大模型引爆广告营销革命！JDD Oxygen智能零售论坛实战揭秘

JDD Oxygen智能零售论坛 《大模型时代的广告营销变革与实践》

1. 通用大模型必须转向垂类模型，才能破解营销难题。

“全才”通用大模型难以覆盖广告营销全流程，亟需升级为“懂营销”的垂直模型，实现从“知道”到“落地执行”的三维跨越。

2. 广告智能体颠覆传统投放，破解高门槛与效果波动。

把简单留给客户，让复杂交给AI。传统投放对中小商家门槛高，广告投放智能体凭借“一句话指令”实现自动化操作与调优，让广告主从“操作岗”解放出来，专注做“战略岗”。

3. 端到端建模取代传统分阶段算法，GRAM实现广告代际突破。

AI电商时代的端到端LLM召排一体能力，借助GRAM（Generative Retrieval and Alignment Model，生成式检索对齐模型）实现“意图识别、检索、排序、机制”有机融合。

4. 广告创意优化引入CTR建模，平衡美观与转化效果。

京东广告的图像、视频生成+优选能力，破解传统生成技术“好看但不转化”痛点，以CTR为指导，平衡视觉审美与商业价值。

5. 广告算法、数据、算力协同优化，实现超低延迟推理。

算法、算力等实时化能力是广告长期追求。通过定制化和芯片级优化，让大模型从“纸上谈兵”升级到“毫秒级实时服务”，实现业务级算力落地。

6. 三驾马车驱动广告算法持续演进。“数据、算法、算力”协同推动变革，最终实现三方共赢。

以下是演讲实录（经不改变原意的编辑整理）



大家好！非常荣幸能与各位一起探讨这个炙手可热的话题——大模型时代的广告营销变革与实践。今天，我们将深入解析京东自主研发的广告营销大模型体系。或许您会好奇，大模型到底能给广告营销带来什么？是效率的微小提升，还是模式的彻底重构？接下来，我将从技术发展、产品落地到行业实践，带您全景看清这场变革，感受JoyAI Oxygen如何将“复杂技术”转化为“好用工具”，把“营销难题”变成“增长机遇”。现在就让我们一起开启这场探索之旅！



我们先来聊聊大模型在广告营销领域的“进化路径”。如今，行业大模型已从“零散能力”迈向“系统能力”的关键阶段。自2022年对话式大模型爆发以来，基础模型和领域精调模型日益成熟，甚至实现了局部“跨学科整合”。大模型不再局限于“单一技能”，如经验学习、数学推理、文本图像创作、代码编写和日常对话等领域都已成熟——这好比从“专才”升级为“全才”，但能否应对广告营销中从策略到执行的多环节需求，仍面临巨大挑战。总结为三大核心方向：

第一是从通用到专用。通用大模型懂“通识”，但广告营销需要“垂类能力”——例如如何根据行业季节趋势做投放决策、如何理解用户深层消费需求，这些都需要注入垂类知识、连续决策和推理感知能力，让模型从“懂常识”升级为“懂营销”。提升投放能力与效率是我们必须破解的难题。

第二是从理解到决策。以往AI只能“看懂数据”，如提示“这个计划ROI低”，但现在大模型能直接给出方案——背后需解决三大挑战：海量垂类数据处理、高难度推理感知技术落地、广告主需求理解、终端用户理解和连续决策，这些都是突破关键。

第三是从算法到算力。算法再优，缺乏算力支撑也难以落地，尤其是广告营销需实时响应，这就要求我们在算法优化同时，解决算力效率和安全问题——这也是后续将重点介绍的“硬实力”。

简而言之，大模型给广告营销带来的不是“锦上添花”，而是“换道超车”的机遇。下面我们逐一破解这三大难题。



有了大模型基础，如何将其转化为广告主易用的工具？答案就是广告投放智能体——核心理念：把简单留给客户，把复杂交给AI。

回想传统广告投放：需手动操作，如调整预算、修改定向；依赖经验决策，如判断哪个计划该加投或暂停，全靠零散数据；效果反馈被动，有问题再补救。整个过程费时费力，尤其对中小广告主门槛极高。过去几年，业内主流平台如京东京准通虽提供智能工具，但仍有不足。

