证制作50-100套图。

但自从使用腾讯广告妙思，图的生成速度明显提升，生成 6 张图只需要 10 秒，一上午就能生成所有我想要的图。

02 谈创意：AIGC能提高内容爆款率吗？

Q：现在信息流广告存在一种内卷现象，优化师都在复制爆款、堆素材，那么，AIGC的出现，会让广告同质化问题加剧，还是促进更多新创意的爆发？

韩文静： 现在大家都在卷素材，然而在追求数量的同时，不可避免地牺牲了质量。

有些团队会敷衍出图，对图片小改动就直接提交。这种做法可能导致点击率不高，并且平台拥有识图能力，重复度较高的素材会降低账户权重。

AIGC优势在于能够高效生图，并且保证每个图都不重复。即使关键词一样，每次生成的图都独一无二。

包括对爆款的“复制”也一样，现在腾讯广告妙思有一个功能，可以在爆款素材基础上去换人脸、换造型等，让好的创意经验得到复制和推广。

鉴锋： AIGC并没有导致同质化问题， 即使没有AIGC，广告同质化现象也会存在。只是有了AIGC，会加速同质化过程，进而反向迫使我们作出更多创意。

这是因为消费者总是追求新鲜感，所以当爆款广告素材加速被曝光，也会促使我们去想更多新创意。

Q： 广告效果受预算、出价、素材、投放策略等很多因素影响，其中广告素材影响也非常大，从您的经验来看，优质广告素材有什么特点？AIGC能否提高爆款率？

崔世杰： 不同目标人群、产品特性和地域差异都会对广告效果产生重大影响，素材并不起决定性作用。 广告优化师的核心价值在于，需要区分并深入理解不同场景，从而作出最优投放策略。

举例而言，三亚人群对羽绒服广告可能不感兴趣，年轻人可能更喜欢带有炫酷视频特效的广告，这种视觉冲击力可能更有利于提高转化效果。

从素材生成量角度来看，原本一个优秀的剪辑师一天只能产生大约150个素材，但有了AIGC+程序化平台之后，单台算力单天生成量极限可以达到上万个，而且还具备进一步扩展的潜力。那么，随着量级提升，生成爆款素材概率也会相应上升。

韩文静： 素材质量是筛选和吸引用户的关键因素。用户只有对素材感兴趣，才会点击，从而激活、留存，甚至付费。

信息流广告特别强调“原生”，要接地气，符合用户日常体验，避免品牌化调性。 其实腾讯广告妙思刚灰度测试时，生成的图片还有一点动漫风，不是很真。但是就在这两三个月，它给到的素材质量已经明显提升，比较“原生”了。

其次，素材需要契合平台跑量模型。在上传素材至账户、进入跑量池之前，平台会进行预判，评估素材的潜在贡献流量。

最后，广告素材应基于对产品调性的深刻理解，以确保广告内容契合用户期望，从而提高转化率。

王飞宇： 一个素材最终能不能爆，与内容质量关联非常大，但也会有其他因素影响。我们之所以建立营销账号矩阵和内容矩阵，实际上就是通过数量来对抗平台算法的不确定性。

当然，内容也很重要。未来平台投放趋势，也许会把算法的不确定性进一步降低，希望大家更重视创意，以创意撬动增长。

而AIGC让内容数量和创意质量都提了上来，因此能提高爆款率。 比如使用AIGC前，每天只能产出6-8个内容，而且会占用大量时间和精力，但现在一个人一天就能产出十几篇内容，这其中就会产生一个“爆款”。

但需要明确的是，我们对于“爆款”的定义与品牌逻辑不同。我们不追求曝光、点赞或收藏等表面数据，更关注评论和私信量等。如果一篇内容能够吸引50个以上潜在客户，这就是一篇“爆款”。

鉴锋： 生产即内容，内容即社交。优质内容需要考虑如何吸引眼球以及激发用户分享。

我们为内容生产制定标准化框架，包括场景规划、画面填充等。在这个过程中，要注重抓眼球的反常识元素，力求让用户在第一时间就产生共鸣。

此外，文案撰写也是关键，确保内容能够引发用户分享欲望，以推动自然量增长。但如果目标是直接引导用户交易，就会更关注出价、ROI和转化率，这时候广告结尾就不会调动用户社交，而是直接硬广。

