文 | 曾巧Ivy
一条广告，AI几分钟就能做出来。但它能不能顺利投出去，消费者点进去后能不能买到广告里承诺的东西，依然需要企业一件件解决。这也是品牌使用AIGC时容易忽略的一笔账：素材生产便宜了，反复修改、投放中断、处理投诉的成本，却未必一起降下来。比如，AI演示的产品使用效果很逼真，却超出了真实功效；代理商批量生成了一组人物口播，品牌拿到成片后才发现授权不清；广告本身没有问题，落地页和销售话术却承诺了另一回事。前面节省的时间，可能又花在后面的返工与纠纷上。10月24日，在第33届中国国际广告节期间，中国标准化研究院与巨量引擎商业信任与安全联合编制的《AIGC时代互联网广告治理蓝皮书》正式发布。它值得行业关注的地方，是将可核验的平台实践整理为可供参照的公共方法，让品牌、营销从业者与平台有一套标准，讨论合规与增长究竟是什么关系。从Morketing的视角看，这个问题已经进入企业的经营现场：
当广告可以批量生成，企业靠什么避免把错误也批量复制，最终消耗掉生产端省下来的成本？
生产广告更容易了，
把生意做完整却更难了
先看一个直观的例子：用AI给床垫广告搭建卧室场景，和用AI演示床垫可以抵挡炮火，是两件完全不同的事。前者帮助展示商品，后者制造了商品并不具备的能力。
但在实际生产中，边界未必总这么显眼。一个被“优化”过的使用效果，一段听起来更有说服力的专家口播，都可能在追求转化的过程中越过真实性的底线。画面越自然，观看者越难判断哪些来自真实拍摄，哪些只是模型生成。对认真经营的品牌而言，难处也正在这里。内容团队希望多做版本、尽快上线；法务需要确认功效依据和人物授权；投放团队收到拒审通知，又得把问题退回制作端。如果规则只有专业人士看得懂，一次修改就可能变成几轮猜测。素材越多，协作压力越大。恶意违规者则利用同样的效率，不断增加识别难度。过去制作一条虚假广告需要时间，如今可以批量生成；一种表达被拦截，就换谐音、换画面、换人设，把同一个违规主张重新包装。审核系统面对的，已是会快速变形的内容。
中国广告协会会长张国华在谈及AI营销标准建设时指出，生成式人工智能在重构信息传播底层逻辑的同时，也带来了“全新的发展命题与治理挑战”。中国政法大学朱巍曾在接受采访时也强调，AI治理需要跨领域协同，“需要监管持续加码，需要平台强化责任”。复杂之处还在于，风险可以躲到广告之后。一条游戏广告展示的是解谜玩法，用户下载后却发现是另一种游戏。素材中的文字、画面单独看未必暴露全部问题，但用户已经被误导。《AIGC时代互联网广告治理蓝皮书》因此提出全链路治理框架，强调“以AI治AI”，推动审核从“审单条素材是否合规”转向“判整次广告行为是否可信”。这要求平台既追上违规内容变形的速度，也沿着用户的点击继续往后看。巨量引擎的治理底线是明确的：AI生成与非AI生成营销内容，都要遵守同一套法律法规与平台规则。针对AI虚假功效画面，平台持续细化判定标准；对恶意规避审核、屡罚屡犯的主体，处置升级至账户封停、主体永久清退，涉嫌违法犯罪的固定证据并报送主管部门。与此同时，治理能力也在加快迭代。据巨量引擎平台披露，特定风险识别模型的训练与上线周期已从数周压缩至一至两小时；2026年的专项治理进一步延伸至利用画面拼接、文案变体规避审核的广告场景。风险变化更快，需要更持续、更严格的治理投入。对守规矩的企业而言，这也关乎竞争是否公平：如果虚构功效、冒用身份可以轻易换来点击，认真做产品、提供真实服务的商家，就要为别人的失信承担额外成本。但把违规拦下来之后，还有一个问题必须解决：愿意合规的企业，怎样才能更顺畅地经营？
