了解腾讯营销

腾讯营销（原腾讯广告）是腾讯面向企业的统一商业服务平台，依托腾讯技术实力与全域生态，整合微信、QQ等海量用户场景，构建超十亿用户流量矩阵，连接用户与品牌，并为广告主提供全经营链路数字化营销解决方案，帮助广告主实现数字化经营与生意增长。

这里有

技术:毫秒级处理海量广告请求，算法、大模型、强化学习、AIGC创意生成，工业级难题，真实上线，跑在十亿用户面前;

产品:定义广告主的经营工具，从0到1设计影响真实商业决策的产品体验，每个方案都直接关联真实生意;

营销:用数据和创意重新发明增长，在大规模的商业场景里验证每一个想法。

期待与你一起，探索AI时代下，技术与商业的最新可能。

了解流量场景商业化团队

【流量场景商业化】是连接十亿用户与商业价值的超级接口

负责全场景流量商业化研发体系建设，深度覆盖微信生态、多内容平台及海外市场，构建多元商业化产品矩阵，精准捕捉流量背后用户意图，通过技术创新将流量势能高效转化为可持续的商业增长

腾讯营销（原腾讯广告）商业化团队多岗位热招中

点击下方岗位名称，一键投递！

青云热招课题

• 广告推荐模型 Scaling Up（序列和非序列统一建模方向）

• 面向生成式推荐的强化学习优化技术研究

• 面向商业化推荐平台的生成式推荐技术研究

• 基于大模型Agent的腾讯电商广告推荐研究

• 多模态大模型与强化学习驱动的广告投放Agent

• 面向商业化推荐的统一多模态生成

• 面向商业化场景的统一多模态表征大模型技术研究

• 基于LLM的广告系统实验设计与衡量

• 机器学习平台技术研究

• 优化算法在广告推荐场景的应用研究

• 基于Agentic AI的自主进化广告审核专家Agent构建

• 大规模语义理解的 agent 数据和知识问答

校招技术岗位

• 算法-多模态方向

• 算法-推荐算法方向

• 算法-机器学习方向

• 技术研究-高性能计算方向

• 算法-数据科学方向

社招技术岗位

• 大模型深度LTV-算法工程师

• 多模态大模型算法工程师

• 高级数据产品agent算法工程师

• 广告推荐模型算法工程师/专家

• 多模态大模型算法工程师

• 资深AI研发工程师（微信数据专区联动）

• 高级GPU训练工程师

• 高级GPU推理加速工程师

• 高级PS框架研发工程师

技术内容导语

腾讯广告技术团队从业务建模入手，建立了完整的技术体系：终端侧设计高性能渲染引擎，支持多样化形态；工程侧构建样式工厂等平台，年产千级模板，支持面向亿级设备的资源安全分发；算法侧通过样式召回-粗排-精排链路，实现创意-样式联合建模的千人千面推荐。目前已覆盖闪屏、激励、沉浸流、贴片、详情页等多个场景、多个流量平台，生产效率提升数倍，发布效率大幅提升，多场景验证了千人千面的商业价值。

本文从概念建模、技术架构到业务实践，完整呈现广告形态动态化的探索历程。

01

动态化的意义与演进历程

一、动态化的意义

动态化技术通过领域特定语言定义界面结构、组件样式和交互行为，实现UI呈现与业务逻辑的分离。终端渲染引擎实时解析配置并渲染广告，支持根据用户、场景、数据实时调整广告形态。

