你有没有这种感觉：刷手机的时候，有些广告像是提前猜到了你下一秒想买什么？

这不是错觉。2026年3月31日，Meta工程博客正式公开了一项名为自适应排序模型（Adaptive Ranking Model，简称ARM） 的技术成果——把一个万亿参数（O(1T)）级别的大模型塞进了广告推荐系统，还让它跑进了亚秒级延迟。这套模型自2025年第四季度在Instagram上线以来，广告转化率提升了+3%，点击率提升了+5%。

这不是后台无关紧要的小修小补，而是直接影响广告费花得值不值的底层变革。

一、Meta为什么要搞这套新模型？

把广告模型做大这件事，Meta不是第一个想做的，但一直卡在一个根本矛盾上。

Meta官方管它叫 “推理三难困境”（Inference Trilemma） ：模型复杂度、低延迟、成本效率，三者不可能同时满足。

传统的做法是“一个模型扛所有流量”——不管用户是在地铁上随手刷刷，还是深夜躺在被窝里认真比价，系统调用的计算资源都是同一套。模型越大，推理成本跟着线性往上飙。要想再做大，要么加机器烧钱，要么牺牲延迟。两条路都走不通。

ARM的思路比较彻底：既然线性推不动了，那就把推理成本曲线本身给“掰弯” ——官方说法叫“弯曲推理缩放曲线”（bending the inference scaling curve）。

二、核心机制：智能路由，让算力学会“看人下菜碟”

ARM最大的架构变化，是把传统的“一套模型打天下”升级成了 “智能请求路由”（intelligent request routing） 。

这套系统的运作逻辑非常巧妙。它由两个模型配合完成：一个轻量级的“路由器”模型先快速扫一遍所有候选广告，只有被路由器筛选出的“高价值”候选广告，才会交给那个万亿参数级别的深度专家模型做精排。

打个比方：这就像一家聪明的餐厅，不会给每个进门的客人都上国宴。先派个经验老到的领班快速判断——这位是来随便吃碗面的，还是来谈重要商务宴请的？只有后者，后厨才启动全套班底。算力被精确投放到最有价值的请求上，而不是平均撒胡椒面。

这个逻辑听起来简单，但工程实现并不容易。路由器模型和专家模型的筛选标准需要高度对齐，才能避免把“大模型本该给高分”的候选广告误筛掉。Meta工程博客指出，ARM能够在维持亚秒级延迟（O(100 ms)）的同时，提供等效于顶级大语言模型的计算复杂度（O(10 GFLOPs)/token）。

三、万亿参数，凭什么跑得动？

模型到了万亿参数级别，仅靠“路由”还不够。ARM在底层做了三件硬核的事：

• 第一，计算共享，不做重复功。 传统推荐流程中，每个候选广告都要独立和用户特征做交叉计算，复杂度天然是线性的。ARM的做法是：每个用户的基础特征只算一遍，然后通过内核广播优化（IKBO）机制共享给所有候选广告，直接把用户侧的计算从线性压到了亚线性。
• 第二，精准“瘦身”，不伤筋骨。 ARM采用了选择性FP8量化——不是一刀切地把所有模型层精度都压到低精度，而是只在那些对数值精度损失不敏感的层级使用FP8，核心层保留完整精度。这样既降低了内存和计算开销，又不折损排序精度。
• 第三，把GPU喂到饱。 推荐模型在GPU上的传统硬伤，是算力利用率（MFU）极低。传统推荐模型在GPU上的MFU经常只有个位数，主要原因是算子碎片化和内存墙问题。ARM通过算子融合、内存读取优化等内核级手术，把MFU提到了35%。

配合多卡GPU分片架构突破单设备物理内存限制、模型加载时间压缩到10分钟以内，这套系统才真正具备了在流量洪峰中实时响应的能力。

四、对广告主来说，这意味着什么？

技术讲得再多，最终要看对你的广告预算意味着什么。

第一，花同样的钱，拿到更多实打实的订单。 +3%转化率和+5%点击率，是叠加在海量投放基数之上的提升。这不是靠上调出价内卷抢来的，而是靠系统更精准地找到了“最可能下单的人”。

第二，系统能“感知意图”了，你的广告会被优先推给高意向用户。 当一位用户在深夜反复对比某类产品时，系统会识别出这种“强购买信号”，并调用更强大的模型来匹配最相关的广告。你的广告不再被平均分配，而是会被优先推送到那些“正在决定买不买”的人面前。

