奥特曼食言了,但这次没人怪他

marsbitPublicado em 2026-05-06Última atualização em 2026-05-06

文 | 影子备忘录

2026年5月6日,OpenAI的两则消息同时在科技圈炸开了锅。

第一则消息在意料之中:GPT-5.5 Instant模型正式向所有ChatGPT用户推送,免费用户也能用了。这个新模型在医疗、法律、金融等高风险场景中的虚假信息输出较前代下降了52.5%,在用户标记为事实错误的高难度对话里,不准确表述减少了37.3%,输出内容也更简洁利落。

在AIME 2025数学竞赛中,GPT-5.5 Instant拿到了81.2分,比前代的65.4分提升了将近16分;博士级科学测试GPQA得分也从78.5分上涨到了85.6分。

第二则消息则更值得玩味——OpenAI同步上线了测试版ChatGPT自助广告管理器。美国境内的广告主可以直接注册账号、设置预算、上传素材,一键投放到ChatGPT的对话里。

两件事放在一起看,意味就大不一样了:模型在迭代更新,商业化的步伐也没停过。GPT-5.5 Instant把产品体验做得更好了,背后的算力开销也水涨船高——这笔账总得有人来付。

而广告自助管理器的上线,恰恰说明了广告不再是OpenAI“万一用不上的最后手段”,而是一个正在稳步推进的既定战略。

实际上,步子已经迈出去了。OpenAI预计2026年广告收入约为25亿美元,2027年将达到110亿美元,2028年250亿美元,2029年530亿美元,到2030年更是要突破1000亿美元大关。要知道,ChatGPT的广告试点上线还不到两个月,年化收入就已经做到了1亿美元。

当AI开始主动带货,一场比想象中更深刻的范式革命,正在悄然拉开序幕。

从“最后的手段”到“必备的收入”:OpenAI为何必须拥抱广告

时间回溯到2024年5月。彼时的奥特曼在接受采访时掷地有声地放出狠话:“广告加AI让我感到特别不安。我认为广告是我们商业模式的最后手段。”甚至到了2024年的哈佛演讲,他的态度也只是稍稍松动了一点:“我个人讨厌广告,但我不是完全反对它们。”

然而仅仅两年不到,广告模块已经稳稳地嵌入到了ChatGPT的对话界面。

这背后最核心的推手,是数字不会骗人的账本逻辑。尽管OpenAI的CFO在年初透露公司2025年年化收入已突破200亿美元,但高昂的算力成本与持续的研发支出让这家AI独角兽在2025年消耗了约80亿美元现金。

换句话说,每收入1美元的背后,OpenAI的支出要远远超过进账。面对这种巨大的财务倒挂,寻找一种体量足够大、见效足够快的变现方式,已经是摆在奥特曼面前不容回避的必答题。

为什么偏偏是广告?因为整个互联网商业史已经验证了:当一项技术产品积累了庞大的用户规模和足够高频的互动场景,广告就是被反复检验过的最优解。

搜索时代,Google靠关键词广告崛起,广告年收入巅峰时期超过2000亿美元;短视频时代,抖音用信息流广告重构消费链路,重新定义了用户注意力的价值。

今天,ChatGPT每天与数亿用户对话,不仅理解意图,还能在恰到好处的时机给出“建议”——这种能力本身,就暗含着巨大的商业变现潜力。

还有一个容易被忽略的关键信号——人才。OpenAI早在2025年就从Meta挖来了负责Facebook广告业务的菲吉·西莫,担任应用业务CEO;首席产品官凯文·威尔在Instagram也曾负责广告业务;还有一位副总裁,上份工作是在谷歌的搜索广告部门做老大。

据The Information数据,截至2025年10月,已有约630名前Meta员工在OpenAI工作,占其3000名左右员工总数的20%。这帮人加入OpenAI当然不是为了搞AGI研究,他们唯一的目标就是——搞钱。而广告,是来钱最快最直接的方式。

所以,与其说OpenAI放弃了理想主义,不如说它只是被市场和商业模式推到了必须抉择的十字路口。

不是“插广告”,而是“对话即广告”

如果只是简单地把传统横幅广告贴在ChatGPT的界面上,这件事根本不值得写一篇深度文章来分析。真正值得关注的,是这套广告模式背后的逻辑——它跟传统数字广告有本质区别。

从最直观的形态来看,目前的ChatGPT广告出现在回答的底部,被打上清晰标注的“Sponsored”,与正常回答严格区分开来。当你问了一个问题,AI照常给出回答之外,底下可能会出现某款产品。