通过动态化技术，我们实现了效率提升和效果优化：

• 规模覆盖：已覆盖多个主流场景、多个主流流量平台；

• 效率突破：生产效率提升数倍，年产量可达千级模板样式；发布效率大幅提升，迭代周期从数周缩短至几天；

• 效果提升：例如新闻闪屏多种交互样式CTR均有显著提升；

• 创新加速：支持快速实验验证，实现广告形态的千人千面个性化推荐。

该技术不仅能支持广告形态的快速实验验证，还可实现个性化展示，将迭代周期从数周缩短至几天甚至几小时，并通过个性化样式推荐达成千人千面效果。

相关概念补充：

• 动态化：是一种广告形态研发新模式，通过终端动态化渲染技术及其相关配套系统的实现不依赖APP发版的快速形态迭代；

• 广告形态：广告形态是指广告的展示形式、交互方式和组件组合，用于定义广告在终端的具体呈现和用户体验；

• 广告概念体系：广告实体包含素材内容、优化目标、投放策略等核心要素。广告形态作为展示载体，虽不属于广告本体，但依附于广告下的创意实体。

二、动态化技术演进路径：终端发版的迭代历程

回顾终端内容更新的历史，我们可以清楚地看到一条从「笨重」到「轻盈」的演进路径，这也是动态化技术诞生的必然趋势：

演进路径	具体描述	图示
初始阶段	任何功能或内容的更新，不管是UI调整还是逻辑变更，都必须依赖应用的整体版本迭代： 更新流程很繁琐：开发→ 测试→ 回归→ 发布→ 用户更新； 周期很长：通常需要数周时间 完全依赖应用版本更新，无法快速覆盖大量用户，更新效率和灵活性都很低。	图1-1 终端发版
过渡阶段	随着技术的发展，大家开始尝试「模板化」的思路，把一些容易变化的UI部分做成固定的模板。比如： 一个新闻点击大卡形态是固定的，后台可以下发不同的文字和图片来填充它。一定程度上提升了内容更新的效率； 当需要新增一种形态时，仍然需要开发人员预先在代码中定义好这个新模板，并跟着App发版。 形态的拓展还是受限于应用发版流程，灵活性有限。	图1-2 模板化
成熟阶段	借助成熟的动态化技术，实现了内容形态更新的完全自主： 新的「模板」可以像业务数据一样，通过网络动态下发到客户端； 终端的渲染引擎能够解析模板，并把它们渲染出来。 这使得形态的迭代彻底和应用版本解耦，可以根据业务需求和市场变化，实现快速、实时的内容更新和功能迭代，大大提升了系统的响应速度和运营效率。	图1-3 动态化

表1-1 技术演进路径

02

动态化业务模型抽象：形态定义与数据协议

要构建一个强大而灵活的动态化系统，首要任务是建立一个清晰的业务模型。这个模型需要能够精确地描述一个广告形态，并让系统中的各个参与方（包括设计师、产品、终端、策略）都能使用同一种“语言”进行沟通。

在实践中，我们整个体系的基石是两大核心设计原则：业务形态的准确抽象与定义、标准化数据协议设计。

一、业务形态的抽象与定义

面对千变万化的广告样式，需要找到一种方法来「解构」和「重组」它们。实践表明，不管广告形态看起来多复杂，都可以被拆解为更小、更基础的单元。基于这个思路，我们抽象出了贯穿整个系统的四个核心概念：组件、属性、模板、样式。

概念	定义
组件	构成广告形态的最小可编辑单元。它可以是一个基础的视觉元素，如「图片」、「文本」、「按钮」；也可以是一个包含特定交互逻辑的功能单元，如「倒计时」、「轮播图」。每个组件都像一块乐高积木，是构建更复杂场景的基础。
属性	用于定义一个组件的具体特性。例如，一个「按钮」组件可能拥有「背景颜色」、「文字内容」、「字体大小」、「圆角半径」等属性。属性是实现形态差异化的关键。
模板	由多个组件组合而成的结构化骨架。它定义了一个广告形态包含哪些组件、这些组件如何布局、以及组件的哪些属性是「可配置」的。
样式	是模板的一个实例化实体。当一个模板的「可配置属性」被赋予了具体的值，就产生了一个「样式」。 例如「闪屏滑动点击模板」 配置了「50dp」的滑动有效距离，就得到了「样式1」； 配置了「30dp」的滑动有效距离，就得到了「样式2」。
模型图	图2-1 形态业务抽象模型

表2-1概念与定义

在这个模型中，「样式」是最核心的概念。对后台广告系统而言，它屏蔽了所有终端渲染的复杂细节，成为一个可被独立索引、召回和优选的实体。对终端而言，「样式」和「模板」共同决定了最终的渲染效果。这套清晰的建模，为我们后续的系统架构设计和业务流程打下了坚实的基础。

二、数据协议设计

为了让后台的“样式”配置能够被终端正确理解和渲染，我们需要定义一套标准的“沟通语言”，即数据协议。

确保数据在管理平台（生产端）→ 广告后台（分发端）→ 终端引擎（消费端）的全链路中被一致解析，我们设计了两大核心协议：

协议	用途	示例
模板DSL	用于描述一个模板的完整结构。它是一个JSON格式的文本，定义了页面包含哪些组件、组件的层级关系（父子、兄弟）、以及每个组件的属性。渲染引擎的核心工作就是解析这份协议。	图2-2 模板DSL协议示例
可配置属性协议	基于模板DSL协议，统一维护了系统中所有的组件及其属性的定义，包括组件ID、属性名、属性值数据类型等，保证后台与终端对组件认知一致。在此基础上生成模板DSL对应的可配置属性数据，用于样式数据配置与下发。	图2-3 可配置属性协议示例

