NVIDIA 在 2026 年 6 月 18 日發布一篇面向 Cannes Lions 的 AI marketing 文章，核心判斷很清楚：數碼時代給了廣告和營銷速度，而 AI 時代正在給它 autonomous operations。這不是單純講 AI 生成圖片或文案，而是講整條營銷工作流如何被基礎設施、模型和 agent 重組。
第一個方向是 decision intelligence。NVIDIA 提到 Alembic 正用 causal AI 幫企業回答一個長期難題：到底哪些營銷投入真正推動增長，而不只是和結果相關。這類因果建模需要處理多渠道、市場和受眾資料，並以更大規模的 simulation 幫決策者判斷資本應該放在哪裡。
第二個方向是 auction-speed bidding。廣告交易本身是高速、低延遲、極大規模的資料問題。NVIDIA 文章提到 AWS 正把 cloud infrastructure、foundation models 和 NVIDIA GPU-accelerated computing 結合，為 adtech 提供可在 live auction pipeline 內運行的 AI-powered bidding reference implementation。這意味 AI 不只是事後分析，而是開始進入即時競價決策。
Criteo 的案例則把基礎設施效率講得更具體。NVIDIA 表示 Criteo 與其合作後，在 NVIDIA Blackwell GPUs 和 cuEmbed open library 支援下，模型訓練約有 2 倍加速，並每年釋放大約 17,000 GPU hours。對大量依賴推薦和廣告匹配的平台而言，這種效率直接影響模型更新頻率和內容相關度。
最貼近 agentic workflow 的部分，是 Higgsfield AI 的 marketing automation lifecycle。NVIDIA 描述 Higgsfield Supercomputer agents 可在單一界面管理 campaign ideation、planning、creative production、posting 和 autonomous campaign optimization。NVIDIA Agent Toolkit、Nemotron、NemoClaw 和 OpenShell 則提供 subagents、trust layer、安全 guardrails、auditability 和 role-based permissioning。
這個方向值得留意，因為 marketing AI 過去常被理解成「快啲出圖、快啲寫 copy」。但如果 agent 可以跨 ideation、素材生成、發佈、數據分析和優化運作，營銷團隊面對的就不只是內容生產工具，而是一個半自動營運系統。系統設計、權限、審批和 audit trail 會變得和創意能力同樣重要。
NVIDIA 亦提到 KERV.ai 的 content intelligence 場景，用 multimodal stack 和 Nemotron 3 Nano Omni 分析 video frames、objects、products 和 media assets，以支援更精準的 contextual targeting。這顯示 AI marketing 的底層競爭正在由生成能力，走向資料理解、即時決策和可治理的代理式工作流。
