AI时代的广告合规，正在从「对抗」走向「共建」

作者：嘉乐乐 ，编辑：嘉辛

广告行业正在进入一个由AI驱动的“高频生产时代”：素材生成从人工主导走向模型驱动，创意迭代速度被极大放大。从个性化文案撰写到多模态素材生成，AI大幅降低了创意生产成本。

但在效率指数级跃迁的另一侧，一种隐性的“合规通胀”正在快速蔓延：平台治理的复杂度与系统性压力急剧攀升，商家的合规试错成本越来越高。

在这样的背景下，巨量引擎将“以AI治理AI”作为核心理念，推出了广告内容治理大模型——Mamoda。

2024年6月，Mamoda 1.0版本聚焦文本类广告的单点风险检测，完成了合规AI的初步落地。2025年4月，1.5版本将能力扩展至图片素材，推出精细化拒审诊断，解决商家不知道怎么改的痛点。同年10月，2.0版本新增短视频风险识别与初步自动修复功能，从被动识别向主动解决问题延伸。

2025年，巨量引擎智能风控体系全年前置拦截违规素材百亿条、关停违规账户超400万、单日处置黑产账户峰值突破20万；平台内容CCR（消费者抱怨指数）同比下降56.2%、履约CCR下降67.1%。

2026年7月3日，Mamoda 2.5正式亮相，依托自研的DiT-MoE架构，模型实现了技术能力的全面突破。当技术与风险的博弈进入深水区，Mamoda 2.5的使命已不仅是跑赢黑灰产，而是要从底层重构治理逻辑，让合规从外部的拦截约束，内化为广告生态的免疫系统。

一、AI攻防战下的治理赤字

当广告生态进入AI原生阶段，违规内容的制造和运作方式也变得更加工业化。

通过多个智能体协同作业，高度逼真的违规素材可以在极短时间内批量生成，并自动完成变体修改和跨账号分发。这类内容在视觉上更难分辨，虚假产品图片与演示画面也能借助生成式AI变得栩栩如生，隐蔽性和适应性都大大增强。

更棘手的是，这些素材并非静态存在，而是在批量账号、自动化投放脚本以及动态素材替换机制下持续执行“生成—测试—投放—迭代”的闭环。

Deepfake技术的普及进一步抬高了治理难度。虚拟形象冒充权威人士、伪造采访片段、合成新闻场景等手段，让基于图像特征和关键词匹配的传统审核机制难以有效覆盖。

传统审核机制所面对的，不再是一个个孤立的违规素材，而是一套自循环、自进化的工业化攻击系统。

治理不良内容，一方面要求平台提升识别能力，不再是简单地“找关键词”或“比对图像指纹”，而是要真正理解一段视频在说什么、画面上是谁、二者的关系是否构成了误导，另一方面要求平台建立更细分、下钻的规则以覆盖不断涌现的新型违规样态。

而对普通商家来说，更细化、更下钻的规则意味着更高的理解成本。传统平台治理“事后拦截、被动处罚”的模式，往往只能给出违规结论，却无法提供明确的修改指引。这使得广告行业长期存在的“合规成本高、素材通过率低”痛点，在这一背景下被进一步放大。

对商家来说，素材被拒收到的通知很笼统，无法定位具体问题，只能凭借经验盲目猜测违规点，修改后再上传，再被拒审，循环往复，大量时间耗在合规试错上。

合规从必要成本变为正常支出之外的、持续的摩擦成本，导致商家的创作精力被消耗，投放节奏被拖慢。

违规内容的生产边际成本趋近于零，而平台的治理复杂度却指数级提升，商家也被迫承受创作路径的不确定性。这种防守成本远大于违规成本的失衡状态，正是当前广告生态中的“治理赤字”。

造成平台和商家双消耗的根本原因在于，旧的单向风控范式，已经无法适配AI驱动的内容生产结构。

在新的生产关系下，平台需要的不仅是更强的识别能力，更是能够主动化解风险、帮助商家降低合规门槛的治理系统。

二、自研这条路为什么非走不可？

要打破这种“双向消耗”的结构，关键不在于单纯提升识别准确率或细化规则颗粒度，而在于让治理系统从“发现问题”延伸到“解决问题”，补上风险处置链条中缺失的修复与闭环环节。

最好的治理不仅是让违规无所遁形，也要让优质内容的创作更加容易。

行业早期普遍采用的路径，是调用通用大模型进行广告场景适配。这一路径的优势在于部署快、成本低，但其能力边界具有明显的约束：对违规的定位不够精准，更无法给出对应的可执行修改方案。

要实现精准治理，模型必须具备一种更基础的能力：同时理解一条广告中画面、文字、配音与视频片段之间的语义关系。

因为在现实中，违规往往并不发生在单一模态上：画面可能合规，但配音存在虚假承诺；文字表达可能正常，但视频中嵌入伪造专家形象。

广告内容天然是多模态的，风险识别和定位需要多维度判断，治理系统也必须是多模态原生的。这正是巨量引擎选择全栈自研Mamoda 2.5的核心逻辑：只有从架构设计、数据方案到训练策略全栈自研，针对广告治理场景深度定制，实现从“被动拦截”到“主动修复”的治理跃迁。

这一技术路径的核心底座，是业内首个DiT-MoE架构。这种设计让模型既具备细粒度内容理解能力，又能在大规模素材处理中保持效率优势，从而适配高并发广告审核场景。

DiT（扩散Transformer），此前多用于视频生成领域。Mamoda的创新在于，将扩散模型的生成能力与视觉理解能力深度融合，使模型不仅能看懂输入的图文视频内容，还能据此精准修改。