在短视频中，广告素材关键指标包括完播率、用户转发、停留时间以及广告消耗ROI等，这些因素互相关联，决定了素材能不能成为爆款。

AIGC应用可以提升广告素材生产效率，速度提高了1.5倍，这样相同出价情况下，我们就可以更快迭代素材，提高爆款效率。

03 谈刚需：能够加速审核，根据热点提供创意方案

Q：目前AIGC在广告行业的应用有哪些痛点，您理想之中的AIGC广告创意平台，应该满足哪些需求？

崔世杰： 目前AIGC短板在于生产素材过于像AI，用户看得多了，就能一眼识别出素材是否由AI生成，就可能对此“无感”。

在广告创意领域，受众对素材的直观感觉非常重要。 如果一个广告过于像广告，用户就越不会去点击，数据表现就会越差。相反，越不像广告，数据表现可能越好。

未来，我期待的AIGC创意平台，需要满足以下三点需求：

首先，能激发使用者的创意灵感，比如我们现在每天会整理热点新闻，通过LLM整理、筛选后，从中寻找广告素材的灵感。

其次，能提供广告方案。特别是在数据链路打通的情况下，通过后端数据指导，系统可以生成最近效果良好的素材方向，为使用者提供更个性化的推荐方案。

最后，要给人留一定的创造空间。虽然AIGC能提供灵感和方案，但它并不能完全替代人的决策性作用。

AIGC有创意，它确实每次能生成不同的内容，但它并没有真正的创新。因为AIGC受限于过去训练数据的范围，只能在已知数据范围内运作，对于训练数据之外的内容毫无了解。

因此，最终的创造力仍然来自人。 人需要能够驾驭系统，做出决策，这才是一个真正优秀的创意软件。

鉴锋： 首先，符合审核标准。我最近体验了腾讯广告刚发布的新产品妙思，如果使用腾讯广告妙思生成的文案和图片，可以加速审核。这对争分夺秒的广告主来说非常有意义，因为很多时候审核是个玄学，有些秒过，有些非常慢，特别影响效率。

其次，能根据热点生成创意策略。做广告投放需要经常追热点，目前我们主要通过关注各平台热搜和热榜来找创意灵感， 如果有 AIGC 软件可以自动抓取热榜并生成创意策略，会非常实用。

最后，全链路分析。能够通过私有化部署，支持全链路数据分析，而这些数据分析可以反哺素材迭代过程，形成相对自动化的链路闭环。

王飞宇： 我更希望AI能够解决我们许多重复的劳动力问题。例如，它可以每天帮助我们生成符合平台规则的内容，包括短视频和直播。

提到直播，目前AIGC数字人直播应用也相对广泛，但除了一些符合标准的直播间外，其他应用仍然较弱。

从直播的角度看，问题是由人带货还是货带人？对于那些以产品为主的直播间，无论是数字人还是真人，差别并不太大，通过数字人能节省相当一部分主播人力。但如果需要强调人带货，有较强的讲解和互动场景，目前AIGC可能还无法达到良好效果。

韩文静： 对于大行业来说，希望广告创意模型能对不同行业有深耕，了解不同行业的用户需求和产品特征；对于腾讯广告妙思来说，希望能够更快实现视频的生成，因为当前短视频更流行。

04 谈机会：人类的创意和想象力会被替代吗？

Q：显然，AIGC已经替代了广告从业者的部分工作内容，比如创意设计、文案撰写等，伴随AIGC发展更加成熟，未来广告从业者核心价值体现在哪？

鉴锋： 一方面，广告行业将迎来变革，传统广告公司面临转型。

目前，媒介和渠道都由平台掌握，广告从业者只能在创意文案中发挥作用。但伴随技术发展更加成熟，具体图片和文案生产都可以交给AIGC，人会变成 AIGC的老师，成为下需求的角色。那么，未来广告公司可能会转变成MCN公司，重心转向IP打造。

