GPT-5训练优化器 - 研究员Keller Jordan凭借Muon优化器博客文章加入OpenAI，可能应用于GPT-5训练 [1] - Muon优化器采用牛顿-舒尔茨迭代法实现矩阵正交化，训练速度比AdamW更快 [1] - Keller批评现有优化器研究文献充斥无效方法，提倡在竞争性训练任务中验证新方法 [1] 谷歌AI架构变革 - 谷歌承认Transformer注意力机制无法实现无限上下文，需核心架构创新 [2] - Gemini将成为谷歌统一平台，连接所有服务并支持全模态能力和智能体功能 [2] - 谷歌重组AI团队整合到DeepMind，Gemini 2.5 Pro被视为重大转折点 [2] 微软AI应用案例 - 微软展示700个AI Agent和Copilot案例，覆盖金融、医疗、教育等多行业 [3] - WellsFargo使用AI将响应时间从10分钟缩至30秒，毕马威减少50%合规工作量 [3] - 米其林生产力提升10倍，SPAR节省89个工作日，84%的BCI用户效率提升10-20% [3] Midjourney视频生成技术 - Midjourney视频模型效果细腻真实但缺乏音频功能 [4] - 采取开放策略邀请用户参与评分，渲染速度提升40%，快速模式从36秒减至22秒 [5] - V7图像模型支持语音生图、草稿模式和对话模式 [5] GenSpark智能浏览器 - AI浏览器将能力融入每个网页，提供比价、选购帮助和视频总结等功能 [6] - 支持"自动驾驶模式"自动浏览网页、整理信息、制作播客 [6] - 内置700多个工具连接实现自动化工作流，目前仅推出Mac版本 [6] AI古画修复技术 - MIT工科生用AI算法将古画修复时间从9个月压缩至3.5小时 [7] - 新方法修复5612个区域并填充57314种颜色，效率提高66倍 [7] - 修复方式可化学去除不损伤原画，缺损区域越多效果越显著 [7] 小鹏自动驾驶模型 - 研发720亿参数云端大模型，验证规模法则在VLA模型持续生效 [10] - 累计处理2000多万条视频片段，算力达10 EFLOPS [10] - Token压缩方法将车端处理量压缩70% [10] AI消费范式重构 - AI将"完成任务"取代"建立关系"成为产品主线，用户月付费可达200美元 [11] - 当前AI社交产品仅嵌入生成内容，未来需重构底层连接方式 [11] - 速度成为主要竞争力，企业需保持"动态领跑" [11] AI发展路线争议 - 黄仁勋反对"AI将取代半数白领岗位"观点，批评Anthropic封闭开发模式 [12] - Anthropic回应称从未主张独家安全AI能力 [12] - 反映两种治理观：审慎伦理框架 vs 开放竞争 [12]

AI发展拐点：从人类数据时代迈向经验时代 - 当前大型语言模型依赖互联网文本和人工标注等"二手经验"训练，但高质量人类数据已被快速消耗殆尽，新增语料的边际价值正急剧下降 [1][7] - 模型规模继续膨胀却收效递减的"规模壁垒"现象显现，大量科技公司开始转向合成数据 [1] - 智能体必须像婴儿学习玩具、足球运动员在赛场决策那样，通过与环境交互不断生成并利用第一手经验，而非单纯模仿人类旧有文本 [1][8] 经验时代的技术特征 - 智能体需要在真实或高保真模拟环境中持续运行，用环境回馈而非人类偏好作为原生奖励信号 [2] - 发展能够长期复用的世界模型与记忆体系，并通过高并行交互大幅提升样本效率 [2] - 强化学习范例（如AlphaGo、AlphaZero）已证明从模拟经验到现实经验的演进路径 [5][12] 去中心化合作的发展哲学 - "去中心化合作"优于"中心化控制"，多元目标并存的生态系统通过分布式激励与竞争协作保持创新活力 [2][16] - 让智能体和人类都保持多样化追求，能降低单点失效与僵化风险，为未来AI治理提供更具韧性的框架 [2] - 人类最大的成功是合作（如经济、市场和政府），最大的失败是合作的失败（如战争、盗窃） [16][17] AI发展的三个阶段 - 模拟时代：AlphaGo、Atari等强化学习智能体从模拟经验中学习 [12] - 人类数据时代：ChatGPT和大型语言模型依赖人类生成的数据 [12] - 经验时代：智能体通过与世界互动的经验学习，AlphaProof是早期例证 [12] 智能体的核心能力构建 - 智能体需要像婴儿那样通过感知-行动循环凭第一人称经验自我学习 [5][8] - 知识必须关于经验而非文字，智能程度取决于预测和控制输入信号（特别是奖励信号）的能力 [10] - 强化学习框架让智能体成为能够做决定、实现目标、与世界互动的一流智能体 [10]

