OpenAI详解ChatGPT广告系统架构：以LLM为中枢实现意图理解与精准投放
2026/10/21 15:00阅读量 2
OpenAI发布技术博客，详细阐述了为ChatGPT构建的定制化广告系统。该系统采用基于大语言模型（LLM）的代理式架构，通过状态记忆和多轮对话分析来捕捉用户动态意图，而非依赖传统的单次查询事件。核心设计包括将广告检索、排序与回答生成完全隔离，确保用户体验不受干扰，并实现了从意图识别到竞价展示的自动化闭环。
事件概述
OpenAI在官方博客中介绍了其ChatGPT广告堆栈（Ad Stack）的技术实现细节。与传统广告系统针对离散的用户行为事件（如搜索查询或页面浏览）不同，ChatGPT中的用户意图是随着多轮对话逐步演变的。为此，OpenAI构建了一套全新的广告交付系统，旨在平衡商业变现与用户信任及体验。
核心信息
1. 架构设计理念：状态记忆与意图分离
- 超越单次请求：传统广告系统难以处理ChatGPT中逐渐清晰且复杂的用户目标（如旅行规划、软件选型等）。新系统不再将每条消息视为独立请求，而是维护一个“有状态的会话”（Stateful Session），跨轮次甚至跨会话地记忆和更新上下文。
- 服务隔离保障中立性：广告选择流程与ChatGPT的回答生成流程并行运行但相互独立。广告系统拥有独立的代码库和模型，不共享内容生成模型。这种架构确保了：
- “无广告返回”被视为正常且成功的结果，只有当广告对用户和广告主均有明显价值时才会展示。
2. 核心技术组件：LLM编排器（Orchestrator）
- 代理式工作流：系统核心是一个经过后训练（Post-trained）的前沿大语言模型，称为“编排器”。它在代理循环（Agentic Loop）中运行，通过工具调用（Tool Calls）协调广告的检索、排名、竞价和展示全过程。
- 动态意图识别：编排器负责解读对话上下文，区分当前意图与过时背景，识别假设性陈述，避免将普通的提及误判为购买意向。它迭代优化检索策略，以捕捉细微的用户需求变化。
值得关注
- 商业化速度：自推出以来，ChatGPT广告系统在不到200天内达到了年化收入10亿美元的运行率，目前已有超过10万名广告主参与。
- 技术范式转变：这标志着广告技术从基于规则的静态匹配转向基于LLM的动态语义理解和代理决策，代表了AI原生应用商业化基础设施的重要演进。