而投放智能体彻底改变游戏规则——一句话驱动全流程。例如，您只需输入“ROI≥2且消耗＞100的计划，预算+20%”或“优化计划542486x”，后续AI自动完成：

1. 编辑Agent自动调整计划参数；

2. 投放Agent执行预算分配和策略投放；自动分析商家经营状况、历史投放、操作记录、偏好及行业竞对，推荐投放产品、人群、预算、出价和创意等全套设置。

3. 优化Agent实时监控数据，效果波动时主动调整，无需等待指令。

以往耗时数小时甚至数天的操作，如今一句话、几秒内搞定。这不仅提升效率，更将广告主从“操作岗”解放，专注“战略岗”。



“一句话驱动”的背后，依托的是专注营销的“大脑+手脚”——即多Agent协作体系。

先看“手脚”：我们拥有成百上千个Agent，其中四个核心Agent分别负责广告优化、投放、编辑和创意，覆盖从策略到创意、投放至优化的全流程。例如，创意Agent自动生成素材，优化Agent实时调优，四者通过“规划协作”机制联动。

再看“大脑”：Agent协作需三大技术支撑：

第一是ReAct框架——让智能体既能“思考”（分析数据与需求），又能“行动”（执行操作），实现从计算到落地；

第二是A2A协议——Agent间的“通用语言”，确保广告设计、优化和分析实时同步，避免信息脱节；

第三是长短期记忆管理——智能体既记忆“当前需求”（如加预算），又继承“历史经验”（如季节性投放策略），避免每次从零开始。

我们通过SFT（监督微调）让模型快速适配广告场景，RLHF（基于人类反馈的强化学习）精准理解广告主需求，并注入实时行业数据，使模型随季节、趋势迭代——例如618前预判流量规律，春节前调整年货策略。

简言之，这套体系不是“单个AI干活”，而是“整个AI团队为您服务”。



解决广告主投放问题后，我们聚焦另一核心环节——“召排一体”，在AI驱动电商场景中，如何精准匹配用户需求与商品，同时融合广告主营销诉求。这正是大模型带来的代际突破。

传统“级联架构”存在弊端：它是“黑盒式”——用户输入搜索词或浏览历史后，系统经聚合、召回、排序等多模块处理，各模块独立迭代，缺乏统一“意图理解”。导致多模块迭代复杂、改动牵一发而动全身；相关性匹配忽略用户深层意图，如搜索“夏天用的小电器”可能只推风扇而非驱蚊器；且解释性差，系统无法清晰说明推荐理由。

而LLM时代的“召排一体”采用“白盒式”逻辑——端到端需求推理与满足。链路为“用户请求→思考→场景→需求→商品”：

例如用户输入“给宝宝选夏天防蚊的”，LLM先“思考”：场景是“宝宝使用”，需求是“温和防蚊”，直接解码至对应SKU（如儿童驱蚊液）。关键点包括：

第一是“用户意图编码”，将模糊请求转化为清晰标签；

第二是“奖励模型”，基于点击、转化数据实时调整，提升推理准确性。

最终实现“用户画像→需求→商品”链路一体化，告别“各管一段”，做到“需求到商品一步到位”。



基于召排一体逻辑，我们在京东流量场落地核心模型——GRAM（Generative Retrieval and Alignment Model，生成式检索对齐模型）。其核心是让“用户请求”与“商品”精准对齐，并在广告主营销约束下运行。

模型逻辑如下：

首先是“生成式检索”：用户输入Query（如“轻薄防晒衣”），GRAM的“Query-code generator”生成“请求编码”；商品标题通过“Product-code generator”生成“商品编码”——如同为需求和商品赋予“统一身份证”。

