引言：

今天这篇内容会比较多，但对我们研究最新的AI智能投放系统和算法很有帮助。

01 百度COBRA算法是什么？

现在所有我们看到的GPT、DeepSeek等大模型，都是生成式AI大模型。

这些大模型能通过我们和它对话的上下文内容，预测和推理出我们的意图。

那AI未来是不是也同样能精准预测和推理出我们的兴趣或购物意图呢？

比如现在的广告推荐算法，能推荐给我们感兴趣的内容，其中也包含广告内容。

如果能再加上AI大模型的加持，推荐给我们广告是不是能更加精准？

如果在未来智能体的加持下，是不是就可以实现，只要我说帮我买双运动鞋，然后它就会去一顿搜索、对比，

然后根据我过往的喜好和运动情况，直接帮我买到最适合的鞋子了。

我感觉已经快要实现了。

这里有几个前提条件：

1、大模型要务实，不能有幻觉

这个其实很多大模型已经在修正了，在处理一些具体的事务上，已经可以实现指定的指令，不会乱来了。

2、智能体

自从Manus发布到现在，各家大模型其实都悄悄在发力，未来最强大的智能体应该会直接集成在大模型上。

最近，清华大学的大模型智普清言，就推出了AI Agent：AutoGLM沉思。

已经可以实现，你发一个指令，它就会自动帮你完成相应的任务。

未来会有更多的AI智能体走进我们的生活。

3、广告推荐算法系统

如果想要买一双鞋子，不管是我们自己去买还是AI智能体帮我们买。

都要经历几轮广告的轰炸、筛选，最后才能做出决策。

按目前的广告推荐算法来看，其实还不够精准，效率还不够。

如果有一套AI算法能加入到现在的广告推荐算法，是不是能提高精准度和效率。

不管是对广告主还是消费者，都能提高效率，对整体的体验都会好。

我看到最近百度团队在ArXiv上发表了COBRA（Cascaded Organized Bi-Represented generAtive Retrieval）算法框架，

是一种融合生成式模型与密集检索技术的创新架构，旨在提升广告推荐系统的效果。

论文标题：

Sparse Meets Dense: Unified Generative Recommendations with Cascaded Sparse-Dense Representations

论文 ArXiv：

https://arxiv.org/pdf/2503.02453

技术很专业，原理很复杂，如果你想要仔细研究的老铁可以用AI帮你翻译，然后问它相关的问题。

我直接说个结论，百度把这套算法在应用到现在的广告推荐之后的结果。

在真实业务场景中，COBRA通过A/B测试验证了其有效性：

转化率提升3.6%，平均每用户收入（ARPU）增长4.15%。

也就是说，这套算法能直接提升投放广告的转化率。

最新消息，这套算法已部署到百度广告推荐核心业务当中了，

支持从用户意图识别到最终转化的全流程优化。

这就是AI大模型在实际应用场景当中能发挥的作用。

百度已经研发出来并公布了，其他家媒体相信也很快会跟上。

对我们广告主或从事广告投放的优化师来说，又会有哪些影响？

02 对广告主有什么影响？

我让AI帮我深度研究了这篇论文，并问了它会对广告主有什么影响？

对于了解算法和实际影响还是很有价值的。

来看看基于专业论文的回答：

COBRA框架能为投放搜索广告和推荐算法广告的广告主带来积极影响，

通过优化推荐和检索机制，提升广告投放的精准度和效率，进而增加广告效果和商业价值。

• 提升广告投放精准度：

COBRA 框架利用级联的稀疏-密集表示，能更精准地捕捉用户的兴趣和需求。

对于投放搜索广告的广告主而言，这意味着：

当用户输入搜索关键词时， 系统可以借助 COBRA 框架，通过稀疏ID快速定位到与关键词相关的大致类别， 再利用密集向量对用户的搜索意图进行更细致的理解，从而将最符合用户需求的广告精准地展示给用户。

