知识卡片：LLM平台的广告与订阅设计

一句话结论

在垄断性LLM平台上，广告强度、回答质量与订阅价格需联合设计；广告可扩大服务覆盖面，但会带来用户效用分化，菜单设计（而非是否投放广告）才是评估LLM广告影响的核心。

研究问题

LLM平台引入广告时须决定：广告收入应资助多少模型能力、消费者为免除广告应付多少费用。论文研究一个垄断平台，在“广告降低用户价值、但更好服务提升广告回报”的权衡下，联合选择高成本的回答质量、广告强度与订阅价格。

方法/产品要点

• 设定为垄断平台的联合优化模型：决策变量为回答质量（有成本）、广告强度、各档订阅价格。
• 关键机制假设：广告降低用户体验价值；服务质量越高，广告位越有价值（广告回报上升）。
• 分析订阅菜单结构，包括纯广告支持、部分广告支持、无广告三类的组合。

主要结果或产业意义

1. 混合档位共存时：广告可为纯订阅制下得不到服务的用户资助有用服务；中间档位的有效质量下降会削弱高端用户的替代选项，使平台能对不变的无广告服务收取更高价格。部分纯广告支持用户效用上升，而部分广告支持与无广告用户效用下降——更广的覆盖可与效用分化并存。
2. 广告上限：居中的广告上限可最大化消费者剩余——既保留部分资助服务的收入，又限制体验 degradation。
3. 算力成本下降：更便宜的算力可提升质量并降低广告强度，但降幅足够大时，总广告收入可能反超初始水平，因为更好服务提升了剩余广告交互的价值。
4. 扩展结论：广告资助的升级可使各档位达到相同的最大能力与广告暴露，从而消除差异化定价的基础。

为什么重要

• 将LLM广告的讨论从“用户是否看到广告”扩展到“所有用户面对的替代选项与价格”，提示监管与产品评估应聚焦菜单设计。
• 揭示了广告作为服务资助机制的再分配效应：覆盖面扩大与效用分化可能同时出现。

局限与不确定性

• 模型为垄断平台设定，多平台竞争下的结论待核实。
• 摘要未给出具体函数形式、参数校准或数值结果，结论的稳健性待核实。
• 未涉及广告内容相关性、隐私或用户异质性的细节设定，待核实。

可用于图书/PPT/简报的角度

• “广告不只是变现手段，也是服务普惠化的资金来源”——用效用分化图景说明赢家与输家。
• “居中的广告上限”作为平台治理与消费者保护的政策讨论切入点。
• 算力成本下降未必降低广告总收入的反直觉机制，适合作为AI经济学的案例。

原始材料

• 标题：Monetizing Intelligence: Advertising and Subscription Design on LLM Platforms
• 作者：Yuhang Ji, Fasheng Xu, Tianjun Feng
• arXiv ID：2610.32945v1（econ.TH；cs.AI）
• 发布/更新：2026-10-23
• 摘要页：https://arxiv.org/abs/2610.32945v1
• PDF：https://arxiv.org/pdf/2610.32945v1
• 关键词：LLM平台；广告强度；订阅设计；回答质量；消费者剩余；菜单设计