但有意思的是,在较长的对话里,ChatGPT会结合整体上下文来决定展示什么广告。

这意味着广告不再是简单的关键词匹配,而是基于整个会话语境、用户意图和上下文理解的动态决策。这也解释了一个看似巧合的更新——GPT-5.5 Instant新增了“记忆来源”功能,可以更好地利用保存的记忆、过去的聊天记录来提供个性化响应。

毕竟,用户的记忆——那些过往的对话、偏好和兴趣点——恰恰是广告推荐中最精准的信号来源。

从广告主的投放端看,这种变化更加具象。在测试版自助广告管理后台,广告主需要在一个“Ad Group”的层级中提供“上下文提示”——用短语描述自家产品在哪些对话话题中可能是合适的。

比如家装品牌可能会描述“涉及房屋改造、庭院设计、装修选购”之类的对话场景。当用户在这些场景中提问时,系统会在合适时机将广告匹配过去。

这跟传统搜索引擎的“关键词竞价”完全不是一个维度的东西。关键词竞价依然是流量思维下的产物——用户在搜索框里输入什么词,平台就匹配出相关的广告。

而ChatGPT的广告模式开始向“场景思维”迁移:不是去捕捉用户的搜索词,而是去理解用户的完整对话意图和需求状态。它试图回答的不是“用户此刻想买什么”,而是“用户正在经历一个什么样的问题场景”。

这背后还有另一层值得注意的变化。早期的ChatGPT广告仅以CPM(每千次展示付费)模式运行,起步报价高达60美元/千次展示——这个价格几乎对标的是Netflix和NFL赛事转播级别的顶级广告库存。

到了2026年4月,也就是测试启动大约三个月左右,实际成交价格已经滑落到25到45美元之间,部分渠道甚至更低。与此同时,OpenAI为广告平台新增了CPC(按点击付费)计费模式,让广告主可以直接按实际点击量来支付费用。

从CPM到CPC的扩展,本质上是OpenAI在探索这套新模式的定价逻辑:如果一个广告展示能让用户真正产生点击兴趣,那它的价值应该高于普通的品牌曝光。这也意味着,ChatGPT的广告价值体系正在从“看的人多不多”向“看的人切不契合”发生转变。

还有一个不太起眼但很重要的信号:OpenAI正在向广告主强调“我们想要测试预算,不是搜索预算”,不希望广告主把原本投在Google搜索上的预算挪过来,而是希望他们把那些用于上漏斗品牌体验的“尝鲜”预算放在ChatGPT上。

这一选择的背后有务实的考量——ChatGPT广告的转化追踪还在建设阶段,暂时无法与Google搜索那种成熟的归因体系抗衡;与其拿自己的短板去硬碰硬,不如瞄准品牌推广这个更宽容、更关注体验而非直接转化的赛道。

而这一表态背后,其实藏着OpenAI对自身广告定位的深层认知:它想做的是“决策场景广告”,而不是传统的“搜索广告”。

在决策场景里,用户正在主动获取信息、比较选项、形成判断,广告主看重的不是一次点击带来的即时转化,而是在用户决策路径中占据一个关键推荐位的能力。这正是传统展示广告和搜索广告之外的一条新赛道。

广告主的行动、观望与AI产业链的全面重构

对于广告主来说,ChatGPT广告不太可能立刻成为他们预算规划中的核心渠道,但作为战略储备和先发布局无疑值得一试。

一个显而易见的利好是进入门槛在大幅调低。今年1月封闭试点时,最低投放门槛是25万美元,很多中小品牌连试试水的心气都没有。

到2026年4月,这个门槛已经降到了5万美元;而随着自助广告管理器的全面开放,更多中小企业可以更低成本地入场。当然,目前这套管理工具首批开放的对象仍限于美国境内的广告主,全球化铺开还需要时间。

衡量转化效果的体系建设也在同步推进。OpenAI已经在Ads Manager中加入了对转化追踪像素和转化API的支持,广告主可以测量用户点击广告后的购买、注册、转化等行为。

同时,Pacvue等一批广告技术平台已经完成了与ChatGPT广告系统的技术对接,让品牌方可以直接在多个渠道的统合管理界面中运营ChatGPT广告,实现跨渠道归因分析。Pacvue方面对此有一个评价值得留意:对话式人工智能是自零售媒体兴起以来最重要的全新流量渠道。

不过,挑战同样不容回避。

最大的一道坎,是品牌安全和广告效果衡量。与传统媒体投放不同的是,AI生成式交互里没有一个固定的上下文环境——每次对话都是独一无二的,同一个关键词在不同对话中的含义可能截然不同,这使得传统的关键词屏蔽和品牌安全管控工具很难直接套用。

