大模型对百度的重构，十分迅捷地渗入到了商业腹地。
怎么说？就看现在的互联网广告投放模式，那真是大大变样。
比如想整个营销方案，只要把需求“说”给大模型听，idea就能自动生成。
投放广告全流程，也都能通过跟AI的对话直接搞定。
而如果我们揭开全新表象再往底层技术探索，就会发现：
百度商业营销的底层技术引擎，已经被大模型重构。
驱动以上基于自然语言交互的营销新范式的，正是百度全新AI商业引擎——扬楫。
何为扬楫？
用百度自己的话说，这是百度营销的新一代“根技术”：
扬楫相当于百度营销这艘船上的发动机。
未来新的产品形态、新的交互形式，落地实现都是基于这一AI商业引擎的发展。
如此看来，百度这波是实实在在自己颠覆了自己。
但问题是，怎么颠覆的？
12:20开箱扬楫重构的核心，自然是大模型。
“年初到现在，我们推出了很多产品，它们共同构建了一艘航行在商业大海的大船。”百度商业研发部总监商业AIGC平台负责人刘林介绍道，扬楫，其实相当于这条AINative巨轮上的发动机。
而如果展开来说，扬楫相较于传统的商业引擎，是用生成式AI全面重构了定向、创意、机制、模型、架构几大关键环节。
通过这几方面方面取得核心突破，在定向效率、分配效率、投放效果、建模效率上均有显著提升，推动漏斗扁平化，大幅提升了上下游的一致性和漏斗效率的天花板，实现效率效果全局最优。
第一重核心变化，来看生成式定向。
商业定向指的是对广告受众的筛选过程，也就是给不同的人推荐不同的广告。
在过去，从技术的角度来说，商业引擎采用的策略是“度量式定向”。简单理解，就是通过深度学习将用户和广告映射到同空间的向量，通过度量用户和广告向量之间的距离来找出用户“可能最想看”的那个广告。
不难看出，这种方式多少有点简单粗暴，区分度不足，召回效率天花板有限，同时为了弥补有效性的不足，往往需要很高的召回量，下游需要层层筛选这些结果，而漏斗各层的优化目标及特征不尽相同，导致整体检索效率有损。
大模型的引入，有效地压缩了这样层层累加折损效率的“漏斗”：
基于大模型的理解能力、推理能力和生成能力，从最上游开始，扬楫就能够根据提示词定向生成“用户更想点击”的广告，大大提升召回广告的有效性。
百度商业研发首席架构师李双龙向我们透露，生成式定向的目标是能将广告召回的有效性提升10倍以上，召回结果的数量减少90%。
第二重核心变化，也就是与生成式定向紧密关联的生成式创意。
目前，扬楫已经借助大模型的理解、总结、提取、推理、检索、生成各项能力，实现用生成式大模型重构创意文案的功能。
同时，扬楫能基于客户和用户的需求表达、落地页内容通过大模型自动生成和优选出最合适的创意
基于文心大模型，扬楫自研了面向广告营销文案的生成大模型，建立了面向营销文案生成的三阶段训练范式，实现了对通用大模型底座的商业知识和多重反馈的增强，显著提升了广告营销文案的生成质量和转化效率。
根据百度营销披露的当前成绩，生成式创意已覆盖的超过18万客户，覆盖部分点击提升了10%，转化提升了接近9%。
举个例子。
百度营销前段时间发布的AIGC营销创意生产平台擎舵，B端企业主通过其创意生成能力，可以实现2分钟生成条营销创意文案，一键生成营销海报，5分钟制作一支完整的数字人口播视频。
在这些创意物料的投放过程中，扬楫会发挥重要作用，将营销广告精准传递到用户，实现高效精准的需求满足，大幅提升营销效率。
此外，扬楫还构建了新一代智能广告拍卖框架。
拍卖机制，是指通过分配函数和计费函数的设计，来影响平台的广告位资源以及参与各方的利益分配。
传统拍卖机制主要基于经济学方法实现，存在的问题是，实际复杂的拍卖过程往往不能符合经济学的原理假设，导致简化建模推导出来的规则实际并非最优解。
大模型的引入，使得绕开经济学方法、直接依靠深度神经网络表达拍卖机制成为可能。
目前，端到端拍卖已经在扬楫落地，实现了数据驱动的全局最优广告分配和计费，显著提升了系统的广告分配效率。
除上述提到的三点外，扬楫带来的核心变化，还包括两个基础技术“底座”。
第一个底座是点击转化预测模型，模型技术范式实现从Sparse记忆到Dense推理的革新，通过网络推理来逐步取代海量人工精细化的特征组合设计、烟囱式的场景化建模等，实现模型泛化能力的大幅突破。
第二个底座是工程架构，一方面实现整体检索架构的扁平化重构，同时也基于强大的推理性能优化、强大的算子并行能力来实现生成式大模型在线规模化部署。
不过，纵使面对这么多“被颠覆”，刘林还是坚持认为，一些核心的东西需要去延续。比如整个优化的方法、整个对于业务的理解、行业的洞察等等。
我还是把这（不会改变或被颠覆的核心）称之为专业能力。
扬楫是如何炼成的不难看出，商业引擎扬楫带来的影响才刚刚开始，并会进一步影响技术范式。
更值得
转载请注明：http://www.0431gb208.com/sjslczl/8164.html
