OpenAI揭秘ChatGPT广告架构：大模型编排破10亿美元收入

OpenAI揭秘ChatGPT广告架构：年收入破10亿美元

传统广告系统通常针对用户的单次明确行为作出响应，如搜索特定关键词或浏览特定网页。但 ChatGPT 的交互模式截然不同：用户的真实意图往往随着多轮对话逐步展开，且并非每个节点都适合插入商业内容。为此，OpenAI 从零搭建了一套全新的广告技术架构。

这套系统以经过专门微调的后训练前沿大语言模型（LLM）为核心，通过工具调用（Tool Calls）自主驱动广告的检索、排序、相关性评估与竞价全流程。上线不到 200 天，ChatGPT 广告系统的年化收入运行率（ARR）已突破 10 亿美元，累计服务超过 10 万家广告主。

如果将用户的每句话都当成独立的广告请求，极易误读真实意图并造成体验干扰。例如，用户先咨询马拉松训练，几轮之后才询问跑鞋推荐。若在第一轮就强行插入广告，既破坏对话体验，也降低了匹配效率。

OpenAI 在架构设计上确立了三大核心原则：

有状态的广告会话（Stateful Sessions）：系统在对话轮次间保留并动态更新上下文记忆，随着意图明朗自适应推进，而非针对单条消息盲目请求。
广告系统与 ChatGPT 回答完全独立：广告服务运行在独立的基础设施与进程中，使用独立的模型与代码。ChatGPT 核心服务专注生成原生中立的回答，完全不依赖广告链路。
宁缺毋滥的高门槛：不展示任何广告被视为正常的成功状态。只有在对用户和广告主均有明确价值时，系统才会展示广告。如果广告服务延迟或不可用，原生对话输出丝毫不受影响。

整个广告链路的大脑是一个被称为「编排器（Orchestrator）」的后训练大语言模型。它在 AI 智能体循环中运行，按需调用底层工具完成全套广告流程：

意图重写与生成多维检索查询：编排器将复杂的多轮对话提炼为语义摘要，识别当前真实意图与过往冗余信息，并生成多个检索查询。例如，将行程规划拆分为交通、住宿与活动等不同意图维度，而非机械压缩为单一关键词。
大规模语义检索：利用生成的查询构建语义 Embedding，在多个专用索引中通过近似最近邻（ANN）算法极速初筛出广泛的候选广告库。
硬性条件过滤：排除不符合地域定向、预算限制、投放节奏、合规政策及排他性要求的候选广告。
相关性打分与质量预估：调用评分系统对候选广告的语义相关性、预估互动率和历史表现打分。
竞价拍卖与最终筛选：编排器挑选出最合适的候选者送入竞价工具，完成最低门槛准入、出价计算、质量调整排序以及最终定价。