AIGC 快速发展大幅降低广告内容生产门槛，也对合规治理带来新挑战。传统“审核反馈 + 手工修复”链路冗长、通过率低，商家为规避风险常主动弱化表达，导致合规与营销难以兼容。
为此，我们构建了基于 Agentic AIGC 的素材修复架构：将审核结论解构为结构化任务，通过对文字、图像、视频的局部精准编辑与片段生成/替换消除风险、保留素材价值，并借助多目标强化学习在合规与营销吸引力之间动态求解。本次演讲将围绕风险理解、编辑与生成协同、多目标优化等技术实践展开，探讨合规与营销的对抗、千万级素材吞吐下的质量与成本权衡，帮助企业构建安全与增长兼得的柔性内容治理能力，助力商家实现长期经营增长。

演讲提纲

1. AIGC 时代下的广告素材合规难题
   • AIGC 大幅降低广告素材生产门槛，素材产出与投放节奏进入指数级增长，AIGC生成与改写也逐步融入商家的日常素材生产。但对拒审素材而言，商家自行修复缺乏对审核规则与风险边界的精准理解，容易反复被拒，或因过度改写削弱营销表达；素材合规修复仍高度依赖“审核反馈 +手工修复”，成本高、周期长、通过率低，与 AIGC 的产出节奏形成明显落差。
2. 把 AIGC 塞进修复链路，为什么没那么简单？
   • 风险归因与定位：知其违规，更知其所以然
   • 安全与营销博弈：既要过审，也要有效
   • 编辑的时空一致性：局部改动，全局自洽
   • 质量与成本权衡：要修得好，也要修得快
3. Agentic AIGC 修复架构：理解、决策、生成的协同
   • 整体架构：以多 Agent 协同驱动素材合规修复，覆盖文字、图像、视频多场景与多风险类型
   • 风险结构化理解：将审核结论解构成可执行任务
   • 多目标强化学习：在合规与营销吸引力多目标约束下动态求解
   • 多模态编辑与生成协同：文字、图像、视频编辑与生成的联动，兼顾时空一致性
   • 指令驱动的端到端视频编辑：一句话完成从素材到合规成片的编辑
4. 未来展望：生成即合规
   • 理解与生成统一架构：统一建模，推动从“先生成、后审核”演进为“生成即合规”
   • Agent 从“补丁”走向“共创”：合规能力从事后修补前置为创作阶段的原生能力

实践痛点

• 修复策略难以标准化：不同品类、不同风险类型的修复逻辑差异大，规则化与人工经验都难以覆盖全场景
• 合规与营销的表达冲突：营销追求强表达以提升转化，合规要求在边界内呈现，两者在实际素材上频繁冲突
• 多模态编辑一致性难保障：视频局部改动容易出现穿帮、风格漂移，图像/文本改写易脱离原素材语境
• 规模化修复的成本压力：高质量生成模型推理成本高、时延大，难以在大规模素材修复场景下全量落地

前沿亮点

• 规模化落地的 Agentic 素材合规修复体系：覆盖文字、图像、视频全模态，服务千万级素材场景
• 一句话完成端到端视频编辑：无需分镜拆解与逐帧标注，指令驱动即可产出合规且连贯的成片，显著降低生成成本
• 柔性治理的边界方法论：为生成式 AI 参与内容治理提供可复用的边界框架
• 合规与营销的联合优化范式：不止于守住合规底线，通过多目标建模让修复后的素材同时保留营销表达力

听众收益

• 关键技术实践：风险结构化、多目标强化学习、多模态编辑与生成协同的落地经验
• 工程权衡思路：合规与营销的对抗、质量与成本的取舍、柔性治理的边界划定
• 业务视角启发：如何在守住安全底线的同时释放营销表达空间，实现“安全与增长兼得”
• 前瞻趋势判断：把握合规从“事后审核”前置到“生成阶段"的行业演进，为业务落地生成式 AI 提供参考