广告主需要向OpenAI证明,ChatGPT的对话式广告不仅能让用户看到品牌,还能真正影响到他们的购买决策。这种价值主张,远没有搜索广告或社交广告那么一目了然。

与此同时,广告的引入也在整个AI产业链中引发了一系列连锁反应。一个大趋势正在浮现:数字广告正从传统的程序化拍卖机制,逐步向“AI Agent对AI Agent”的去中介化格局演进。

零售商不再完全依赖程序化广告平台,转而开发内建广告工具和代理式AI体系,让品牌端的AI与零售端的AI直接沟通需求和库存,绕过中间环节。一些零售商已经开始借助这种方式削减10%到20%的技术成本。

虽然这些实践目前更多集中在零售行业内部,但当一个有能力理解用户意图、挖掘潜在需求的智能体成为广告传播的核心介质时,传统的效果广告生态恐怕将面临一轮深度的结构性重塑。

还有一条更具争议性的赛道叫做GEO(Generative Engine Optimization,生成式引擎优化)。简单说,就是想办法在AI的多轮对话中植入合作品牌的商品信息,可能看起来像自然流露的推荐,实则包含商业引导。

目前OpenAI公开宣称的立场是坚决反对这种做法:广告模块与回答模块完全独立,广告主没有能力影响AI的回答内容。但行业里没有人能肯定这种承诺永远不变——谁能保证五年后的AI推荐里不会出现某种隐性的商业排序?这就像当年Google广告开始出现在搜索结果页顶部的迭代,最初的边界往往是清晰的,但商业利益总在寻找并且终将找到模糊边界的缝隙。

国内大模型厂商的视角也值得关注。一位数字经济学者在新京报采访中指出,ChatGPT开始卖广告标志着生成式AI商业化正式进入第二阶段——从烧钱运营向持续盈利探索演进。对于国内厂商来说,这既是一个警示(意味着竞争格局更加激烈了),也是一个机会(变现思路正在被打开)。未来大模型厂商很可能从“单一订阅付费”转向“订阅+广告+合作营销”多路径并存的模式。

换句话说,AI广告这件事,早已不限于OpenAI一家的试验,而是整个AI产业从“资本投入期”走向“商业变现期”的关键转折点。

当你的AI开始带货,广告真正的形态是什么

写到这里,不妨把眼光放得更远一些。

当AI模型真的开始成为用户决策路径中的核心中介节点,广告产业面临的挑战远比“在对话里塞几条广告”要来得更深。

最核心的变化,在于“决策中介”角色的崛起。在传统互联网时代,搜索广告的价值建立在“当用户在某条路径上需要商品信息时,平台可以在这个节点上打一个标记”这种逻辑之上。

社交广告则依赖平台对用户兴趣画像的精准把握。但在AI助手的语境下,用户不再需要去一系列网页里自己筛选、比较、判断——AI直接在几秒钟之内帮你完成了信息聚合、逻辑推导和答案输出。

当AI同时扮演信息过滤器、判断辅助者和推荐执行者时,品牌在用户决策链中的存在感将大幅降低,除非它们能够在AI给出的推荐结果中出现。

这也是为什么说AI时代的广告竞争,不是渠道的竞争,而是对“谁站在决策入口”的竞争。

一个AI助手如果能够在用户提出“周末去哪玩”时,先于竞争对手推荐目的地,甚至主动查询当天的航班、住宿、天气并给出整套出行建议,那么这个AI助手就已经不仅仅是回答问题那么简单了——它正在成为用户决策体系中的基础设施。

从这个角度看,ChatGPT广告的真正野心,或许不在于今天投放的这几条横幅广告,而在于率先构建起一个“决策场景广告”的全新范式。

在这个范式里,广告不只是某个产品的展示,而是融入用户意图理解、场景匹配和决策推荐的闭环之中。

与此同时,围绕AI广告的商业生态也在快速成型中。OpenAI的技术合作伙伴名单里已经有Adobe、Criteo、Kargo、Pacvue、StackAdapt等一系列广告技术服务商。同时,四大广告集团Dentsu、Omnicom Group、Publicis Groupe和WPP都已与OpenAI建立合作关系。一个由AI模型驱动的广告产业链条正在加速成型。

当然,这条路不会一帆风顺。OpenAI面临的最大挑战,不是技术上的实现难度,而是如何在商业利益、用户体验和隐私保护之间走出一条平衡之路。当ChatGPT的免费版用户越来越多地看到广告推送时,用户会不会开始质疑AI的推荐是否还保持中立?