腾讯广告算法大赛核心亮点 - 聚焦全模态生成式推荐技术（All-Modality Generative Recommendation），探索生成式推荐新范式重构行业生态 [3][8] - 大赛主题为「智 AI，荐未来」，旨在为高校学子提供兼具前瞻性与实战价值的演练场 [3] - 参赛者需基于脱敏用户协同、文本、视觉等全模态历史行为数据预测广告交互，突破传统判别式推荐框架 [8] 评审与资源支持 - 评审团由中国科学院院士胡事民、香港中文大学金国庆教授、腾讯副总裁蒋杰等学界与业界顶尖专家组成 [5] - 获得深圳市市场监管局、人力资源和社会保障局政策支持，获奖者可申请人才培养项目 [7] - 总奖金池达数百万人民币，冠军团队独享超百万现金奖励，决赛队伍全员获腾讯实习Offer及转正机会 [9] 参赛价值与职业发展 - 算法创新可直接应用于腾讯广告日触达亿级用户的流量场景，影响数亿用户 [14] - 广告业务年营收过千亿且稳步增长，技术岗位晋升速度领先行业，公司正扩大技术人才储备 [14] - 优胜者可优先接触腾讯多模态大模型训练平台、实时推荐引擎等前沿技术资源 [14] 赛程与参赛资格 - 报名时间：6月16日-7月31日，初赛（8月1日-9月15日）、复赛（9月16日-10月31日）、决赛（11月线下深圳） [14] - 面向全球全日制在校学生（本科至博士后），博士后符合特定条件可纳入应届生范围 [13] - 赛事由腾讯广告主办，联合腾讯大数据、Angel机器学习平台等内部多个部门承办 [16]

模型动态 - OpenAI推出o3-pro实测和4o思考模式两项新模型技术 [2] - Meta发布V-JEPA 2世界模型 聚焦多模态理解能力 [2] - Mistral AI推出Magistral推理模型 强化商业场景应用 [2] - 面壁智能发布MiniCPM 4.0模型 参数规模未披露 [2] - 小红书开源dots.llm1模型 布局社区生态 [2] - 智源研究院推出悟界系列模型 专注认知智能研究 [2] 应用进展 - OpenAI上线高级语音拟人功能和AI数学天才应用 [2] - 字节跳动迭代豆包大模型至1.6版本 同步推出即梦图片3.0工具 [2] - 谷歌发布Veo 3 Fast版视频生成工具 ElevenLabs升级v3语音引擎 [2][3] - 智谱AI推出CoCo企业助手 DreamTech发布影视级3D模型系统 [2] - Figure AI展示机器人进展 Krea AI推出1代创意设计平台 [2] - 夸克开发高考志愿大模型 厦大联合企微推出校园AI万事通 [3] - 苹果更新Xcode 26开发工具 美团发布NoCode低代码平台 [3] 科技突破 - Figure研发劳动力系统 理想汽车布局空间与穿戴机器人 [3] - 英伟达推出量子CUDA-Q平台 苹果发布六大OS系统更新 [3] - 中科院开发启蒙系统 荣耀宣布进军机器人领域 [3] 行业观点 - Altman预测AGI技术发展时间线 Ilya Sutskever提出AI全能化假说 [3] - 苹果质疑当前AI推理能力 OpenAI探讨人类对AI的依赖性 [3] - a16z分析生成式引擎优化趋势 Richard Sutton预言经验主导时代 [3] 资本与事件 - Meta投资Scale AI并重建超级智能研究小组 [3][4] - Midjourney面临版权诉讼 Meta签署大规模核电合作协议 [4]