其次是“对齐（Alignment）”：系统匹配“请求编码”与“商品编码”，无论稀疏或稠密检索，都能快速定位最佳商品；再经预排序、精排序，最终推荐给用户。

我们借助生成式大模型技术完成QP、Retrieval、Pre-Ranking和Ranking全流程，且研发工程师将过程压缩至30-50ms级P99时延，破解传统大模型无法实时推理的难题。

更重要的是，GRAM具备“近线系统（Nearline System）”：通过用户反馈（如点击、购买）持续更新“商品编码库”，提升匹配准度。例如用户搜“轻薄防晒衣”却购买冰感材质，下次优先推荐冰感产品——真正实现“意图识别、检索、排序、机制”融合，服务既快又准。



除了“找人找货”，我们还针对图片和视频——用户视觉面积最大区域——做了生成改进，推出业界首个基于强化学习结合CTR（点击通过率）驱动的AIGC图片生成模型。传统AIGC图片可能美观但转化差；我们的生成逻辑是“效果导向”：

给模型“指令（Instruction）”，如“生成适合敏感肌的防晒霜广告图，突出温和、SPF50+”；

“奖励模型（Reward Model）”介入——该模型基于大量CTR数据训练，深知“何种图片易获点击”，如颜色搭配、文案位置、产品角度；

LLM结合指令和奖励反馈，生成既创意十足又提升CTR的图片。

例如示例文案：“驱蚊更温和”“超A质地巨轻盈”“2800mg精华”“不到2分钟起效”——这些并非随意添加，而是CTR数据验证的“用户关注点”；图片色调、产品摆放均经效果验证。生成图片不再凭“感觉”，而是数据驱动的“好”。

相关工作发表于ECCV及WWW。



除图片外，视频广告需求激增，我们打造了基于多策略评估体系的视频智能体（Agent）。核心是“生成有效果的视频”。流程为“输入到投放全闭环”：

第一步“输入规划”：给定需求（如“生成化妆品短视频，突出抗衰老、时尚”），Planning Model结合“素材库”“专家视频库”做策略规划，如采用“数字人讲解+产品实测”形式；

第二步“多策略生成”：系统同步尝试多种方案——故事脚本生成、视频摘要、数字人出镜、图转视频、口播文案生成，并自动配乐、加字幕和语音；

第三步“评估优化”：Evaluation Model从两个维度评估：一是VLM（视觉语言模型）的质量（画面清晰度、文案通顺度），二是在线CTR数据（用户观看和点击意愿）；Summary Model根据结果迭代策略，如发现“数字人讲解”CTR更高，则优先采用；

最后“上线投放”：确定最优策略后，直连投放系统，实现“创意生成→评估→投放”一体化。

至此，即便缺乏专业视频团队，也能快速产出高质、高转化广告视频。



无论投放、召排或创意生成，广告业务核心要求是实时响应。用户需求转瞬即逝，毫秒延迟可能丢失转化。我们专研“超低延迟推理定制化解法”，解决“快”的难题。三大关键点：

第一是超低延迟 & 调度优化。采用PD混合调度、异步算子调度技术，将P99延迟压缩至原十分之一甚至几十分之一——从几百毫秒或数秒降至30-50毫秒，完美契合实时需求；

第二是定制化模型 & 受限生成。通过裁切LM Head权重、Logits Mask，降低token概率空间和BeamSearch搜索空间——简言之“让模型少走弯路”，吞吐能力提升70%以上，支持更多并发请求；

第三是算力安全 & 异构计算。重构混合算力模式下的异构推理能力，实现CPU-xPU异构资源池调度和可信执行——保障高吞吐、低时延的同时，确保数据安全，杜绝泄露风险。

总结：这套解法让大模型既“聪明”，又“反应迅捷、安全可靠”。



除延迟和安全外，我们还推进基于ARM国产芯片的服务与推理优化，使大模型高效运行于国产硬件，实现算力自主可控。三大优化方向：

第一是KV-Cache 优化。构建SSD/SRAM-DRAM/HBM三级缓存，通过异步读取加速计算——如同为模型打造“快速存取仓库”，优化通信与算力调度，带来显著计算加速；

