Moloco 的广告智能
CARA（Compound Ad Recommendation Architecture）协调广告各关键领域中的模型与智能体，将每个信号与结果转化为帮助整个系统做出更好决策的依据。
为开放互联网的复杂性而打造
开放互联网广告十分复杂。
这个生态涉及数十亿用户、每天超过一万亿次广告机会、数千家广告主和数百万个 App。每项决策都要在每次展示层面、数十毫秒内完成。AI 所依据的信号则以不同格式、不同速度和不同可靠程度到达。Moloco 自 2013 年起便持续应对这些独特复杂性。CARA（Compound Ad Recommendation Architecture）运用深度学习架构，同时吸收来自多个来源的信号，深入洞察用户、App、创意与转化之间的关系。
CARA 为每位广告主实时估算用户意向、转化概率、创意匹配度与出价经济性。 {[data-attribute="init-tooltip"][tooltip-content="<p>来源：<br><br>Moloco内部数据；Moloco Ads在2026年1月至3月期间收到的日均广告机会数量。该数字是根据抽样基础设施数据按比例推算至总量后得出的估算值。</p>"]}
不止一个模型，而是一套复合 AI 系统
广告效果取决于数千项同时发生、彼此关联的决策——从理解用户意向和判断每次广告机会的价值，到选择创意、设定出价与分配预算。
每项决策都对应一个独特的技术挑战。CARA 通过协同工作、相互学习的专业领域加以应对。
系统由六个技术领域构成，包含多个模型、智能体和专用软件。任一领域的改进都会增强整个系统的效果。
CARA 如何运作？
六大技术领域分别应对开放互联网的特定复杂性，协同创造成果，并让各领域的改进随时间相互叠加、放大。
广告活动自动化
CARA 围绕每位广告主的目标实现自动化，无论是最大化 ROAS，还是推动注册、购买等 App 内事件。CARA 智能体持续评估实时营销活动、识别提升效果的机会，并将洞察呈现给广告主。
供应
同一次展示机会通常对应多个供应路径。CARA 通过直接连接发行商以及接入 35 个以上交易平台，在覆盖超过 20 亿日活跃用户和 280 万个独立 App 的广告资源中识别最优路径。
Moloco SDK 为 CARA 提供更丰富的用户与广告互动信号，帮助改善广告主的投放效果。它也让 Moloco 对创意渲染拥有更大控制权，解锁更丰富的广告格式。每新增一次 SDK 集成，整个系统都会得到增强。 {[data-attribute="init-tooltip"][tooltip-content="<p>来源：<br><br>就本表述而言，日活跃用户（DAU）定义为在Moloco集成的交易所合作伙伴及其专有SDK覆盖的全球Android和iOS设备中，每个工作日观测到的独立消费者设备平均数量。基于Moloco对2026年3月和4月平均五个抽样工作日潜在日活跃用户覆盖量的内部估算。每台设备均被归属至单一国家以防止重复计算；通过使用交易所信号和设备型号匹配的确定性分类方法排除平板设备；并应用特定国家/地区的设备到用户校准系数，将设备数量换算为估算独立用户数。 应用程序数量：Moloco内部数据；截至2026年4月3日的90天期间内，Moloco在全球范围内至少收到一次RTB（实时竞价）请求的不同应用程序包（iOS和Android累计总数）数量。“独立”是指并非由封闭生态系统（Walled Gardens，例如Facebook、Instagram、TikTok、Amazon Shopping、YouTube）运营的应用程序。Moloco内部数据；Moloco Ads DSP在全球范围内实际购买媒体的不同广告交易所数量，2026年第一季度（Q1 2026，2026年1月至3月）。不包括基于Moloco SDK的库存，以避免重复计算。</p>"]}
广告推荐
对于每次展示，CARA 都会预测用户采取广告主所重视行动的可能性——从互动与安装，到转化、留存和消费。系统利用这些预测估算该展示对广告主目标的真实价值，帮助 Moloco 实时作出正确推荐。
竞价
App 生态中的大多数竞价采用第一价格拍卖——最高出价者获胜，并按实际出价支付。这使精准定价至关重要，也成为一项复杂的 AI 问题。
CARA 在竞争性竞价约束下实时优化出价策略。要做到这一点，需要深入理解竞价机制、供应路径经济性与预算节奏。
创意
CARA 针对每位用户和每种情境，选择并组合最有可能取得效果的创意。
对于 Moloco SDK，CARA 模型会在展示时调整各个广告组件，从大量可能组合中生成完整广告单元。
因此，创意可以随每次机会而变化，而非在整个营销活动中依赖单一组合。
信号
CARA 从广告主转化事件、发行商互动、出价请求、MMP 与 SDK 活动等广泛来源吸收信号，并内置隐私保护。这些信号以不同格式、在不同时间、以不同可靠程度到达。
CARA 整合这些信号并识别关键模式，使 Moloco 模型能够学习用户、产品、创意、发行商情境与转化事件之间的关系，构建统一智能层，让其他所有领域更加精准。
内置持续改进
系统如何产生复合效应？
每个领域的改进都会增强系统整体效果，并彼此学习、持续复合。六个领域都向统一的信号层输入信息并从中学习。
收益会从一个领域传递至下一个领域。更好的创意选择改善广告推荐的训练信号；更丰富的供应信号提升出价准确性；更精准的出价产生更多结果数据，进一步优化后续预测。
CARA 如何持续学习？
学习更快的系统，效果也更好。CARA 平均每天从超过 60 亿个事件中学习，包括展示、点击、安装和 App 内行为。
新信号到达后，模型会重新训练，更新版本最快每两小时部署至生产环境。
常见问题
“复合 AI 系统”在实践中意味着什么？
复合 AI 系统会协调多个模型、智能体与专用软件。CARA 中的每个组件都针对特定领域构建与优化，例如出价、创意、供应等。复合架构意味着任一领域的改进都会传导至其他领域。例如，更丰富的供应层提升出价准确性，更好的创意选择则为广告推荐生成更优训练数据。这些改进在系统中相互倍增，而非独立相加。
模型多久更新一次？
更新后的模型版本最快每两小时部署至生产环境。转化、点击和互动信号等真实结果会持续反馈为训练数据。这一循环反馈机制使系统始终从最新数据中学习，了解对每位广告主、用户细分与供应情境有效的方法。
用户信号有限或稀疏时会怎样？
稀疏信号正是 CARA 重点解决的挑战之一。在开放互联网中，相当一部分广告资源只携带有限用户信号，或处于新用户、低活跃 App 情境及行为历史较少的环境。CARA 的序列建模架构基于跨 App 用户事件历史训练，并利用从 Moloco 广泛广告供给与广告主关系中学习到的表征，专门预测这些条件下的结果。
CARA 是否同时驱动 Moloco Ads 和 Moloco Commerce Media？
作为 Moloco 的复合 AI 架构，CARA 支撑 Moloco 的整个产品体系，但具体技术领域及其配置会根据产品场景有所不同。点击此处进一步了解复合 AI 架构如何应用于 Moloco Commerce Media。
Moloco SDK 在架构中发挥什么作用？
Moloco SDK 同时承担两项功能。第一，它与发行商集成，使 CARA 无需经过交易平台合作伙伴即可直接访问广告资源。第二，它让 CARA 能够控制设备端的创意渲染，解锁更丰富的广告格式和反馈至模型的行为信号。每新增一次 SDK 集成，所产生的信号都会提升六大技术领域的训练数据质量，从而增强整个复合系统。
