# Time 已开始向 AI 智能体投放广告
来源：https://digiday.com/media/time-has-started-serving-ads-to-ai-agents/
Time 已开始向 AI 智能体投放广告。Ally Bank 和 Project Management Institute 是首批买家。
听起来很奇怪，但这也很合理。要理解原因，需要回到起点。
上个月，Time 开始将其所有网页（https://digiday.com/media/how-time-and-others-are-rebuilding-parts-of-the-web-for-ai-agents/）从 HTML 转换为 markdown 版本——即每个页面的精简纯文本副本，去除了设计和图片，使 AI 系统和智能体更容易读取。该出版商的思路是，访问越容易，其在生成式搜索查询中出现的几率就越大。
嗯，某种程度上确实如此。Markdown 页面在多大程度上能抵御搜索流量下滑的威胁，目前尚无定论。在这些页面中投放广告，是 Time 在等待答案的同时，从其不断增长的机器人流量中榨取收入的方式。为此，该出版商正在与 AI 驱动的广告技术平台 Mobian 合作，将其页面转换为 markdown 并生成智能体广告。这些广告本身以常见问题解答（FAQ）的形式呈现，包含品牌信息和宣传内容，并标注为赞助内容。
Time 和 Mobian 声称，这是出版商首次投放专门针对 AI 智能体的广告。更多此类广告已在筹备中。Time 首席运营官 Mark Howard 告诉 Digiday，Time 的销售团队正在向那些已将其企业网站转换为 markdown 文件的品牌推销智能体广告，因为这些品牌已经在思考如何触达 AI 机器人。他表示，智能体广告将成为触达大语言模型（LLM）的另一种方式。Mobian 联合创始人兼首席执行官 Jonah Goodhart 表示，Mobian 的数据显示，约有 15% 的品牌正在运营自己的 markdown 页面。随着更多品牌押注“双轨互联网”，这一数字可能会上升。
“也许影响智能体比影响人类更重要，因为影响人类，你只能影响一个人。当你影响 ChatGPT 时，你影响的是整个 ChatGPT。如果 ChatGPT 改变了对（某个品牌）的说法，那将是巨大的，比任何一场营销活动的效果都更大。”Goodhart 说道，“这里的核心想法是，LLM 和 AI 需要有关品牌的可靠信息。我们正以非常直接、简单的方式将它们提供出去。”
换句话说，这些广告为 Ally 和非营利专业组织 Project Management Institute 等品牌提供了另一个影响其在生成式搜索中呈现方式的杠杆。LLM 可以从广告中获取品牌信息并建立索引，从而影响 AI 生成的回答，进而影响使用这些 AI 答案引擎的人类。
正因如此，智能体广告在内部被视为 Time 更广泛地向品牌推销 GEO（生成式引擎优化）产品（https://digiday.com/media/time-pitches-geo-insights-into-a-new-brand-offering/）的一部分，这一产品建立在其对 AI 搜索引擎从何处获取信息以及 Time 何时出现在这些摘要中的了解之上。这些努力能否成功，部分取决于广告能多大程度地将 Time 所经历的机器人流量激增变现。
Howard 拒绝分享这一激增的具体数据，但他引用了 TollBit 的数据，显示该出版商的 AI 爬虫对其内容的请求量超过了 TollBit 网络中近 7000 个出版商站点中的大多数（https://digiday.com/media/the-washington-posts-arc-xp-adds-tollbit-to-help-publishers-make-money-from-ai-bot-traffic/）。当 Time 发布 Time100 系列榜单（如本月发布的 Time100 Creators）时，其机器人流量会出现特别大的峰值。Howard 表示，事实上，大多数日子里 Time 的机器人流量都超过了人类流量，这与 Cloudflare 的数据相呼应，后者的数据显示目前超过一半的网络流量是机器人流量（https://radar.cloudflare.com/traffic#bot-vs-human）。
