NVIDIA 在 2026 年 6 月 18 日发布一篇面向 Cannes Lions 的 AI marketing 文章，核心判断很清楚：数码时代给了广告和营销速度，而 AI 时代正在给它 autonomous operations。这不是单纯讲 AI 生成图片或文案，而是讲整条营销工作流如何被基础设施、模型和 agent 重组。
第一个方向是 decision intelligence。NVIDIA 提到 Alembic 正用 causal AI 帮企业回答一个长期难题：到底哪些营销投入真正推动增长，而不只是和结果相关。这类因果建模需要处理多渠道、市场和受众资料，并以更大规模的 simulation 帮决策者判断资本应该放在哪里。
第二个方向是 auction-speed bidding。广告交易本身是高速、低延迟、极大规模的资料问题。NVIDIA 文章提到 AWS 正把 cloud infrastructure、foundation models 和 NVIDIA GPU-accelerated computing 结合，为 adtech 提供可在 live auction pipeline 内运行的 AI-powered bidding reference implementation。这意味 AI 不只是事后分析，而是开始进入实时竞价决策。
Criteo 的案例则把基础设施效率讲得更具体。NVIDIA 表示 Criteo 与其合作后，在 NVIDIA Blackwell GPUs 和 cuEmbed open library 支持下，模型训练约有 2 倍加速，并每年释放大约 17,000 GPU hours。对大量依赖推荐和广告匹配的平台而言，这种效率直接影响模型更新频率和内容相关度。
最贴近 agentic workflow 的部分，是 Higgsfield AI 的 marketing automation lifecycle。NVIDIA 描述 Higgsfield Supercomputer agents 可在单一界面管理 campaign ideation、planning、creative production、posting 和 autonomous campaign optimization。NVIDIA Agent Toolkit、Nemotron、NemoClaw 和 OpenShell 则提供 subagents、trust layer、安全 guardrails、auditability 和 role-based permissioning。
这个方向值得留意，因为 marketing AI 过去常被理解成「快点出图、快点写 copy」。但如果 agent 可以跨 ideation、素材生成、发布、数据分析和优化运作，营销团队面对的就不只是内容生产工具，而是一个半自动营运系统。系统设计、权限、审批和 audit trail 会变得和创意能力同样重要。
NVIDIA 亦提到 KERV.ai 的 content intelligence 场景，用 multimodal stack 和 Nemotron 3 Nano Omni 分析 video frames、objects、products 和 media assets，以支持更精准的 contextual targeting。这显示 AI marketing 的底层竞争正在由生成能力，走向资料理解、实时决策和可治理的代理式工作流。