表2-2 两大核心协议

通过这套标准化的协议，我们将一个具体的、千变万化的广告形态，成功地抽象出了属性、组件、模板、样式等结构化的数据。在此基础上高效完成动态化模板与样式的生产、分发与消费。

图2-4 数据协议全链路图

03

客户端架构与实践

实现动态化的基础是客户端支持运行无需编译的动态化脚本语言，也就是跨平台的动态化渲染引擎。现有的跨平台动态化引擎的原理总结起来都是通过选择特定的解释型语言，通过引入语言的解释器实现动态化语言的解释执行，为终端原生语言提供动态化的特性，并在引擎中通过重新搭建框架，抹平各系统和平台的差异，从而实现跨平台的动态化解决方案。

为了使性能和使用体验更贴近原生，现有的动态化引擎在UI渲染过程中都尽可能使用更加底层的渲染方案，主要包括两种：

1. 终端原生语言API打平

1. 基于终端原生语言API，在引擎中搭建一套新的框架接口，抹平各终端原生语言API的差异，向动态代码暴露系统原生能力，JavaScript编写的UI渲染工作最终交由系统负责；

2. 这类引擎的代表主要有业界主流的跨平台方案React Native、Weex和腾讯开源的Hippy引擎等。

2. 操作系统API打平

1. 绕开终端原生语言对系统API的封装，直接对不同的操作系统API进行抽象和打平，定义一套新的终端语言，从而使新的语言天然具有跨不同系统平台的特性，且由于新的语言直接与操作系统API交互，所以使用该方案实现跨平台，理论上性能方面不会相对于原生方案有更多损耗；

2. 这类引擎的主要代表是业界主流的自绘引擎方案（如Flutter等开源框架）；

3. 但这种方案并不具备动态化能力，想要实现跨平台的动态化引擎，需要在新定义的开发语言基础上引入JavaScript等动态化语言来为方案增加动态化能力。

我们业务使用场景切入点是闪屏广告，闪屏广告具有两个特点：

1. 闪屏展示时机是APP启动时，引擎初始化一定是在APP启动之后的，闪屏展示需要即时初始化引擎，出于用户体验的考虑，APP留给闪屏的时间有限，闪屏广告的收入又与选单时间强相关，在保证收入的前提下，闪屏动态化解决方案对引擎初始化时间提出了很高要求；

2. APP启动是一个CPU繁忙的场景，会有大量APP初始化工作同步进行，会进一步拉长引擎初始化的时间。

这两个特点对闪屏场景的跨平台动态化引擎的初始化时间提出了很高要求。

我们在CPU繁忙场景下的初期实验显示，业内主流跨平台动态化引擎的初始化时间较长，无法满足闪屏场景毫秒级的性能要求，因此我们采用了自研轻量、启动速度快的动态化引擎的方案来实现业务目标。