文章核心观点 - 数字"零"的神经表征与感知"缺失"的神经机制存在深刻关联，研究零的神经基础可能为理解意识提供新视角 [1][3][32] - 零在人类文明和个体认知发展中经历了缓慢的接受过程，其抽象性质使其比其他数字更难掌握 [6][10][21] - 大脑中存在专门编码"零"和"缺失"的神经元，这些神经机制可能构成意识体验的基础 [26][42][45] 零的历史发展 - 苏美尔人约5000年前发明占位符系统，使用对角楔形表示数位空缺，这是零的雏形 [6] - 希腊文明排斥零的概念，亚里士多德认为虚无在逻辑上不允许存在 [10] - 印度哲学天然包容虚无概念，公元7世纪数学家婆罗摩笈多确立了零的数学规则，公元876年出现最早的空心圆零符号 [13] - 零通过贸易路线传入欧洲，1202年斐波那契在《算盘书》中引入零概念，但遭到宗教反对（零被视为与神意对立）[14] - 15世纪复式记账法的推广使零在欧洲被完全接纳，零的概念为17世纪末微积分创立奠定基础 [14][16] 零的认知发展特征 - 儿童掌握零概念晚于其他数字，学前儿童知道零表示"没有"但认为1是最小数字 [21][24] - 5个月大婴儿能察觉数量变化但无法理解零个物体的概念 [21] - 成人处理零存在认知困难：判断奇偶性更容易出错（零实为偶数），读取零所需时间更长 [24] - 零的抽象性质要求从物理世界转向概念世界，这与"没有人会出门买零条鱼"的观察一致 [21] 零的神经表征机制 - 10年前首次在猴脑中发现"零神经元"，这些神经元对空集（0个点）放电反应最强烈 [26] - 猴脑前部存在梯度放电的零神经元：空集放电最强，1个点微弱放电，2个点更微弱，体现数轴起点特性 [26] - 人类研究中发现对空集放电的神经元与正数点集神经元活动模式不同，表明存在独立的"无"类别 [29] - 脑磁图研究显示大脑对空集和符号零的激活反应相似，表明符号化零能力源于非符号化"无"表征 [31] 缺失感知的神经机制 - 大脑存在专门编码"缺失"的神经元：鸦科动物、猕猴和人类在判断"刺激不存在"时特定神经元被激活 [42] - 感知缺失并非神经活动的空白，而是独特的主动神经编码机制 [44] - 知觉现实监控理论(PRM)和高阶状态空间理论(HOSS)提出大脑存在高阶"事实核查"机制，在感觉区域缺乏可靠活动时主动生成"未感知"信号 [45] - 感知缺失需要反事实推理和元认知能力，要求大脑评估自身感知系统状态 [47] 零与意识的理论关联 - 对零的理解可能依赖于感知缺失的神经机制，掌握零概念可能需要具备感知层面的意识 [51] - 蜜蜂实验显示即使昆虫也展现对零的初步理解，但数字性缺失与感知性缺失的相似性可能是理解意识的关键线索 [54] - 最新意识理论认为零背后的数量表征机制可能是感知虚无的神经基础 [57] - 研究发现视觉中"无"的处理不同于"有"，但听觉中寂静与声音的感知特性高度相似，表明感官模态存在差异 [57]

Meta开源V-JEPA 2世界模型 - Meta开源V-JEPA 2世界模型，能理解物理世界，用100万小时视频数据训练，可实现零样本规划和机器人控制 [1] - 模型仅需62小时训练即可生成规划控制模型，在行为分类和预测方面成功率65%-80% [1] - Meta发布三个物理理解基准测试，揭示AI与人类在物理推理能力上仍存在差距 [1] Meta组建AGI团队 - Meta CEO扎克伯格组建"超级智能"小组，挖角谷歌DeepMind首席研究员Jack Rae等AI顶尖人才 [2] - Jack Rae是"压缩即智能"思想代表人物，曾负责Gemini的"思考"功能 [2] - Meta为吸引AI人才提供7-9位数薪酬方案，计划建立约50人规模的团队 [2] Manus推出免费AI聊天模式 - Manus更新界面并推出免费Chat模式，替换原有标准和高投入模式为Agent和Chat两种模式 [3] - 新增创建功能，提供Slides、图片、视频、网页四种选项，生成内容更加专业美观 [3] - Chat模式响应快速且可显示参考出处，在任务规划、幻觉控制和内容丰富度方面较竞品出色 [3] 夸克发布高考志愿大模型 - 夸克推出首个高考志愿大模型，整合官方数据为1335万考生提供免费个性化规划 [4][5] - 模型能处理多维度志愿咨询，分析学校、专业及录取概率，提供梯度建议 [5] - 生成完整志愿报告，含"冲稳保"多策略推荐及历年录取数据 [5] 厦门大学上线校园AI万事通 - 厦门大学通过企业微信"智能机器人"功能解决校园高频咨询问题，搭载DeepSeek与混元大模型 [6] - 系统仅需上传学校现有知识文件即可部署，能处理简单咨询和复杂问题如科研软件安装 [6] - 系统集成于企业微信，学生无需下载新软件，学校半天内即可完成部署 [6] 迪士尼与NBC环球起诉Midjourney - 迪士尼与NBC环球起诉Midjourney侵犯版权，指控其生成复制《星球大战》《冰雪奇缘》等经典角色图像 [7] - Midjourney2024年创收3亿美元，其创始人承认无法追踪图片来源且忽视版权方停止侵权请求 [7] - 两公司要求经济赔偿并申请法院禁令，强调"盗版就是盗版" [7] 银河通用与清华发布OpenWBT - 银河通用与清华大学发布首款开源人形机器人全身遥操系统OpenWBT，支持多机型、跨虚实操作 [8] - 系统仅需VR头显和笔记本即可远程控制机器人执行全身动作，兼容多种机型 [8] - 基于"Real-world-Ready Skill Space"技术，将控制拆分为行走、姿态调整和手部触达三种原子技能 [8] 黄仁勋发布量子计算专用CUDA - 黄仁勋发布量子计算专用CUDA-Q，预言量子计算几年内可应用，在GB200上可提升量子计算开发速度1300倍 [9] - 英伟达预计量子比特将呈摩尔定律增长，未来超算将配备量子处理单元与GPU协同 [9] - 黄仁勋展示"物理AI"战略核心，称此领域拥有50万亿美元市场机会 [9] a16z报告：从SEO到GEO - 搜索正从传统浏览器转向语言模型平台，800亿美元SEO市场被"生成式引擎优化(GEO)"新范式取代 [10] - 竞争焦点从点击率转向"模型引用率"，品牌需"编码至AI层"，"无提示认知度"成为关键指标 [10] - GEO胜出者将构建行动基础设施，品牌最终命题是"模型会记住你吗" [10] AI软件定价趋势 - 传统席位和固定价格模式正被混合定价取代(41%企业采用)，结合订阅与使用量计费 [11] - AI定价策略多样化，包括现收现付、套餐制、平台费加使用量等七种模式 [11] - 结果导向定价成为趋势但需满足一致性、归因性、可衡量性和可预测性四要素 [11]

AI标识制度的治理价值与挑战 核心观点 - AI标识制度作为应对AI生成虚假信息"更多更真"挑战的前端治理工具，具有提升识别效率与用户警觉的技术潜力，但存在易规避、伪造及误判等局限性，需与现有内容治理体系协同[1][3][10] 分章节总结 一、AI新技术与治理老难题 - **更易**：AI大幅降低虚假内容生成门槛，非专业用户可通过粘贴关键词生成高真实感文章牟利[3] - **更多**：技术实现虚假信息批量化生产，如"医疗泰斗客死他乡"谣言通过500账号矩阵日均产出1万条[3] - **更真**：多模态细节增强迷惑性，如"西安市鄠邑区地下出热水"谣言因包含视觉要素难以辨别[3] 二、AI标识的治理价值与自身局限 （一）理论优势 - **隐式标识**：通过元数据嵌入实现早期识别，提升对"低门槛""大批量"内容的治理效率[6] - **显式标识**：研究显示标注"AI生成"可使4976名受试者对内容的信任度下降，分享意愿降低[6] - **适用范围限定**：聚焦易引发混淆误认的高风险领域，避免过度标识导致信息过载[7] （二）实践局限 - **技术短板**：开源模型（如Stable Diffusion）水印可被移除，攻击者可伪造或规避标识[8][9] - **误判风险**：传统文本检测方法误判《滕王阁序》为"AI率100%"，技术改进无法完全消除误差[9] - **成本挑战**：嵌套水印验证所需计算资源可能超过生成成本，检测过程效率低下[9] 三、AI标识的优化应用路径 - **体系协同**：将标识作为现有治理体系的补充工具，重点防范谣言、虚假宣传等高风险场景[11][12] - **责任划分**：生成平台需承担主要标识责任，传播平台检测难度较高需包容性治理[14] - **风险分级**：对低风险领域（如B端数据合成）采取豁免政策，与欧盟《人工智能法案》理念一致[13] 行业影响与数据参考 - **舆情案例**：2024年国内50个AI风险案例中，超1/5（20%）涉及AI造谣[1] - **技术应用**：广告素材生产、教育培训方案等领域正从"千人千面"向"一人千面"升级[7] - **法律基础**：《民法典》《广告法》等为AI内容违法行为提供执法依据[12]

