文/刀客doc 文/刀客doc 自宣布关停后，微软广告的DSP业务终于找到了接盘侠——亚马逊。 10月7日，微软广告全球合作与零售媒体副总裁琳恩·乔尔索（Lynne Kjolso）发布了一个博客：亚马逊与微软宣布建立首选DSP及认证库存来源交换合作关系。核心信息有三个： 1、微软广告的DSP需求方平台Invest将2026年2月28日前关闭。 2、Invest上广告主将由亚马逊DSP接管。 3、微软广告的供应方SPP平台Monetize，将加入亚马逊CES计划（Certified Supply Exchange），成为亚马逊DSP上的核心供给方之一。 1、微软广告的DSP需求方平台Invest将2026年2月28日前关闭。 2、Invest上广告主将由亚马逊DSP接管。 3、微软广告的供应方SPP平台Monetize，将加入亚马逊CES计划（Certified Supply Exchange），成为亚马逊DSP上的核心供给方之一。 顺带说下，DSP（Demand Side Platform）是广告主用来自动化买流量的系统，帮助品牌在数千家媒体上“一站式买广告”，投放策略、预算控制、受众定向和效果归因都集中在一个平台完成。而SSP（Supply Side Platform）是媒体或平台用来自动化卖广告位的系统，帮助内容方（比如新闻网站、视频平台）把自己的广告库存以最优价格出售，接入多个买家，实现流量变现最大化。 一个是“流量买家”的系统，一个是“流量卖家”的系统，两者通过广告交易市场连接，构成了程序化广告的底层逻辑。 回顾微软在广告领域的扩张路线。从收购Xandr开始，微软其实是有野心的：构建一套完整的程序化广告栈，从DSP到SSP，从自有媒体（MSN、Outlook、Xbox、LinkedIn）到开放网络，配合Bing搜索与Copilot生态，原本有可能成为一个“广告的AI平台范式”。 2025年Q2，微软广告收入达到34亿美元，同比增长9.2%，创下历史新高。按全年计算，这意味着微软广告业务的营收规模可能突破140亿美元，已经跻身全球广告营收前五的平台。 但最终，微软还是放弃了构建完整广告栈的旧战场，转向由Copilot驱动的“对话式广告体验”——一个它认为能与AI主航道深度融合的新战场。 02 在公关层面看，微软声称是“为了聚焦核心业务”“优化产品线”，但更现实一些的真相是： 展开全文 微软的商业模式又不靠广告支撑——这场仗既不划算，也无胜率。 DSP业务从未成为微软广告业务的增长引擎。根据databeat的一份数据，Invest在DSP的市场占比在6-8%之间。与Google、Amazon、The Trade Desk那样的头部玩家相比，它的规模太小、操作体验不够强，不具备任何平台独占性资源。 运营一个全球化DSP，不只是搭个平台、对接几批预算就能做成的生意。它是一场长期重投入、重服务、重合规的系统工程。要持续优化广告主体验、打磨投放策略工具、建立归因体系、集成跨域数据，还要一轮轮地适应政府监管、应对隐私政策的动态变化。 而对于现在的微软来说，这样一盘生意离战略主航道实在太远。 今天的微软，资源都押在四大支柱上：AI（Copilot）、搜索（Bing）、云服务（Azure）和办公生态（M365）。在这个大盘里，DSP业务既不性感，也不高优，始终像是“顺手带一程”的资产，而不是押注未来的核心棋子。在聚焦与瘦身并举的战略背景下，退出也就顺理成章。 但微软并没有完全离开广告。它选择留下的是Monetize——一个面向媒体方、服务供给侧的SSP平台。 相比DSP的“面向外部预算、争夺客户”的重运营逻辑，SSP更像一个内向型的技术平台。它不需要跑销售拉预算，而是负责把广告库存包装、连接、变现好，核心在于撮合与提效，而非营销与拓展。 打个比方，微软广告以前像是去开一家大型广告超市，要货源、采购、销售一条龙；而现在的广告业务结构，更像是自建一个内部配送中心，只为自己的几家门店供货，规模不一定最大，但效率最高、耦合最紧。 不恰当的说，DSP是进攻策略，属于市场逻辑，SSP是内修策略，是一个生态逻辑。 这也是为什么，微软可以放弃Invest这种买方平台的外拓角色，但却仍保留Monetize这样的供给平台。因为后者是为了更高效变现自己的流量生态。 