7月3日上午，2026全球数字经济大会“数智广告创新与发展论坛”在北京举行。

数美科技CTO梁堃围绕“广告素材合规挑战与实践”发表主旨演讲，聚焦生成式AI进入广告素材生产后带来的内容合规、品牌安全与风险治理问题，分享广告行业素材审核的实践思路。

以下内容根据现场发言整理：

大家好，本次分享结合数美科技近年来服务客户过程中的观察与实践，重点讨论广告素材合规的趋势、挑战、审核实践和未来方向。

背景与趋势：AI重塑广告素材生态

当前，广告素材合规面临两个显著趋势：

1.AI生成规模快速扩张

这里的扩张，并不只是广告流量增长，而是广告素材生产数量的大幅增加。在AI驱动下，广告平台、素材平台每天新增的广告素材已达到千万量级。如果完全依赖人工或传统审核方式，不仅成本高，也会影响广告主的投放体验。

与此同时，AIGC在提升内容生产效率的同时，也带来虚假信息、有害信息、版权争议等潜在风险，对广告素材合规提出了新的要求。

2.监管要求持续细化

过去，广告素材监管主要围绕广告法及广告相关法律法规展开。随着越来越多广告内容由大模型生成，大模型监管不再停留在基础性、通用性层面，而是开始向细分行业延伸。

例如，虚拟人社交等场景中的AI大模型监管已经逐步落地。未来，金融、医疗、广告等行业使用大模型时，相关要求也会进一步细化。

当AIGC被应用于广告素材生产，广告素材审核呈现出新的特点：

1.时效要求更高

过去，广告素材从创意到制作完成通常以天为单位计算。现在，一个创意可以在几分钟内批量生成多套素材，合规审核也需要同步提速。广告主上传新素材后，往往希望平台在秒级甚至毫秒级完成判断，如果素材不合规，也需要及时明确整改方向。

2.风险更多样

许多素材由大模型直接生成，部分隐藏问题并不容易被发现。例如，生成广告中的人物形象可能与公众人物或明星高度相似，引发肖像权争议。大模型也可能在内容中体现价值观偏见或倾向性表达，影响企业品牌形象。

3.语义和上下文更复杂

现在的广告素材可以快速生成大量图文、视频内容，短视频广告和视频类广告的情节更完整、对话更长。判断一条视频广告是否与投放行业相匹配，不能只看单句话或单个画面，而需要结合整体内容理解。

广告素材合规面临的风险与挑战

AIGC时代，随着行业场景持续细分、内容形态日益复杂，平台面临合规红线识别、业务质量把控与品牌安全保护等多重挑战。

1.多维风险叠加

敏感内容风险是平台和企业必须守住的基本底线。此外，广告素材还可能涉及虚假误导、行业准入、业务质量、品牌保护，以及AIGC生成内容带来的新型风险。

其中，行业类风险主要集中在金融、医疗、食品、保健等强监管领域。不同行业对广告内容、表达方式、资质展示和宣传边界有不同要求，审核系统需要结合具体行业规则进行判断。

在实际服务中，我们不仅审核素材是否违法违规，也会关注业务质量层面的风险。例如，生成素材是否模糊不清，AI生成内容中的人物肢体和动作是否异常，推荐或宣传表达是否合理。这些问题虽然不一定直接触碰法律红线，但会影响用户体验、广告效果和品牌形象。

3.传统审核模式面临压力

过去，广告素材审核大多采用“机审+人审”的流程，由机器筛选疑似风险内容，再交由人工二次确认。或者先放行部分素材，当曝光量达到一定程度后，再对高曝光内容重点审核。

但AIGC进入内容生产环节后，一个创意可以由模型生成多套素材，并同时进入投放现场。如果仍高度依赖人工审核，效率和成本都会承压。对机器审核而言，也需要具备更强的语义理解和多模态分析能力。

数美的广告素材审核实践

在广告素材合规审核实践中，数美采用垂类模型与大模型相结合的方式。

这套能力覆盖文本、图片、音频、视频、策略引擎和标签体系，形成从内容识别、风险判断到策略处置的完整闭环。

1.建立可执行的标签体系

法律法规和监管要求通常以原则性表述为主，但在实际审核中，平台需要将这些原则进一步转化为可识别、可执行、可运营的具体规则。

标签体系的作用，就是将合规要求进一步拆解和定义，使审核标准更加清晰、稳定，并能够真正应用于模型和策略系统。

目前，数美科技已经面向广告行业违规识别构建精细化四级风险标签体系，覆盖监管红线与业务质量等不同维度。针对文本内容，已构建1000+风险标签，覆盖辱骂、违禁、低质量、色情、变体对抗、广告行业违规等核心审核方向。

例如，通过结合行业与上下文，对“第一”“唯一”“国家级”“最高级”等高风险表达进行判断；对于谐音、拆字、拼音、符号替换等变体表达，也会持续识别和动态更新。

在视觉审核方面，数美构建了900+视觉风险标签，覆盖基础图片内容识别、低质内容识别、风险元素识别，以及与行业规范不匹配的视觉表达。

2.从对象识别走向意图识别

对象识别关注内容“提到了什么”，而意图识别则进一步判断内容“持有什么态度、表达什么目的”。针对文本、图片、音频和视频，分别进行语义理解和风险识别，再通过策略引擎灵活调配。

只有理解内容背后的真实意图，才能应对更加隐蔽和复杂的广告风险。

3.建设多模态融合审核能力

许多广告风险不是由单一模态独立表达，而是通过视频画面与音频、图片与文字、字幕与剧情的组合共同形成。新的实践需要引入更多机器能力，辅助甚至替代部分人工判断。

围绕多模态语义理解，我们进行了CLIP图文对齐、LLM 增强理解以及大模型知识蒸馏等多个版本实践。通过图文对齐建立跨模态语义关联，引入大模型增强对上下文和复杂语义的理解，同时结合轻量化模型与策略调度，从而适配高时效审核场景。

广告素材审核发展趋势及展望

1.行业监管继续深化、细化

未来，广告素材合规仍将受到AIGC监管趋势的持续影响。2023年、2024年前后，不同国家和地区陆续出台了针对基础大模型的监管政策。现在，在基础监管之上，金融、医疗、教育等行业监管正在细化，广告行业的监管要求预计后续也会进一步细化。

与此同时，一些难点问题仍然是技术和合规上的共同挑战，例如虚假信息识别、版权和著作权识别、偏见与倾向性识别、价值观安全等。这些问题对技术服务方和客户而言，都具有较高复杂度。

2. 从检测过滤走向综合治理

在我们看来，大模型带来的问题，也需要通过大模型能力来解决。内容安全治理也将从检测过滤，逐步走向“检测+溯源+引导”三位一体的综合治理体系，MLLM将成为下一代内容安全基础设施的核心引擎。从原始内容输入，到初筛模型处理，再进入真正的合规检测大模型，由模型体系完成主要判断。

当然，大模型也会输出不确定标签，这部分仍需要人工复核。未来，人工审核团队的角色会逐步转向人工专家团队，其核心作用不再只是完成重复审核，而是通过专业判断持续训练和优化模型，让模型体系承担更多实际审核工作。

以上就是本次分享的主要内容，谢谢大家。