第二是指令集优化。在CPU侧特征计算和DNN计算上，与合作伙伴深度优化鲲鹏KDNN算子，相比开源oneDNN，通过向量化、软硬件预取等技术，在Matmul（矩阵乘法）、Conv（卷积）等核心计算上提升至少30%，近乎领先1-2个芯片制程代际；

第三是编译优化。实施高性能图编译、亲和图编译优化及指令级自动调优——让模型更好适配ARM芯片指令特性，释放硬件最大性能，提升至少10%。

此举不止“降本”，更让数据、算法、算力三驾马车持续驱动京东广告营销演进，为广告主和消费者带来更高效率、更优体验、更极致服务。



从大模型在广告营销的“通用到专用、理解到决策、算法到算力”三大发展方向，到广告投放智能体、召排一体体系，再到GRAM模型、AIGC创意生成、超低延迟推理、ARM国产芯片优化——我们所有努力聚焦一点：让大模型真正服务于广告营销“价值”，让广告主更省心、更高效，让用户看到更精准、更有价值的广告。

当然，大模型引发的广告营销变革才刚刚开始，未来充满无限可能。期待更多行业同仁加入，共建大模型时代广告营销新生态！

今日分享内容在公共区域设有演示展台，欢迎各位亲身体验，谢谢！

相关问答

根据上表可得回归方程y=bx+a中的b=10.6，据此模型预报广告...

[最佳回答]∵.x=4+2+3+54=3.5,.y=49+26+39+584=43,∵数据的样本中心点在线性回归直线上,y=bx+a中的b=10.6,∴43=10.6×3.5+a,∴a=5.9,∴线性回归方程是y...

据此模型预报广告费用为6万元时销售额为()A.61._作业帮

[最佳回答]样本中心为(.x,.y),其中.x=4+2+3+54=144=3.5,.y=44+25+37+544=40,即样本中心为(3.5,40),代入回归方程得40=9.4×3.5+a,解得a=7.1,即回...

擅自用广告公司的卡通模型是侵权吗，知识产权侵权属于什么犯...

该公司未经广告公司许可,擅自以贵公司的卡通形象渲染商业气氛、聚集人气,属于为了商业目的而使用的行为,侵犯了贵公司的作品的展览权、复制权、信息...

售楼部模型展示为什么是要约-业百科

售楼部模型展示为什么是要约,售楼部模型展示是要约的原因是售楼处的广告附图及模型宣传,是房产开发商对购买楼盘业主的一种承诺。《最高人民法院关于审理商品房...

广告牌铝塑板的制作方法是什么?-一起装修网

[回答]首先要做好广告牌的模型骨架,然后再用胶粘贴就可以,还是比较简单的方法...........................用轻钢龙骨在上面做上你的标志看你是想用什...

ansys中换热管的模型简化和建立问题-盖德问答-化工人互助问...

在一篇硕士论文中,作者建立有限元模型在对换热管进行简化时有如下叙述:换热管在管板的分布按边长为65mm的等边三角形分布

请问一下商业代理合同模板是什么样的?-律图

现在想要写一份商业代理合同,因为之前没有写过,想问下上也大力合同都需要写什么...1.2承担有关策划、宣传推广、广告、售楼资料、模型及售楼现场包装等设计、制...

Cadmatic软件在三维激光扫描方面的应用实例-盖德问答-化工...

实例项目主要内容是从管廊上确定tie-in点,然后加一趟管路及相应的操作平台。通过这种方法激光扫描只需要不到一天时间,模型建立准确快捷,可以直接快速生成精确...

2025河南高考多少分能报考厦门大学嘉庚学院广告学(21000元/...

一、厦门大学嘉庚学院广告学(21000元/年)近三年录取数据复盘💥分数趋势图:2022-2024年分数呈“波动状态”年份录取批次最低分位次平均分招生计...

某产品的广告费用x与销售额y的统计数据如下表广告费用x(万元...

[最佳回答]由题意,.x=4+2+3+54=72,.y=49+26+39+544=42∵方程y=bx+a中的b为9∴42=9×72+?a∴?a=2...