一、动态化引擎

围绕广告业务展开，广告业务特点映射到跨平台动态化引擎的设计诉求上，主要有两点：

1. 启动速度快：如上文提到的，广告包括闪屏这种场景，APP对闪屏展示时间控制严格，所以闪屏对引擎启动性能要求很高；

2. 增量包体积小：广告业务依托于流量APP，广告业务代码集成于APP中，针对广告切换动态化方案时应该做到尽可能少增包，减少APP的集成压力。

从以上设计诉求出发，我们针对广告业务设计了一套跨平台的动态化引擎。引擎命名为LightEngine。

设计方案	详情
整体架构设计	JavaScript作为使用非常广泛、团队成员学习成本最低的前端语言，我们选定其为动态化语言，引擎之上的业务代码由JS编写。 基本设计原理是通过集成JavaScript解释器为终端原生语言增加动态化能力，通过将原生语言接口（OC/JAVA）差异抹平，将原生接口向JS做打通，实现JS代码逻辑最终交由原生语言执行，从而使引擎性能尽可能贴近原生。 如下图所示，LightEngine整体架构设计分为三层： JS解释器：负责解释执行上层JavaScript动态代码； 引擎层：负责集成JS解释器，为原生框架层提供友好的JS交互能力支持； 原生框架层：负责基于广告业务搭建原生框架，在这一层抹平iOS/Android双端的原生语言API差异，将系统原生语言能力向JS打通。 图3-1 LightEngine整体引擎架构 引擎采用分层设计的思想，每层设计独立的接口，可单独对外提供服务，从而实现层级间解耦，提高复用性和可维护性。
JS解释器选型	我们调研对比了业内主流的四个JS解释器，如下图所示： 图3-2 JS解释器选型对比表 从表格数据可以发现，在初始化速度和增包大小两个维度，Quickjs明显优于其他JS解释器； 并且观察其他维度数据，Quickjs完全可以满足要求。 所以基于引擎设计诉求的考虑，最终选取了Quickjs作为JS解释器。
引擎层设计	QuickJS采用C语言编写，原生语言调用不便，为此我们设计引擎层，将QuickJS集成到原生语言中，屏蔽跨语言调用，提供便捷JS交互 QuickJS高性能体积小的特性决定了它只支持最基础的JS调用和执行，没有其他功能的封装，所以我们设计了引擎层解决以下问题： JS调用Native方法； Native和QuickJS数据类型不互通的问题； C语言代码的内存管理。 通过解决以上问题，我们实现了： 系统原生语言与JS之间相互调用和执行； 向原生语言提供友好的开发接口； 屏蔽跨语言调用细节。 使原生框架可以利用引擎层的接口，方便地将终端原生语言接口向JS层做打通。
原生框架层设计	在引擎层基础上，设计原生框架层，针对广告业务搭建框架，以最小性能代价抹平语言接口差异，实现原生能力JS打通。 原生框架层的总体架构设计分为三个主要模块： Context模块：实现引擎层的集成，为原生框架层提供JS交互能力，并负责向引擎层传递参数以及接收引擎层的执行消息回调； 广告基础业务能力模块：整个原生框架层核心，多系统设计统一简洁的接口协议，利用Context集成引擎层将原生能力打通到JS层； Engine模块：原生框架层的对外接口，支持跟广告流量APP的交互，包括接收APP的个性化能力（如图片颜色黑白化等）和接收广告数据，以及向APP回调JS代码执行状态和消息，这一模块同时负责Context模块的集成。

表3-1 动态化引擎设计方案

原生框架层通过将双端系统基础能力进一步封装为统一的原生接口协议，通过引擎层的核心能力，向JavaScript真实业务逻辑抹平了双端差异，使JavaScript可以调用一个接口，在双端实现相同的效果，从而支持了后续的动态化业务开发。

二、动态化整体方案

准备好动态化引擎之后，我们设计了完整的模块化动态化技术方案来支撑整个动态化系统的运行，如下三层设计：

• 第一层：下

• 设计：LightEngine作为自研的动态化引擎，在最下层，支持高性能广告业务动态化。

• 第二层：中

• 设计：中层引入DynamicSDK模块负责动态化代码的管理，以及后台动态化代码、模板管理服务的对接，同时支持多个动态化引擎的接入和管理。例如可选择接入Hippy动态化引擎或者自研LightEngine动态化引擎。

• 第三层：上

• 设计：再上层就是承接业务逻辑的动态化模板和JavaScript业务代码包，这部分根据对接流量业务不同实现不同的逻辑。

三、资源分发&加载

随着业务规模不断扩大，需要向不同终端分发的模板、代码包等资源数量快速增加。如何把这些资源安全、可靠地推送到数亿台不同型号、不同操作系统的设备，同时保证分发质量和流程安全，是面临的主要挑战。

主要问题：

• 早期资源分发依赖通用配置平台：安全管控弱、合规保障难、业务适配差、效率低；

• 广告业务分发：场景复杂、要求高。

解决方案：

打造业务导向，面向广告业务的端资源分发平台，（以下简称端资源分发平台）。

图3-3 资源分发问题分析

为了解决这些问题，建设了深度定制化的端资源分发平台，紧密结合广告业务特性，实现了以下关键能力：

• 流程化：实现「物料化开发」和「快照式发布」，开发与发布环节有效隔离，提升了协作清晰度和发布可控性；

• 规范化：定制贴合业务和合规要求的审批流程，确保每次资源变更合理、可追溯、受控；

• 安全化：通过场景化应用管理、独立包体发布机制，以及「测试」→ 「预发布」→ 「线上」三阶段管控策略，多维度保障发布安全；

• 一体化：打通从发布部署到线上效果的全链路监控，构建一体化预警和观测能力，实现发布过程可观测、效果可验证。

图3-4 端资源分发平台能力

通过自建平台，在关键指标上实现了显著提升，代码包和模板的生产效率与发布效率均实现了显著提升，并实现了稳定运行。这些成效不仅体现在数据层面，更体现在为整个动态化体系的可靠运作提供了坚实保障，为大规模业务推广奠定了技术基础。