第三，素材和落地页的门槛在抬高。 当系统动用万亿参数去理解用户意图时，它也在更精细地判断你的广告是否真正匹配用户当下的需求。粗放式的“广撒网”素材，在智能路由面前可能越来越难拿到高质量曝光。而那些真正理解目标用户文化、直击痛点的创意，则更有机会被精准放大。

五、放到大背景里看，ARM意味着什么？

ARM不是孤立出现的。把时间线拉长来看，Meta近几年一直在系统性地重构其广告技术基础设施：

• Andromeda（仙女座） ：Meta在2024年底推出的全新广告检索系统，革新了广告匹配用户的方式；

• Meta Lattice：2025年底至2026年初完成升级的统一广告排序框架，用一个大型模型替代了过去数百个小模型，能够跨目标、跨版位共享学习成果；

• GEM（生成式广告模型） ：2025年11月发布的广告推荐基础模型，在数千块GPU上训练，被称为Meta广告系统的“中央大脑”；

• Advantage+ ：Meta的AI自动化广告工具套件，覆盖素材生成、受众定位、预算优化等全链路。

而ARM的价值在于，它是“广告投放那一刻”的调度官。如果把GEM比作在后台完成大规模训练和知识生成的“大脑”，ARM就是前线的指挥官——负责在每一次广告请求中，用最优的算力分配把GEM蒸馏出来的能力精准落地。

行业分析机构普遍认为，ARM的上线是Meta在广告自动化战略中的重要一步。eMarketer在分析中指出，Meta正在推动广告从“手动设置”向“由AI系统主导”转变，而ARM正是驱动这一转变的核心引擎。

六、广告主该怎么接住这波变化？

坦白讲，Meta这次技术升级，跟广告主没有直接的操作关系——它是平台底层的进化，不需要你在后台调任何参数、开任何功能。但它真正改变的，是广告费的流向逻辑。

过去几年，不少品牌陷入了一个困局：广告成本越来越高，ROI越来越低，只能靠不断堆素材、拉预算来维持规模。本质上，是在一个分配效率有限的系统里，和越来越多的竞争者抢同一块蛋糕。

现在，平台的分配效率正在发生质变。当系统能用万亿参数去理解一个用户的真实意图时，谁能拿出真正打动人的产品和内容，谁就更有可能被系统“选中”，放大到最精准的人群面前。

对此，2026年Meta广告投放的几个趋势值得关注：

• 素材即定向：在Meta越来越AI化的投放生态里，素材已经成为广告主与AI系统“对话”的核心语言。过去靠精细人群包取胜的思路正在被取代，创意本身的质量、相关性和多样性，直接决定了你能触达多少用户。

• Advantage+成为标配：2025年12月起，Advantage+已成为所有新广告系列的默认设置，AI驱动的自动化不再是可选项，而是基线配置。

• 端到端AI自动化加速推进：Meta的端到端AI广告系列在2025年已达到600亿美元的年化运营规模。据《华尔街日报》报道，Meta计划在2026年底前实现广告创建和定位的完全AI自动化。

所以，与其追问“Meta这次更新了啥新功能”，不如重新审视几件事：

• 你的产品卖点，有没有真正击中目标市场用户的痛点？

• 你的广告素材，能不能经得起一个“更聪明”的系统的匹配筛选？

• 你的落地页体验，能不能接住那些被精准识别出来的高意向用户？

七、总结

ARM的核心贡献可以概括为一句话：把“模型越大推理越贵”这条铁律，往下压了一个大台阶。

从行业层面看，扎克伯格在2026年Q4财报电话会上明确表示，Meta正在把推荐系统做成类似LLM的可扩展工程体系——这不仅决定用户时长，也决定广告单价与转化率。ARM正是这条路线上的一个标志性落地节点。

对广告主来说，这轮变化的本质是——平台的广告引擎正在从“粗放分发”进化到“意图匹配”。素材和产品本身的质量，在越来越聪明的系统面前将被更严格地检验。

未来的竞争力，不仅在于你投了多少钱，更在于你能否借助平台越来越聪明的AI，在用户最有意愿的瞬间，用最对的内容，恰到好处地出现在他们面前。