“这是一个不断增长的流量来源，因此也是一个不断增长的广告库存来源。我们认为，如果我们能像走到今天这样继续开发这个产品，从而能够向这些品牌提供一种选择，那它将具有巨大价值。”他继续说道。
如果不能实现这一目标，那也不会是因为流程不够简单。Mobian 可以根据品牌简报生成一个 FAQ 格式的 AI 品牌广告。该智能体广告会被转换为 PDF 供人类审阅，然后由客户共享和批准——这与标准品牌内容广告的流程并无太大区别，Howard 说道。随后，Mobian 会将这些相同的 FAQ 问题提交给 AI 搜索引擎，以衡量广告的表现，并持续跟踪可见度、好感度和准确性得分。Howard 表示，智能体广告可以根据上下文进行定向，例如针对 Time 的榜单系列或按日期范围投放。
而且这些广告并不便宜。Time 对这些智能体广告收取溢价。Howard 表示，其逻辑在于，营销人员购买的是塑造 LLM 检索信息的机会，因为 AI 机器人在权威内容上的曝光是稀缺且有价值的，而正是这种稀缺性为广告商提供了影响它的机会。Time 每份 markdown 只出售一个智能体广告，并测量该页面的 AI 机器人流量，但 Howard 拒绝分享定价细节。
“这是榜单赞助或系列专题赞助的自然延伸，因为我们确实知道智能体会出现流量高峰。”Howard 说道，“这种上下文对齐的能力变得非常有用的工具。鉴于这种域名权威、流量规模、投放活动的能力以及相应的定向能力，这些因素结合在一起，我们认为它将成为我们向品牌合作伙伴提供的服务中非常重要的组成部分。”
其重要性有多大，还有待观察。目前尚不清楚 LLM 是否会区别对待广告和编辑内容，甚至是否会在决定检索哪些信息时惩罚推广材料，因为以前从未真正这样做过。但确实有打击广告出现位置和方式的先例：谷歌在 2010 年代开始对出版商网站上的广告执行更严格的标准和垃圾信息政策。
波士顿咨询集团旗下科技建设与设计部门 BCG X 的董事总经理兼合伙人 Rob Derow 并没有忽视这一点。他表示，markdown 广告最大的风险在于缺乏规定 LLM 如何处理这些广告的规则——以及这些规则未来可能如何变化。如果 LLM 最终将此类广告视为一种“伪装”（cloaking，一种 SEO 策略，即网站向搜索引擎爬虫显示的内容与向人类用户显示的内容不同），出版商可能会看到这些页面的效果下降，或因在 markdown 文件中放置赞助内容而受到惩罚。不过，Derow 表示，使用 AI 可见性工具可以轻松监控这一点。
考虑到这一点，Time 的智能体广告会在顶部标注“赞助内容”的披露信息，并注明品牌客户名称，尽管目前还没有政策要求必须添加该标签。Howard 和 Goodhart 指出，当 AI 智能体从出版商网页中检索信息时，这些广告已经在向它们展示了。
“我们还不知道，因为这是全新的，我们相信我们正在这里开辟第一条前进的道路。”Howard 说道，“但我们正在借鉴过去处理此类广告的经验，并将其应用到此处。至于最终是否需要这种标签，我们也不知道。”
# AI 智能体的推荐可信吗？广告与建议之间的界限正在消失
随着 AI 智能体越来越多地介入我们的日常决策——从购物推荐到医疗建议——一个关键问题逐渐浮出水面：当商业利益悄然渗入这些系统的输出结果时，我们还能信任它们吗？
## 模糊的边界
传统广告有其清晰的标识：标注"赞助内容"的横幅、标记"广告"的搜索结果、写明"付费合作"的网红帖子。然而，当 AI 智能体开始扮演推荐者的角色，这条界限便开始变得模糊。