04

动态化与广告业务结合

在前述技术体系基础上，动态化系统需要与广告核心业务流程深度融合才能发挥最大价值。本章从业务视角阐述动态化系统如何在广告业务中实际应用。

一、广告业务形态的演变与动态化的价值

广告形态从简单静态向复杂互动演变，闪屏、激励视频等场景对交互多样性要求提升。动态化技术将形态迭代周期从数周缩短至几天甚至几小时，显著提升业务响应能力。

图4-1 多样性的广告业务形态

形态多样化推动广告推荐系统演进，不同样式对CTR和CVR产生差异化影响。动态化支持广告系统基于样式特征实现个性化样式推荐，提升广告效果。

图4-2 广告效果千人千面

二、动态化系统在广告中的架构

腾讯广告技术团队，已经将动态化系统嵌入到现有广告系统架构中：

图4-3 广告系统中动态化整体架构

动态化相关模块的整体架构分为离线和在线两大部分：

系统模块	详情
离线	样式生产：设计师和产品在“样式工厂”平台，通过拖拽组件、配置属性的方式，生产出模板和样式； 特征生产：平台自动根据模板组件和样式属性生产出对应的形态特征，一个样式可对应多个特征； 数据订阅：生产出的样式数据，会订阅给在线的广告播放系统，用于检索和召回。同时，样式的特征数据也会提供给离线模型进行训练； 端资源分发：模板和代码包等终端资源，通过端平台下发至CDN，供终端预加载。 图4-4 离线系统架构图
在线	样式检索：在广告召回之后，系统会为每一个候选的「广告x创意x规格」去实时检索符合条件的样式列表； 样式优选：在排序阶段，模型不仅仅预估广告本身，更引入样式特征。会为用户预估每个候选样式的效果，最终选出eCPM最高的「广告+创意+样式」组合会胜出； 播放：最终胜出的广告和样式信息被返回给终端； 渲染：终端的动态化引擎根据返回的模版和样式信息，渲染出最终的广告形态。 图4-5 在线系统架构图

表4-1 动态化相关模块的整体架构

为支撑广告形态动态化流程，构建了四大核心业务平台，形成完整的动态化业务支撑体系。

表4-2 四大核心业务平台

05

广告形态动态化实践案例

理论和架构最终要通过实践来检验。目前，动态化能力已经覆盖闪屏、激励、沉浸流、贴片、详情页等多个场景，覆盖腾讯视频、腾讯新闻、QQ浏览器等多个主流流量平台。下面以几个典型场景为例，展示动态化的应用成果。

一、闪屏广告

闪屏广告作为用户打开App的第一触点，体验和转化效率对流量平台特别重要，是品牌曝光的黄金位置。但闪屏场景下的广告形态需求多样，每次形态调整通常涉及客户端发版和版本覆盖，流程周期长、效率低。

为此，腾讯广告技术团队将动态化能力率先在闪屏广告场景中落地实践，具体包括：

（一）从无到有

• 从native渲染到动态化渲染的平滑迁移

• 我们将广告样式与交互逻辑从原生代码中彻底解耦，并定义了统一的动态化协议。客户端只需内置基础渲染引擎，具体的广告形态（如组件结构、界面布局、交互行为等）均可通过服务端配置实时下发，从而彻底解决了发版依赖问题。

（二）扩量拓量

• 多样化交互样式的快速上线与样式优选

• 依托动态化渲染能力，我们能够快速为闪屏广告注入创新活力，陆续上线了如「扭动」、「前倾」、「翻转」等多种新颖交互样式，显著提升了广告的趣味性与吸引力；

• 在此基础上，我们还构建了「样式优选」机制：通过模型对用户上下文（如流量场景、时间地域、用户画像等）进行实时分析，为不同用户匹配点击率最优的广告样式，实现千人千面的效果提升，最大化广告转化效率。