把规则变成日常能力，
让每一次投放更可预期
理解巨量引擎的实践，可以沿着一家企业制作、投放广告，再到消费者完成交易的过程往下看。很多企业并不缺合规手册，缺的是把手册变成日常动作的能力。制作人员看到“不得虚假宣传”，仍然需要判断：这一句文案、这个演示画面，具体能不能用？巨量引擎此次规则升级，第一步是解决规则文本的机器可读问题。通过规范语言、补充专业知识与正反案例，把依赖人工经验的判断整理成机器能够读取的要求。自研的广告治理大模型Mamoda再结合画面、文字等信息识别风险，理解一段内容实际在表达什么。面向商家的客户服务智能体，则把这些规则进一步转成可执行的建议，串起问题理解、风险诊断和方案生成。广告主遇到问题时，可以得到针对具体情境的解释，而不必自己从大量条文里寻找答案。对品牌的启发是，审核要求应当随着创意一起进入制作环节。人物授权、产品功效依据、示意场景如何避免误导，都应在批量生成前明确。否则，一个错误的起点，也会被AI高效复制。比如，一款产品的检测报告只支持某个使用条件下的效果，制作团队就应把这个条件与卖点一起交给AI和代理商。后续即便更换画面、生成不同版本，也不能把条件删掉，让有限的证据变成无限的承诺。这样，合规知识才能随着素材流转，减少每换一个团队就重新解释一遍的消耗。过去收到“未通过审核”，商家可能不知道该改文字、画面还是配音。精细化拒审诊断把这个笼统结果拆开：哪一帧画面、哪一段文字存在问题，对应什么规则，可以怎样修改。定位之后，一键修复继续完成具体操作。蓝皮书及配套案例中，一张广告画面里的人物叼着香烟，系统可以擦除违规元素、修复局部画面，保留原有视觉风格；视频里出现不当表述，也可以定位到具体时间点处理。广告主核对修复结果、重新提交审核，减少整条素材推倒重来的浪费。
据巨量引擎披露，相关能力日均提供1500万条精细化拒审诊断，日均帮助超百万条素材完成自动修复。有家居建材商家反馈，素材修改周期从两三天缩短到了几分钟。这组变化的经营含义很直接：团队少猜一次拒审原因，少来回沟通几轮，原本被卡住的投放安排就多一分确定性。当然，自动修改文案和画面，不能替商品补出不存在的功效，也不能替企业取得缺失的授权。工具解决的是合规表达和修改效率，真实经营仍然需要品牌自己负责。也正因此，平台既要做“裁判”，也要做“教练”。对恶意违规保持严格处置，对能够纠正的问题说明原因、给出改法，才能让治理真正进入商家的工作流程。这种前移已经有了具体落点。蓝皮书披露，对数字人形象、混剪片段等原料的交互式审核，已在平台自有生产侧落地；进一步把安全知识嵌入生成模型、走向“生成即合规”，仍是后续演进方向。一条素材可以带来很多点击，但用户如果普遍反馈“跟广告里说的不一样”，前端数据就不足以证明这是一笔好生意。消费者的抱怨，往往指出了广告承诺与实际交付之间的落差。巨量引擎的CCR消费者抱怨指数（Customer Complaint Rate，CCR），将评论、举报、投诉、广告评价等负反馈汇集起来，分别观察内容体验和履约体验，让分散的抱怨成为可以定位原因、交给相关环节处理的风险信号。这也改变了企业看待投诉的方式。假如消费者多次提到某项服务没有兑现，系统就需要把问题反馈到治理团队，查清究竟是广告说得太满，还是交付没有做到位。只处理眼前这一单退款，下一批广告还可能带来同样的纠纷。游戏广告“货不对板”就是一个例子。消费者抱怨指数触发临界值后，平台先下载核验，确认广告中的玩法、名称等是否与实际产品一致，再按问题程度督促整改，整改不到位的下架。