另一方面，广告人员需要更深入行业，与产品团队合作。

过去，广告模式通常是产品上市后进行宣传，现在，广告需要在产品上市前就介入，先出图测产品款式点击转化效果，再与后端团队一起打磨研发产品。

只有深耕行业，才能保持竞争力。如果只是横向复制，生意可能会变得越来越困难。

崔世杰： 广告公司表面上可能更像一个创意性产业，但本质上却是一家数据分析公司。

尤其AIGC出现之前，素材对最终转化的影响并不显著，更多依赖于优化师的个人经验，包括规划、决策和预算管理，以及对行业和目标人群的深刻理解。

王飞宇： AIGC能够替代许多重复性内容，但肯定不会完全取代创作者。

首先，任何一个平台都希望拥有更多具有独特创造力、更符合用户需求的创作者。

其次，从我们的角度来看，目前AIGC更多是对已经验证内容模式的批量复制，但在创新方面并没有取得很好的效果。

目前我们的内容创作中，仅有30%由AIGC辅助生成。虽然可以进一步增加AIGC的使用，但我们特意控制了这个比例。

原因在于，AI还不能生成完全符合平台规则或者平台需求的内容。同时，从用户角度来看，这些内容往往被认为是质量较低且重复的。

韩文静： 人类大脑的创意和想象力无法被替代。

就拿优化师来说， 他的核心价值主要体现在创新能力、创新思维、对行业的认知能力、对素材的感知能力，以及对人性的洞察力。

我们当然可以通过AIGC生成更优质的图片，但要为整个行业带来新玩法，避免无效内卷，还是得通过具体的人去完成。

05 小结‍

回顾四位嘉宾的分享，我们看到AIGC在提高广告素材生成效率、加速审核流程、以及提供创意灵感等方面，展现出了强大潜力。

然而，这并非AIGC发展的终点，仍然有一些需要努力的发展方向值得关注。比如，嘉宾们期待，AIGC能根据每天热点生成创意策略，以及支持全链路数据分析等。

伴随AIGC对广告行业的深入渗透，未来，人机协同或将成为广告创意生成的新范式。广告从业者的核心价值，不再局限于一篇文案、一张图片，而是将更加专注于战略规划、行业深耕以及与AIGC技术的深度融合。

作者：相青

来源公众号：市值榜（ID：shizhibang2021）

在互联网流量红利消退的当下，广告营销产业进入存量竞争。

TikTok开始用生成式AI来提供广告脚本，Snapchat开始用聊天机器人来推个性化广告，百度营销重构了一系列全新的AI Native产品赋能企业营销全流程。

大模型和生成式AI技术的出现为品牌营销的破局提供了重要契机，国内外广告营销行业与大模型和生成式AI技术的结合呈现前所未有的火热态势。

广告营销产业链上的玩家正处于历史性的转折点。

生成式AI为不同广告营销主体提供了何种新解法？

广告营销行业的工作流程、内容生产场景、投放效果如何变化？行业将产生怎样的周期影响？

生成式AI浪潮下广告营销行业的核心生产要素发生了哪些变化？传统营销企业应该如何应对？创业公司又有哪些机遇？

带着这些问题，量子位智库《中国AIGC广告营销产业全景报告》由此而来，并尝试解答。

报告中，量子位智库将从我国广告营销行业现状、生成式AI带来的五大变革、四大影响、市场规模及竞争现状等多角度、多方向地全面立体描绘中国AIGC广告营销产业全景。

核心观点包括：

广告营销或成为生成式AI最快落地领域，开始回归「人与人」的交流，实现「全局最优」分配方式

生成式AI从供给端到需求端依次冲击产业链玩家，营销服务商价值凸显

从PGC到UGC到AIGC，生成式AI打造内容生产增量市场，创意工具平民化趋势显著

从无差别影响到个性化定制，生成式AI让只为「一个人」打造广告成为可能

作为新增长引擎，生成式AI在广告营销行业中业务营收预计2030年触及千亿级市场规模

行业与人才资源、模型效果、服务场景与数据反馈成为广告营销行业新的核心生产要素

未来每个品牌都将有自己专属的营销大模型，大模型定制与微调技术不可或缺

……

大模型时代下的广告营销

广告营销是指企业通过广告对产品展开宣传推广，促成消费者的直接购买，增加产品的销售量，提高企业的知名度、美誉度和影响力的系列活动，是企业营销组合中的一个重要组成部分。

