报告概述
本报告聚焦广告营销行业正在经历的技术变革，系统研究了从传统媒介代理到程序化广告、再到AI驱动的MaaS模式的演进路径。报告覆盖了全球及中国广告市场、程序化广告规模与竞争格局、AI算法如何提升分发精准度，并重点分析了Token从计量单位演化为可运营数字资源所带来的中间层机会。以AppLovin为标杆案例，阐释了AI重构广告匹配和变现效率的商业逻辑。最后，报告探讨了广告营销公司凭借产业链资源向Token运营延伸的可行性，并对相关标的进行了梳理。报告为投资者理解广告营销行业智能化转型、中间层新业态提供了分析框架与产业视角。
报告的核心结论
AI推动广告营销从流程自动化向分发智能化升级
报告指出，2024年以来可预测转化价值的机器学习模型已进入主流部署，头部DSP在2025Q1基本完成内嵌。AI使得广告投放从基于标签的定向转向基于价值预测的自动分配，提升了分发精准度和ROI，改变了传统代理模式的低效格局。
Token正成为可运营的数字资源，中间层机会显现
Token不再仅是模型调用的计量单位，其可采购、分发、组合和优化的商品属性催生了中间层市场。资源错配、场景割裂与模型价格分层为路由、缓存和分发服务创造了利润空间，2025年中国MaaS市场Token调用量同比激增约16倍。
广告营销公司具备切入Token运营的天然优势
广告营销公司处于上游模型/媒体资源与下游品牌主/开发者之间，拥有渠道能力、客户入口和场景理解。随着流量平台转型为算力提供商，原有的商业纽带可平移至Token运营，如蓝色光标、易点天下等已开始布局API聚合与智能调度平台。
MaaS模式具备高经营杠杆，利润率显著优于传统代理
以AppLovin为代表，MaaS模式在模型与基础设施投入完成后，新增收入仅增加算力成本，经营杠杆释放带来高利润率。2026Q1 AppLovin毛利率达88.95%，而同期中国广告营销公司平均毛利率仅16.35%，显示智能化改造的巨大提升空间。
报告回答的关键问题
AI如何改变广告营销行业？
AI将广告营销从人力服务和规则匹配升级为智能化分发。通过机器学习模型预测点击后转化价值，广告投放从固定标签定向变为自动寻找高潜力用户，实现全流程自动化和实时优化，显著提升ROI和利润率。
什么是Token运营？为什么是机会？
Token运营是指对AI模型调用的计量单位Token进行采购、分发、路由和优化，形成类似数字商品的商业活动。由于模型价格分层、推理成本具备规模经济性，以及企业需求碎片化，中间层可通过技术手段降低使用成本、提升效率，市场正在快速扩大。
广告营销公司如何切入Token运营？
广告营销公司天然连接模型厂商和下游客户，可利用代理商关系和客户资源，向API聚合、模型路由和MaaS服务延伸。例如易点天下推出TokenLX平台，集成190+大模型并提供智能调度，蓝色光标通过BlueX平台实现广告变现与Token分发。
AppLovin的成功有何启示？
AppLovin通过SDK闭环、游戏数据飞轮和AXON 2.0深度强化学习引擎，实现了匿名环境下的精准匹配和全自动化竞价，将广告分发效率提升至新高度。其高毛利率（88.95%）表明，构建数据、算法与生态闭环是广告营销技术公司的核心壁垒。
报告中的代表性数据
2025年中国广告业务收入
2025年，同比增长16.8%，其中互联网广告收入13574.3亿元，同比增长34.6%，占比66.2%。
全球程序化广告市场规模
2025年，预计2026年达0.72万亿美元，2026-2030年复合增速10.34%。
中国MaaS市场Token调用量
2025年，2024年仅114万亿Tokens，2025年同比增长约16倍；IDC预计2026年将达4万万亿次。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 全球及中国广告市场数据与趋势图表，涵盖分类型规模、增速及数字广告占比。
- 程序化广告交易流程、四种主要交易模式（RTB、PMP、PD、PG）及核心参与者（DSP、SSP、DMP）详解。
- AI驱动广告分发智能化的技术路径：五大追踪方法对比、MaaS模式闭环构建与壁垒分析。
- AppLovin深度案例：发展历程、业务飞轮、AXON 2.0引擎技术细节、财务表现及对行业的启示。
- AI产业链全景图，Token价格演变与模型分层趋势，市场集中度变化。
- 中间层商业模式分析：转售利差与技术溢价（推理引擎加速、模型路由），OpenRouter与硅基流动案例。
- 中国MaaS市场规模、竞争格局（按调用量与营收）及未来预测。
- 广告营销公司切入Token运营的逻辑与标杆企业分析（蓝色光标、易点天下、汇量科技、利欧股份、引力传媒）。
- 相关标的盈利预测与估值表，以及风险提示（AI成本、商业化、竞争、监管风险）。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