当广告收入贡献越来越大时,OpenAI有没有动机去“优化”模型参数以提升用户停留时长、增加广告库存价值?这些都不是杞人忧天的想象,而是商业史上反复上演的故事。

结语

GPT-5.5 Instant的上线,是模型本身的迭代进化。而自助广告管理器的全面开放,是OpenAI商业模式的正式重构。两件事在同一天发生,绝非巧合。

奥特曼在2024年5月说广告是“最后手段”的时候,恐怕也没想到仅仅两年后广告模块就会以如此完整的姿态嵌入ChatGPT的核心产品。

但这恰恰折射出AI产业即将面对的核心命题:当一项技术从理想主义的实验室走向服务亿万用户的商业社会时,它必须找到可持续的存在方式。

对于大模型来说,答案或许不是“要不要做广告”,而是“如何把广告做得足够好——让用户觉得有价值,让广告主觉得有回报,同时不伤害AI最宝贵的东西:信任”。

至于AI广告最终会不会成为AI时代的主流商业形态,现在下结论还为时尚早。但可以确定的是,2026年5月6日这一天,在AI产品的发展和商业化进程中,一定是一个不会被轻易遗忘的标志性节点。

Leituras Relacionadas

The Value Distribution of Stablecoins

**Summary: The Value Distribution of Stablecoins** The article argues that stablecoins are evolving from mere trading tools into broader channels for dollar access. It divides the stablecoin ecosystem into four layers to analyze how value is distributed: 1. **Issuance Layer:** Mints stablecoins, holds reserve assets, and captures the spread between reserve yield and user costs (e.g., Tether, Circle). This layer currently earns the largest profit margin. 2. **Infrastructure Layer:** Connects stablecoins to the traditional financial system, handling fiat on/off-ramps, banking integration, compliance (KYC/AML), and asset management (e.g., Bridge, BVNK). This is the "unglamorous" but critical work, building the essential bridges between crypto and real-world finance. 3. **Acquiring/Distribution Layer:** Integrates stablecoins into merchant systems, manages payment flows, and provides enterprise financial software (e.g., Stripe, Coinbase). They act as the access point for businesses. 4. **Application Layer:** The end-users and businesses that ultimately use stablecoins for payments, settlements, or as a store of value. They benefit from convenience but have little pricing power. The core thesis is that while the issuance layer currently dominates profits, the often-overlooked **infrastructure layer holds significant long-term potential**. The real challenge and barrier to mass adoption is not the on-chain transfer of stablecoins (which is simple), but the complex "last mile" integration into existing business workflows, banking systems, and regulatory frameworks across different countries. Companies in this layer are currently in a "land grab" phase, investing heavily to build networks, secure bank partnerships, and establish compliance pathways. While their position is currently pressured by the profitable issuers above and distribution platforms below, the article suggests that if stablecoins become a default financial rail for businesses, the infrastructure providers who have done the hard work of integration will ultimately gain strong pricing power and become entrenched, essential players.

marsbitHá 6h

The Value Distribution of Stablecoins

marsbitHá 6h

The Value Distribution of Stablecoins

The Value Distribution of Stablecoins The article argues that stablecoins are evolving from a mere trading tool into a broad "dollar channel." It analyzes the industry's value chain through four layers: 1. **Issuance Layer (e.g., Tether, Circle):** The top layer that mints stablecoins, holds reserve assets, and captures the thickest interest rate spread. 2. **Infrastructure Layer (e.g., Bridge, BVNK):** Connects stablecoins to the traditional financial system, handling critical but complex "dirty work" like fiat on/off-ramps, banking integration, compliance (KYC/AML), and cross-border settlement. 3. **Acquiring/Distribution Layer (e.g., Stripe, Coinbase):** Embeds stablecoins into merchant systems, manages payment flows, and integrates with enterprise software. 4. **Application Layer:** End-users and businesses that ultimately use stablecoins for payments, settlement, or storing value. The author posits that while the issuance layer currently captures the most profit, the most overlooked and potentially critical layer is infrastructure. The core challenge for stablecoin adoption isn't the on-chain transfer (which is simple), but bridging the gap between blockchain and the real-world financial system. This involves solving practical problems for businesses: fiat conversion, reconciliation, tax handling, and user onboarding. Infrastructure companies are currently in a difficult "land-grab" phase—building networks, securing banking relationships, and achieving compliance country-by-country. They face pressure from both the profitable issuance layer above and distribution platforms below. However, the author suggests this layer is building a crucial moat. Once stablecoins become a default business rail, the infrastructure players who have done the hard work of integration may gain significant, durable value and pricing power.

链捕手Há 6h

The Value Distribution of Stablecoins

链捕手Há 6h

Trading

Spot
Futuros
活动图片