在投放推荐算法广告时，COBRA 框架基于用户的历史行为序列，生成更具针对性的推荐。

广告主的广告能够更准确地触达目标客户群体，提高广告的点击率和转化率。

• 提高广告投放效率：

该框架在推理时采用的粗到细生成过程，先生成稀疏 ID 再生成密集向量，这种方式提高了处理效率。

对于广告主来说，这意味着在大规模的广告投放场景中，系统可以更快地筛选和匹配广告与用户。

投放搜索广告时，能迅速从海量的广告库中找到与用户搜索匹配的广告，减少广告投放的延迟；

在推荐算法广告中，也能快速为每个用户生成个性化的广告推荐列表，提高广告投放的实时性，使广告主的广告资源得到更高效的利用。

• 降低广告投放成本：

精准的广告投放和高效的匹配机制可以减少广告主的无效曝光。

投放搜索广告时，广告主无需为不相关的搜索展示支付费用；

在推荐算法广告中，也避免了将广告展示给对其不感兴趣的用户。

COBRA 框架的实验结果表明其在提升推荐质量的同时能带来更好的商业效果，

这意味着广告主可以用更低的成本获得更高的收益，提高广告投放的投资回报率。

• 增加广告投放的灵活性和多样性：

BeamFusion 机制为 COBRA 框架带来了灵活的推理方式和多样化的推荐结果。

广告主可以利用这一特性，在保证广告精准度的前提下，尝试不同类型的广告展示，满足不同用户的多样化需求。

可以在推荐算法广告中，针对不同用户展示不同风格或内容的广告，增加广告的吸引力和创新性，提升用户对广告的接受度和好感度。

03 对优化师有什么影响？

COBRA 框架对广告投放优化师会产生多方面的影响，但这并非是危机，更多的是机遇和挑战，具体如下：

1、机遇

• 优化工作更高效：

COBRA 框架提升了广告推荐的精准度和效率，能更精准地定位目标用户。

这意味着优化师无需花费大量时间筛选和调整广告投放策略，

可将更多精力放在优化广告创意、提高用户体验等方面，从而更高效地完成工作。

• 数据支持更有力：

该框架通过稀疏 ID 和稠密向量的结合，提供更全面的目标对象特征。

优化师能获取更详细准确的数据，更深入地了解用户需求和行为模式，

基于这些数据制定更科学的投放方案，提升广告效果。

• 职业发展有新机遇：

随着新技术的应用，广告行业对掌握相关技术的优化师需求增加。

熟悉 COBRA 框架等先进技术的优化师在就业市场上更具竞争力，

有机会晋升到更高级别的职位，负责更复杂、更具挑战性的项目。

2、挑战

• 技术学习有压力：

COBRA 框架涉及生成式模型、密集检索技术、残差量化变分自编码器等复杂技术。

优化师需要学习和理解这些技术原理，才能更好地运用该框架，这对其技术能力是一大挑战。

• 工作方式需转变：

以往的广告投放优化经验可能不再完全适用，优化师需要根据新框架的特点和要求，调整工作流程和方法。

例如，在制定投放策略时，要更加注重对稀疏 ID 和稠密向量数据的分析和运用。

虽然 COBRA 框架给广告投放优化师带来了一些挑战，但也为其提供了提升专业能力、实现职业发展的机遇。

我们不应将其视为危机，而应积极应对，适应行业的发展变化。

04 总结

看完AI帮我翻译和回答之后，我个人有两点感受：

1、未来的广告投放一定会有AI大模型的加持。

对于媒体来说，有AI大模型的加持，能减少平台的算力成本，

还能提升广告主和消费者的匹配效率，对广告主和消费者的体验度都是有好处的。

2、对于个体来说，要学习更多的AI。

其实不管我们愿不愿意，AI已经融入了我们生活、工作各个方面。

就广告投放来说，AI智能投放是趋势，是不可逆的。

我们更要主动去学习AI，了解AI的原理，才能让AI更好地为我们所用。

自从ChatGPT问世到今年的DeepSeek，以及所有生成式AI大模型的发展，

再到现在百度的COBRA算法直接应用到现在的广告推荐算法了。

我深深地感受到了AI在广告投放领域中的威力。

只有我们不断地学习最新的AI，特别是AI在广告投放中的应用，未来才能在这个行业中生存。

对了，除了媒体平台研发的AI智能投放，我们也可以尝试做一些AISEO。

我看到目前已经有人在做AISEO，主要有两种方式：

1、给AI大模型投喂

投喂公司、品牌、产品相关的内容，让AI大模型更多地收录并训练到相关的内容，最终展现给用户。

比如，之前有各种 DeepSeek 回答的内容中推荐本地的一些商家。

这个有一定的技术门槛。

2、全网铺内容

在全网铺更多公司、品牌、产品相关的内容，也就像之前做的SEO类似。

现在很多大模型都有联网搜索的功能，可以利用这个，让更多的内容被搜索结果引用到，这样也是一种策略。

比如，我们艾奇之前发过的很多内容，现在会在很多AI搜索结果中被引用，如果能做到这个，对品牌、公司、产品还是有很大价值的。