广告营销的传统范式是以流量推动品牌增长，以SEM搜索投放模式和算法推荐为主。

如今互联网流量红利见顶，客户更加希望获得「所问即所答」的回复，用户需求表达关注度提高。

广告营销产业亟需新范式推动其增长。

生成式AI成为破局关键

广告营销之前的偏重都在投放、媒介和运营上，现在媒介由于以媒体广告为主（近70%），生命周期变短，对内容生产要求变高，内容质量将直接决定广告营销的价值创造。

生成式AI技术可用于解决营销各环节痛点，其或将成为最快与生成式AI结合并产生实际落地效果的领域。

在生成式AI冲击下，广告营销行业将回归营销本质，从「人与机器」单向交互，回归到「人与人」的交流；流程扁平化，一步到位进行内容生产与投放，减少信息损失；从传统的广告推荐模型，变成以数据驱动的大模型为核心，实现全局最优的广告分配。

生成式AI广告营销领域应用

国内外广告营销行业与大模型和生成式AI技术的结合呈现前所未有的火热态势。

广告主/品牌商、广告营销服务商、投放平台、第三方公司纷纷入局。

AIGC广告营销五大变革

大模型与生成式AI技术对广告营销行业带来的变革，我们从产业链、工作流程、典型生产场景、投放效果、业态与格局这五个方面总结如下：

变革一：产业链变革

广告营销行业产业链按参与主体可分为广告主、广告媒介和消费者，其中广告主是互联网广告行业发展的源动力，广告媒介是市场的核心驱动，消费者是广告营销的受众。

其中产业链上游玩家将最先受到冲击，因为有内容生产降本增效的需求，需要利用生成式AI的能力进行转变。

部分品牌慢慢在去中介化，内化自己能力，需要有新工具运用到新场景中。

营销服务商从纯工具和中介化的链接工作，慢慢转变为在中间环节给广告主提供更强的增值性。

紧接着中游的投放平台会受到冲击，如果上游会采用生成式AI能力，平台自身能力可以外化成和上游一起合作打破自闭环的能力。

未来在大模型加持的虚拟数字人等新的交互方式、场景或渠道成熟后，消费者再会受到较大影响。

变革二：工作流程变革

广告营销领域的工作流程与环节涉及策略制定与用户画像洞察、广告内容的制作、投放渠道的管理与效果分析等工作，需要消耗大量的时间，其中有较多的工作都可以通过 AI 代替人工的方式实现效率的提升。

其中策略洞察与内容生产将最先被覆盖，是0-2年内生成式AI能提供较高辅助程度的场景。

但由于目前在流量匹配算法中加入大模型的提升效果并不明显，投放管理环节在短期内生成式AI还不能提供较高辅助。

变革三：生产场景变革

内容生产是广告营销全流程中生成式AI表现最突出的场景。量子位智库预测未来5年会有70%的营销内容可由AI自动生成并迭代。

这是由于生成式AI降低了内容创作的门槛，使内容批量化生成成为可能。未来创意生产工具将越来越平民化，内容生产也不再是一个存量市场，而是一个增量市场。

而广告营销行业中的内容生产部分中营销素材生产主要包括三种形式：文案生成、图片生成、视频生成。

其中文案生成受制于营销行业的创新性和实时性，技术虽较为成熟，国内目前真正投入使用较少，商业化程度较低。

图片生成国内目前技术相对成熟，由于生成的图片仍不够精细化商业化程度一般。

视频生成国内目前技术和商业化均不够成熟，复杂度较高，公司更多的是用AI做特效或图片拼接以及生成虚拟数字人视频，预计可能在年中达到图片生成的效果，实现商业化。

变革四：投放效果变革

广告营销经历了从2006年以前的无差别影响「所有人」，到2006-2012年间的影响「一类人」，再到2012年后的精准影响「一个人」。

2012年移动互联网的广告算法让精准推荐变成可能，2022年大模型技术出现，生成式AI让只为「一个人」打造广告内容成为可能。

变革五：业态与格局变革

生成式AI能有效实现广告营销行业生产力的提升，主要体现在——

• 创新广告形式，带来全新交互体验，形成强流量、高互动，提升广告投放ROI。
• 提高营销内容生产效率，推进自动化个性化营销，实现精准链接和高效触达。
• 推动营销服务商商业模式革新，优化企业工作流。

