先画产业链，再讨论市场空间
我不会先从一个很大的市场规模数字开始判断广告科技公司。更有效的方式，是先把广告主、代理商、媒体、数据和技术平台放回同一条链路：预算从哪里来，流量在哪里被交易，效果在哪里被衡量，最后又是谁承担了不确定性。
程序化广告的本质，是用数据和算法把广告库存变成可以实时交易的商品。DSP、SSP、Ad Exchange 和数据平台分别连接需求、供给与决策，广告主获得了更快的投放反馈，媒体获得了更高的库存利用率，平台则从信息差和效率提升中获得收入。
利润池通常藏在中间，但不是所有中间环节都值得投资
媒体拥有最大的流量和收入规模，却不一定拥有最高的利润率；传统代理和交易桌靠规模与服务竞争，利润空间往往更薄。相对而言，真正具备算法、数据和交易基础设施的技术平台，能够把同一份预算转化为更高的投放效率，因此更容易形成较高的毛利。
但“技术平台毛利高”并不等于商业模式稳固。我会继续追问三个问题：客户是否持续复投，平台是否过度依赖某一个流量方，效果提升能否被客户独立验证。如果答案都不清楚，毛利可能只是渠道红利，而不是长期壁垒。
AI 改变的是效率曲线，不是商业逻辑
生成式 AI 可以降低创意制作成本，机器学习可以优化出价和预算分配，跨屏投放可以扩大可管理的库存范围。但这些能力最终仍要回到同一个问题：它是否让每一单位预算获得了更好的结果，且这个结果能够被持续归因。
未来更有价值的产品，不一定是模型参数最多的产品，而是能够把一方数据、投放反馈、素材生成、反作弊和合规审查连接起来的产品。没有稳定的数据反馈，模型只是在放大噪音；没有清楚的合规边界，效率提升也可能转化为新的经营风险。
我会用四组指标判断一家广告科技公司
第一组是客户质量：复购率、客户集中度、投放预算的留存，以及效果指标是否在不同周期内稳定。第二组是平台效率：填充率、有效展示、点击和转化之间的漏斗是否可解释。第三组是经济模型：平台净收入、毛利率、单位流量成本与研发投入是否匹配。
第四组是风险底盘：数据授权、隐私保护、算法透明、广告反作弊和媒体结算。对投资人来说，这些不是合规附录，而是决定平台能否穿越周期的经营变量。对创业者来说，越早把这些变量做成系统，越不容易在规模扩大后被历史问题反噬。