图5-1 闪屏广告实践成果

（三）持续迭代

• 构建数据驱动的优化闭环

• 通过动态化能力，我们建立了“上线—数据反馈—策略优化—再上线”的高效迭代机制。产品与运营团队可以借助样式数据看板，准确评估各广告样式的表现，快速做出决策并淘汰低效样式，从而推动闪屏广告形态的持续进化与效果提升。

二、激励视频广告

激励视频是提升用户粘性和变现效率的关键场景。相比其他广告形态，激励广告具备迭代迅速、形态丰富、交互复杂的特点，传统开发模式下的形态生产效率较低，无法满足激励形态快速迭代的诉求。通过动态化技术，我们实现了激励广告形态的快速迭代和高效生产，具体包括：

（一）低代码搭建

• 激励形态低代码搭建

• 基于动态化技术对属性、组件、模板的解耦设计，激励广告形态摆脱了传统人工编码的低效生产方式。通过形态编辑器进行可视化拖拽、组件属性配置、事件绑定及动画效果设置，即可完成复杂激励形态的快速构建，无需经历繁琐的代码开发和测试流程；

• 同时通过形态编辑器支持可视化搭建，形态均可通过拖拽生成。

图5-2 激励广告低代码搭建

（二）组合拓展

• 激励形态组合拓展

• 单一的激励形态吸引力有限，针对流量平台的特殊需求，通过动态化能力对激励形态的组合拓展进一步提升激励广告形态的趣味性和吸引力。不需要复杂的开发流程，只需要调整不同形态的组合方式和出现时机即可快速实现激励形态的组合拓展。

• 单广告-多种激励形态

图5-3 单广告多形态激励实践成果

• 多广告-多种激励形态

图5-4 多广告多形态实践成果

（三）快速复用

• 行业快速复用

• 点击浏览激励形态最初在小游戏行业推广应用，取得了良好的效果表现。基于动态化技术的模块化设计，短剧行业可直接复用小游戏行业的成熟形态方案，仅需在形态编辑器中调整形态配置即可适配新行业需求，实现跨行业的快速复制和规模化应用。

图5-5 激励广告行业复用

通过动态化能力的应用，激励广告在效率和效果两个维度均实现显著提升：

• 效率提升：全新广告形态周期大幅缩短；

• 效果提升：在多个主流流量平台都取得了良好的效果表现，有效提升了广告的互动体验和用户满意度。

动态化技术为激励广告形态的创新和迭代提供了强有力的技术支撑，为业务增长提供了可持续的技术驱动力。

三、沉浸流广告

在沉浸流场景中，动态化技术实现了广告形态与原生内容的深度整合。通过动态化能力，沉浸流广告可以更自然地融入用户浏览环境，避免了传统硬广的生硬感。在虎牙、新闻沉浸式视频等场景下，部分核心组件实现了动态化。

图5-6 沉浸流广告实践

通过动态化技术，沉浸流广告不再局限于固定样式，而是可以根据具体场景、内容类型和用户偏好进行灵活组合，有效提升了广告的展示效果和用户体验，让广告真正成为内容生态的有机组成部分

06

展望

广告形态动态化体系的建设是一个持续演进的过程。在实践过程中，我们在每一个关键环节都遇到了不少挑战，也积累了丰富的经验与思考。

• 随着业务规模扩大，系统复杂度呈指数增长，当前也面临诸多挑战：

• 形态生产效率与质量平衡：如何在保证形态质量的前提下，实现大规模、高效率的形态生产；

• 个性化推荐与系统性能：如何在亿级请求下实现高效的样式推荐，同时保证系统性能；

• 资源分发的安全与稳定性：如何在复杂环境中确保亿级设备上的资源分发安全可靠

• 面对这些挑战，我们正在积极探索技术演进方向：

• 探索基于AI的智能形态生成技术，提升形态生产效率和创意质量；

• 持续深化个性化推荐算法与系统架构优化；

• 结合AI技术探索无人值守等智能化运营模式在广告业务中的应用。

我们将持续打磨广告形态动态化技术体系，为广告业务的效率提升和效果优化提供更强有力的技术支撑。也欢迎各位同行交流探讨，一起探索广告技术的更多可能性。

「腾讯广告技术专题精选」

AI 时代的软件工程（1）：未来产研模式的深度讨论

RankUp：从“模型变大”走向“表达变强”｜腾讯广告推荐架构的一次范式跃迁

TokenFormer：统一多领域与序列推荐世界

Highly Efficient 大模型的设计哲学：DeepSeek-V4 技术拆解与推荐算法启示