CCR指的是平台将评论、举报、投诉、广告评价等负反馈整合成的可计算、可归因、可派发处置的风险信号，其设计初衷就是“把用户的每一条评论、每一次举报都转化为可落地的治理依据”。这里有一个关键步骤：用户反馈引发核查，核实后的问题才进入处置。当然，没有投诉也不代表没有风险，尚未意识到受损或不便投诉的人群，仍需要主动排查和人工核验来覆盖。据平台披露，2025年，平台内容CCR、履约CCR分别同比下降56.2%和67.1%。这些数据反映的是用户负反馈的改善，也提醒企业：判断增长质量，应当把消费者买完之后的感受算进去。沿着这条思路，抖音广告“平台官方保障”标识，把相应保障和求助入口放在用户看得见的地方。对于适用保障的广告，即使交易发生在站外或线下，消费者遇到问题，也可以依照保障规则寻求平台协助。前端帮助商家改对素材，后端通过真实体验发现问题，两端需要持续互通。据蓝皮书介绍，
巨量引擎正在尝试通过全域Agent，把风险感知、识别、处置、客户服务与用户保障串联起来。用户反馈帮助发现新的风险，广告主的申诉和误判反馈，也用于校准判断。在Morketing看来，这套方法的价值，最终要落到企业的一次次经营动作中：规则更清楚，返工更少；交付更接近承诺，用户才更有理由继续信任。
把视野放到全球，几家公司的实践也指向了同一个问题：治理如何支持正常经营？Google在2026年发布的《2025广告安全报告》中披露，2025年广告主账户被错误停用的情况减少80%。其模型结合账户历史、行为信号和广告活动模式识别风险，提高对正常商业推广与欺骗行为的区分能力。这个指标很有启发。一家正常经营的企业，可能因为账户被误停而打断整场营销活动。降低误伤、提高纠错效率，本身就是平台向企业提供的经营价值。治理做得好，需要同时让违规更难发生、让正常业务更少被无谓打断。Adobe则把一部分工作放到了内容产生时。在其Firefly应用中，AI生成内容会自动附加Content Credentials内容凭证，标明来自Firefly模型还是合作伙伴模型。企业团队由此获得可查询的来源信息。当一份素材需要经过品牌、代理商、制作公司多次交接时，这种记录尤其有用。团队可以沿着来源核查，而不必只凭最后一张图片猜测。治理在这里表现为一项基础协作能力，让扩大AI使用规模时的责任追溯更有依据。不过，来源可查不等于内容必然真实，更不代表商品功效已经得到认证。它提供了追溯的基础，真实性与授权仍需另行判断。这些实践值得对照的地方，在于治理开始直接处理企业的经营损耗：误停账户打断投放，来源不清增加核验成本，承诺与交付脱节带来投诉。治理有没有价值，要看这些损耗是否实际减少。巨量引擎这次的蓝皮书发布，把规则解释、素材修复与交易后的反馈联系起来，也应沿着这条线持续检验。
对品牌来说，这意味着治理不宜只停留在法务签字或素材送审。营销负责人也应关注：素材反复修改的比例有没有下降，投放中断后多久恢复，哪些承诺最容易引发投诉，解决过的问题是否再次出现。这些指标不会自动带来营收增长，却能帮助企业判断，AI节省下来的生产成本，有没有真正留在经营里。蓝皮书的行业价值，也应在这里衡量。平台把实践中的规则、流程和案例公开，其他企业就有机会据此建立自己的方法；不同参与者也能围绕具体事实，讨论哪里有效、哪里还需要改进。公共方法要在这样的持续使用与检验中发挥作用。AI让企业更容易把话说出去。企业仍然要为说过的话负责，把承诺交付给消费者。当这件事可以更稳定、更大规模地完成，“治理力”才真正成为支撑增长的“经营力”。