岗位描述 - 研究方向为AI for Good 涉及数据分析及可视化 报告撰写和创意策划等工作内容 [1] 任职要求 - 工作态度需务实 勤恳 守时 负责 [2] - 专业背景要求社科或商科 或设计背景的交叉学科 [2] - 需具备扎实的实证研究功底 [2] - 熟练使用各类AI工具并拥有良好创造力 [2] - 能熟练使用量化研究工具 有量化研究作品或数据可视化能力强者优先 [2] 实习安排 - 2024年6月6日前入职 [2] - 每周实习4天（不含周末） 持续至少4个月 [2] - 实习期内必须持有学生证 大四保研后两个月无学生证不符合规定 [2] 薪酬与地点 - 工资为150元/天（税后） [2] - 工作地点位于北京朝阳亚洲金融大厦 [2] 申请方式 - 需发送简历和既往研究作品至simonelu@tencent.com [3] - 应尽量多发送展现个人能力的作品 [3] - 邮件标题格式为姓名+学校+专业+到岗时间 [3]

OpenAI发布推理新模型o3-pro - OpenAI发布推理新模型o3-pro，以推理能力最强、速度最慢为卖点，输入价格20美元/百万tokens，输出80美元/百万tokens [1] - 在科学分析、写作、编程和数据分析领域，o3-pro比o3领先约14%，但在ARC-AGI-2测试中几乎无提升，成本却大幅增加 [1] - 用户测试显示o3-pro擅长复杂推理任务且环境感知能力强，但推理速度极慢，不适合简单问题，主要面向专业用户 [1] Mistral AI发布强推理模型Magistral - Mistral AI发布强推理模型Magistral，包括企业版Medium和开源版Small(24B参数)，在AIME2024等多项测试中表现优异 [2] - Magistral通过自主研发的可扩展强化学习流水线实现多语言保真推理，适用于英法西德意阿俄中等语言 [2] - 利用Flash Answers技术，Magistral Medium实现比竞品快10倍的token吞吐量，定价策略更具竞争力(输入2美元/百万token，输出5美元/百万token) [2] Figma推出官方MCP服务 - Figma推出官方MCP服务，直接将设计文件中的变量、组件、布局等信息导入IDE，实现真正的所见即所得，比第三方MCP还原度更高 [3] - 部署简单，只需更新Figma客户端，启用Dev Mode MCP Server，并在支持MCP的编辑器中配置本地服务URL [3] - 使用时只需在Figma中复制设计链接到对话框，一轮交互即可生成高保真页面，无需复杂配置或API申请 [3] Krea AI推出首款原生模型Krea 1 - Krea AI推出首款原生模型Krea 1，专注解决AI图像"同质化"和"塑料感"问题，提供高美学控制力与专业级画质输出 [4] - 该模型支持风格参考和自定义训练，原生支持1.5K分辨率且可扩展至4K，提供实时编辑功能，适用于电商、插画、影视分镜等多种场景 [5] - Krea 1目前提供免费测试版，无需注册或付费即可使用，旨在加速数字艺术创作流程，降低制作成本，有望成为AI图像生成领域的重要参与者 [5] 字节推出豆包大模型1.6系列 - 字节推出豆包大模型1.6系列，包括Seed-1.6综合模型、1.6-thinking强化思考版和1.6-flash极速版，支持256k上下文和多模态推理 [6] - 豆包1.6具备增强推理能力，支持"边想边搜"和DeepResearch功能，多模态理解出色，可进行GUI操作，综合成本降低63% [6] - 同步发布的Seedance 1.0 pro视频生成模型支持多镜头切换和高品质1080P输出 [6] Tolan AI陪伴应用 - Tolan作为外星AI陪伴应用获500万下载量及400万美元ARR，独特之处在于选择"外星人"形象而非模拟人类，强调"非浪漫型、非工具性"陪伴 [7] - 产品设计融合陪伴与游戏化元素，用户可定制外星人伴侣外观，并通过互动发展独特星球环境，形成情感连接，团队特意避免让AI回应过于像人类 [7] - 与国内猫箱等AI陪伴应用相比，Tolan专注普遍"孤独感"而非"恋爱幻想"，通过限制聊天时间等机制追求健康使用节奏，因此在用户留存方面表现更好 [7] 理想汽车设立机器人部门 - 