03 在那么多潜在的“接盘者”中，微软为什么偏偏选了亚马逊？ 细想起来，这是一个有些匪夷所思的决定。微软和亚马逊在云计算、企业级AI等领域，实际上是竞争对手。 但在广告这一块，微软不是没有选择，只是别无选择。 全球最大的独立DSP是TTD，它正处于加速“去中间商化”的阶段。OpenPath计划绕过SSP，强调媒体直连与买方效率。让它来接盘微软DSP，但双方在产品哲学、生态边界和资源布局上的出发点截然不同，协同成本高、战略摩擦大，注定很难水乳交融。 至于谷歌，更是不可能的选项。一个正处于美国司法部反垄断调查中的公司，绝不可能高调并购或接手另一个DSP，哪怕是合作。 亚马逊有庞大的自有媒体（零售广告位）、数据闭环（用户-搜索-购买），还有技术栈和全球资源整合能力，最重要的是，它不像TTD那样强调开放市场、媒体中立，而是愿意接手一个“实用主义”的DSP资产。 当然，我们也不能忽略微软自己的盘算。 它没有停掉自己的广告业务，把SSP平台的Monetize保留下来，并将正式加入亚马逊的CSE计划。 这个计划可以理解为一个白名单机制，通过CSE，亚马逊DSP不再局限于体系内的自有库存，而是得以触达包括内容网站、视频平台、新闻媒体在内的站外资源，并且仍然能使用亚马逊内部最强的武器——购物意图数据。 这意味着，哪怕用户正在一个新闻网站上阅读文章，亚马逊也能“认出”他是近期浏览过婴儿用品的用户，并精准投放相应商品广告。 这种“站外投放+站内意图”的组合，极大提升了转化效率，同时压低了中间环节的成本。 CSE对广告主的诱惑是，广告主可以高效访问微软生态中的广告库存，包括一些独家资源包和特别合作媒体；更重要的是，这些资源还能与亚马逊的购物行为数据打通，实现更精准的投放与更可衡量的转化。 对媒体方来说，这也是一次机会。借助与亚马逊的整合，Monetize上的广告位将获得更多优质需求，广告填充率和成交价格都有望提升。同时，通过技术侧的深度对接，交易效率也能进一步优化。 不过凡事都有代价，这背后的逻辑，对SSP与媒体发布商提出了新的命题。 接入CSE就必须接受亚马逊设定的游戏规则：标准化的接入接口、预设的定价模型，以及以亚马逊信号为主导的交易结构。 微软 Monetize 在加入 CSE 后，得以将自身的库存纳入亚马逊的广告流转体系，实现与其受众数据、定向机制的打通。这是一种利己的选择，也是一种适度的依赖。 所以，微软与亚马逊的合作，可以说微软认清自身的资源禀赋与战略重点，把广告这个越来越系统性的生意，交给更愿意打仗的对手。 而这个所谓的「对手」，并不认为每个程序化广告市场的参与者都能独立履责、协同运转，而是更倾向于亲自架桥、掌控路径、设定规则。 短期看这降低了迁移摩擦，长期看它在固化流量与数据的路径依赖：越多预算在亚马逊生态内打转，越难回头去支持那些坚持中立性的技术服务商。 长期后果可能是：对上游媒体的议价被削弱、对下游代理的定价权被重塑，行业利润被重新分配到拥有数据闭环的平台一端。 04 我愿意承认微软的选择有其商业理性：资源有限、主航道明确、对抗Google的成本巨大，把这盘“消耗性”的买方工作交给一个能拿得出效果的平台，是一种务实且短期内对客户负责的选择。 但务实并不等于无后果。 数字广告最初的理想，或者说最早形态，是构建一个买方中立、卖方多元的开放市场。无论是Google AdX的公开竞价逻辑，还是TTD一直倡导的“独立DSP”路线，背后其实都是一种平台化共治的愿景——买卖双方在一套统一的机制下，各取所需、各显其能，靠效率赢得竞争。 但现实却愈发背离这种传统的理想主义。 越来越多的科技平台选择闭环化、垂直化、自控化的广告路径：控制内容端、掌握流量入口、整合交易数据、塑造规则机制。 市场的逻辑，终究变成了生态的逻辑——程序化广告，从一个多角色自治的市场，逐渐转向由平台主导的生态。 如果说市场逻辑强调的是价格主导、角色分工明确、交易透明且可替代性强；那么生态逻辑则更侧重于一体化协作、平台主导路径与标准，强调不是“自由竞价”，而是“效率至上”。 对程序化广告来说，这个变化非常关键，这也是对整个行业生态的一个提醒： 在广告这场技术游戏里，“中立”越来越难，“开放”越来越贵，“独立”越来越稀缺。（作者：刀客doc）返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多