MoE（混合专家架构），通过128个细粒度专家协同工作，每次推理精准调用约30亿激活参数，在250亿总参数规模下实现高效推理。传统模型处理每条内容都需调动全部参数，如同所有科室医生全部上阵；MoE架构则像智能分诊台，根据症状挑出最对口的专家联合会诊，让算力用在刀刃上。

理解负责定位违规点，诊断负责解释违规原因，修复负责生成合规版本，三个环节对应的是模型的理解能力、推理能力和生成编辑能力，并且这三个能力在同一建模框架内，消除了跨系统拼接带来的信息损耗和翻译误差，这对工程实现的要求极高。

这套深度自研的架构是巨量引擎在AI广告治理领域长期重投入的技术结晶，其工程价值直接体现在效率层面：T2V推理效率较行业主流开源模型提升11至15倍，在指令式AI视频编辑领域主流权威评测基准（OpenVE-Bench、FiVE-Bench、ReCo-Bench）中，Mamoda2.5均取得优异成绩。

而在实验室评测之外，2026年上半年日均1500万条诊断与超百万次素材修复的落地规模，构成了实战检验。模型在真实流量与多变的黑产攻击样本中持续迭代，将静态的指标优势转化为动态环境下的稳定能力，完成从前沿技术到生产力基础设施的跨越。

这种从底层架构到规模化落地的全面兑现，也标志着平台治理正跨过一道分水岭：从依赖规则堆砌的被动防御，正式迈入由AI原生能力驱动的主动共治时代。

三、全链路的商业兑现：可行、可用、可靠

行业内的AI广告合规能力，过去更多聚焦于投放优化、风险识别等单点环节，呈现出能力分散、链路割裂的治理特征，往往只能发现问题却难以形成完整的解决闭环。

而DiT-MoE架构与全栈自研体系带来的突破，在于让合规能力具备从风险识别到内容优化的一体化可行性，使商家不再需要在多个环节之间切换，而是能够在同一流程中完成素材诊断、问题定位与修改优化。

当然，技术可行只是第一步。对于商业场景而言，真正决定AI价值的，是它是否能够被商家使用，是否能够带来可感知的效率变化。

Mamoda 2.5将合规能力从链路末端前置到投放准入环节中，通过“识别—诊断—修复—投放”的完整闭环，改变了传统广告素材反复试错的工作流程，使合规从影响投放效率的阻碍，转变为投放链路的提效工具。

一位母婴行业客户表示，过去素材被驳回后只能删除重做，从修改到重新过审往往需要耗费大半天时间。现在通过一键修复，可以跳过删除、重做、重新上传的流程，工作效率和投放效果都有明显提升。

某日化行业客户则表示，过去受限于内部人员排期，很多素材无法及时调整，而AI修复能够快速解决卡审问题，修复后的素材基本可以直接进入投放。

当合规从依赖经验的反复试错，变成可执行、可快速完成的优化流程，商家的合规成本大幅降低。

但要真正成为提效工具，除了可用，还需要建立可靠性。

商家关注的不仅是系统能否给出结果，更关心结果是否可信。尤其在广告场景中，素材承载品牌表达与商业策略，如果AI只是输出一个无法解释的结论，商家便不敢贸然将其委以重任，AI工具也只能停留在边缘辅助环节，无法真正渗透进核心工作流程。

Mamoda 2.5通过可视化、可解释的方式呈现诊断与修复过程，让商家能够清晰看到问题位置、调整原因以及修改前后的变化。

一位家居建材行业客户提到，以前收到拒审通知后，往往无法理解具体原因，需要反复咨询机器人客服或人工客服，耗费大量时间沟通。现在平台能够直接指出问题位置，对于无法通过审核的素材，可以直接进行AI修复，省了很多流程。

（ 修复前广告画面违反“素材不得涉及烟草及抽烟形象”规则，Mamoda精准擦除香烟并完整保留视觉风格）

一位食品行业客户提到，过去AI修复缺少新旧素材对比，修改了什么、为什么修改并不清楚；现在通过修复前后对比，可以直观看到变化过程。

这种透明性降低了人与AI之间的信息不对称。商家不是将素材交给一个不可理解的“黑箱”，而是在与一个能够解释判断依据、展示优化路径的智能系统协作。

而信任的建立，是AI工具从“可使用”走向“被信赖”的关键。

从更大的生态视角看，AI治理带来的价值并不局限于一次审核效率提升，而在于重塑平台与商家之间的协作关系。

过去，平台更多承担规则制定与风险管理角色，商家需要不断学习规则、适应规则；当治理体系本身完成智能化升级后，平台通过技术降低规则理解门槛，让商家将更多精力投入内容创作与商业增长。

平台角色从“裁判”转向“教练”，推动平台与商家走向正向循环：更高效的合规工具大幅压缩了商家的试错成本，释放内容生产力；更稳定的广告生态则反向夯实治理质量，进一步筑牢商家长期经营的信心。

因此，Mamoda 2.5推动的不单是一次广告审核能力升级，也是平台与商家在投放合规领域协作模式的重构。

AI负责处理复杂、重复、规模化的治理任务，人类专注于创意、策略与价值表达。当合规不再拖慢经营节奏，广告生态也将从过去的“风险防守模式”，进入以效率提升为核心的协作模式。