试想一个场景：你向 AI 助手询问"哪款笔记本电脑最适合视频剪辑？"它给出了一个条理清晰、论据充分的答案，推荐了某个特定品牌。这个推荐究竟是基于客观分析，还是因为该品牌向平台支付了费用？从表面上看，你根本无从分辨。
这正是"**赞助推理**"（sponsored reasoning）这一概念令人忧虑之处——商业激励机制可能在暗中左右 AI 的推理过程，而整个过程对用户而言完全不透明。
## 隐性影响的多种形态
商业利益对 AI 智能体的渗透，可能以多种形式呈现：
- **直接的模型微调**：企业向 AI 开发商付费，使模型在训练中对其产品产生倾向性
- **检索层的操控**：在检索增强生成（RAG）系统中，赞助内容被优先纳入知识库
- **工具调用的偏向**：智能体在调用外部 API 或工具时，优先选择有商业合作关系的服务商
- **措辞与语气的微妙差异**：对赞助产品的描述更为积极，对竞品则措辞相对保守
与传统数字广告不同，这些影响往往深嵌于模型的权重或系统提示之中，既难以被用户察觉，也难以被监管机构审查。
## 披露信息够用吗？
目前，业界普遍倾向于以**信息披露**作为应对之策——就像社交媒体要求网红标注付费合作一样，AI 系统也应当声明其推荐中是否存在商业关系。
然而，这一方案面临几个根本性的挑战：
**认知负担问题。** 研究表明，即便是明确标注的广告，用户也常常视而不见。当 AI 的回答流畅自然、权威可信，一个小小的"赞助内容"标签很可能形同虚设。
**披露粒度问题。** 商业影响可能存在于多个层级——模型训练、数据来源、工具生态、系统提示。究竟要披露到哪个层级才算充分？目前尚无定论。
**核实困难问题。** 声称"无商业利益"与实际不存在商业利益，是两件截然不同的事。在缺乏外部审计机制的情况下，用户只能选择相信或不相信。
## 监管层面的滞后
相比之下，监管机构的反应明显滞后。现行的广告法规大多以人类创作的内容为规制对象，对 AI 生成内容的适用性存在大量模糊地带。
欧盟的《人工智能法案》（AI Act）虽然触及了透明度要求，但对"赞助推理"这一具体场景缺乏针对性条款。美国联邦贸易委员会（FTC）已就 AI 背书问题发出警示，但执法框架尚不完善。
一些研究者认为，仅靠披露远远不够，需要更为严格的结构性约束，例如：
- 强制要求 AI 推荐系统与商业变现机制在架构上实现隔离
- 建立第三方审计制度，对模型的推荐偏向进行独立检测
- 设立类似金融顾问的**信义义务**（fiduciary duty），要求 AI 智能体将用户利益置于商业利益之上
## 信任的代价
这一问题的核心，是关于 AI 智能体价值主张的根本性矛盾。
人们愿意使用 AI 助手，恰恰是因为相信它能提供比广告更中立、比搜索结果更个性化的建议。一旦这种信任被商业利益侵蚀，AI 智能体便不过是一个更精致的广告投放系统——只是用户浑然不知。
更深层的风险在于，**AI 的权威感可能放大商业偏见的影响**。人们对搜索广告保持着一定的警惕，但面对 AI 给出的详尽分析和自信表述，这种批判性思维往往会悄然解除。
## 前路何在
解决这一问题，需要技术、法律与行业规范的多维协同：
在**技术层面**，需要开发可解释的推荐机制，让外界能够检验推荐结果背后的权重与依据。
在**法律层面**，需要更新广告认定标准，将 AI 生成的有商业倾向的内容纳入规制范畴，而非仅针对显性广告。
在**行业层面**，头部 AI 企业有必要主动建立更高标准的透明度承诺，而不是等待监管倒逼。
在**用户层面**，培养对 AI 推荐保持审慎态度的媒介素养，同样不可或缺。
---
AI 智能体正在成为许多人获取信息和做出决策的重要入口。如果这扇门从一开始就被商业利益所左右，我们所谓的"智能决策"，或许只是一场更难识破的营销。
真正的问题不是 AI 能否给出好建议，而是：**在商业模式的压力下，它是否还有动力这样做。**