AIGC广告营销四大影响

量子位智库从市场规模、行业核心生产要素、企业工作流、行业发展阶段与周期四个方面，来看大模型与生成式AI对广告营销行业未来带来的影响：

影响一：技术变量改写市场规模

经量子位智库估计，我国广告营销市场整体仍将保持良好增长态势，预计2025年市场规模将达到13465.9亿元，未来三年行业年复合增长率达9%。

中国目前生成式AI在广告营销行业中业务营收占比不到1%，未来每年增速或将达到60%以上，预计2030年将达到1500亿左右规模。

影响二：行业核心生产要素发生变化

基于对行业发展的分析及预测，量⼦位智库认为在生成式AI技术浪潮下广告营销行业的核心生产要素将产生变化，企业能力将取决于以下四个关键要素——

行业理解和人才门槛、底层技术大模型效果、服务场景选择与构建数据闭环。

影响三：广告营销工作流被重塑

当前生成式AI对广告营销企业工作流的作用还是赋能，通过改造内容生产流程来全面提升营销链路效率

未来生成式AI将从每个环节重塑广告营销企业工作流，全流程可以用AI实现数据回流，消费者的反馈可以投入到数据分析和内容再生产中不断进行迭代，实现营销全链路智能化、自动化，营销内容精准化、个性化，真正实现从量变到质变。

影响四：生成式AI下广告营销行业的发展阶段和周期

量子位智库对AIGC广告营销未来发展进行预测，可分为三个阶段——

引爆期、应用爆发期和普及期。

并对每个阶段在技术端、供给端及需求端的影响均做出了预测。

广告营销行业竞争格局

据量子位智库整理，广告营销行业的产业全景图如下：

产品与服务现状

广告营销行业玩家根据公司性质可大致分为互联网大厂、巨头类营销服务商和创业公司三大类。经量子位智库调研分析，这三类涉足广告营销赛道的公司的大模型技术和其产品与服务结合的现状如下：

互联网大厂都已经或即将研发出自己的通用大模型或营销垂类大模型，并提供MaaS服务，已有自研大模型的厂商均将其大模型和生成式AI能力应用于广告营销领域所有的产品及服务中。

巨头类营销服务商大部分都在积极尝试将大模型与生成式AI技术融入自己的产品和服务，只是侧重点有所不同。

创业公司绝大部分都不会自研大模型，均是微调或者内嵌其他大模型作为底座结合行业Know-how做新的产品或服务。

竞争格局分析

广告营销行业传统依靠策划推广、渠道资源等形成的竞争优势将被重塑，广告主越发关注内容质量和投放效率。

基于以上原因，量子位智库将从大模型技术能力、营销数据与人才积累两个方面来分析目前的业内玩家分布及现状。

第一象限：有技术有资源积累的明星公司

该象限存在两种情况：

第一类是互联网大厂，本身作为有专门AI研发团队的投放平台，能快速入局大模型并融入自身产品与服务；

第二类是巨头类营销服务商，均在积极尝试自研垂类大模型，将生成式AI技术融入自己的产品和服务。

第二象限：强技术能力的创新生力军

该象限存在两种情况：

第一类是具有强AI和大模型能力的巨头公司，以营销新场景作为切入点入局，如商汤科技；

第二类是创立初始就以AI为核心能力的新兴创业公司，这类公司备受资本市场青睐。以归一智能为例，公司成立不到两个月即获数千万元融资。

第四象限：深耕营销行业的传统企业

该象限主要有多年营销行业经验，有大量营销内容数据沉淀和营销人才，多为做线下投放或者品牌策划与公关的传统广告营销企业，这类企业缺少AI基因和团队，想要不掉队需积极拥抱变化。

由于品牌方需求各异、重视数据安全、头部营销公司原有能力不足以立即做新场景等，创业公司有了新进入机会。

作者：量子位智库

来源公众号：量子位（ID：QbitAI）