理想汽车新设立"空间机器人"和"穿戴机器人"两个二级部门，均隶属于产品部，分别由早期员工帅一帆和张文博负责 [8] - 空间机器人部门与理想"智能空间"战略相关，旨在将车内乘员舱打造为"第三空间"，提升车内智能化体验，这已成为公司三大战略之一 [8] - 穿戴机器人部门可能专注于智能眼镜等穿戴设备开发，目标是将"理想同学"AI体验扩展至车机、手机、电脑及眼镜等多终端，实现全场景一致性体验 [8] Figure机器人公司战略 - Figure CEO认为人形机器人是"赢者通吃"行业，目标不是销售硬件而是提供完整"劳动力"系统，强调完全自主运行 [9] - 公司已建立年产1.2万台产线，产品成本较初代降93%，未来四年计划交付10万台，同时面向商业和家庭市场 [9] - Figure采用"共享神经网络"让所有机器人共享学习成果，资金充足，相信最终胜出者将是"最聪明、最便宜"的参与者 [9] Altman未来技术预测 - Altman博文称人类已进入AI加速发展阶段，预测2025年AI胜任认知工作，2027年机器人执行物理任务，2030年人类生产力大幅提升 [10] - 他认为奇点将逐步渗透，AI加速自身研发是最大突破，能提升科学家2-3倍生产力，智能成本终将接近电力成本 [10] - 超级智能发展路径应先解决对齐问题，再使其廉价易得且不过度集中，"廉价到无需计量的智能"将在2030年触手可及 [10] OpenAI Codex团队观点 - OpenAI Codex团队引领软件开发范式从同步"结对编程"转向异步"任务委派"，构建能在独立环境中完成整个开发任务的AI代理 [11] - 新版Codex经强化学习微调，注重专业软件工程品质，团队预测开发者角色将从编码者转为审查者和规划者 [11] - 团队认为2025年将是"智能体元年"，未来交互界面将融合同步与异步体验，可能演变为类"TikTok"信息流，供开发者快速审批AI工作成果 [11]

谷歌AI战略转向 - 谷歌CEO Sundar Pichai宣布公司正处于AI平台转型新阶段 通过Gemini 2 5和Flash模型发布 展示贯穿搜索 广告 内容生成的AI Mode 实现商业模式根本性重构 [1] - 谷歌将广告与内容深度融合 实现高度个性化和自动化广告投放 重构广告分发机制和商业路径 [1] 广告系统重构 - 谷歌广告演进从2000年AdWords到2021年Performance Max 实现"AI自动生成内容+全渠道自动投放"模式 2025年I/O大会进一步纵深推进 重新定义广告本身 [4] - 广告创意"流水线"全面AI化 Veo 3将静态产品图自动转化为视频短片 极大降低高质量视频创作门槛 [5] - AI从效率工具变成创意本体和投放决策者 智能代理渗透用户全流程 广告即内容 自然融入AI生成搜索结果 [6] - 创意生产范式从资源密集型向高度自动化AI驱动转变 品牌主可降本增效 重构工作流程 重塑创意生产体系 [7] 个性化范式转变 - 广告从"千人千面"迈入"一人千面" 通过Gemini能力集成到搜索界面 改变用户交互方式 实现更精准产品推荐 [9][10] - 智能代理结账允许用户追踪价格并自动购买 谷歌从搜索引擎转变为主动购物代理 广告主竞争重点转向优化代理推荐表现 [10] - AI模式推动广告行业实现真正"一人千面" 广告互动对用户都是独一无二的 实时生成的"交互内容" [11] 广告与搜索体验融合 - 谷歌AI总览月活跃用户达15亿 AI搜索类型使用量提升10%以上 广告直接融入AI生成答案 成为"有用信息"部分 [14] - AI缩短用户决策路径 颠覆互联网广告底层逻辑 广告曝光总量可能下降但单次转化率有望显著提升 流量分发机制与定价模型面临结构性变革 [15] 广告行业未来展望 - 品牌主需转型策略 从争夺搜索结果页位置转向争夺"被AI引用"机会 优化在购物图谱中的数据表现 [18] - 打造品牌专属智能体 与广告平台深度交互 实现素材审核 投放决策自动化 确保品牌调性与市场投放统一性 [19] - 提供面向智能体的服务接口或数据产品 提升品牌在AI生成内容和智能推荐中的主动性与可见性 [19] - 注重"品效合一"长期主义 通过AI赋能精准投放与内容创新 实现品牌建设与销售转化协同增长 [19]