市场资讯

（机器之心Pro）

编辑｜Sia

「妖股」的绝地反杀

想象这样一家公司：它 2021 年上市，市值一度接近 400 亿美元；一年后，股价暴跌 92%，市值跌破 40 亿美元。

然而，短短两年多后，它跑出了美股科技股里最疯狂的反弹之一。

2024 年，它的股价全年暴涨 790%，涨幅超过英伟达，将公司 5 位高管送入《福布斯》全球亿万富豪榜。到了 2025 年，它的市值一度逼近 2500 亿美元，被正式纳入标普 500 指数。

公司2026 年一季度财报数据，再一次超出市场预期。

更反直觉的是，没有 ChatGPT 式的爆款产品，没有 LLM 的宏大叙事，也没有创始人频频出镜畅谈 AGI。它的核心业务，听起来有点古早甚至枯燥：移动广告技术（ Mobile AdTech ）。

当全硅谷都在为大模型的 API 调用成本焦头烂额时，它却像一台精密运转的现金流机器，每年驱动着超过百亿美元的效果广告预算。而且，这一切并不建立在自有流量池之上。

这家公司，叫 AppLovin。

网友对它的关注和讨论不少。

而把它从一家长期被低估、被误解甚至被做空的公司，带成今天这台 AI 现金流机器的人，是创始人兼 CEO Adam Foroughi（亚当·福瑞吉）。

最近，这位长期低调的操盘手在两档播客中，罕见讲述了 AppLovin 的底层逻辑。某种程度上，这家公司的「反共识」，正是他本人思维方式的延伸。

Adam Foroughi在Harry Stebbings 主持的一档创投播客节目The Twenty Minute VC（20VC）中接受专访。

在创办 AppLovin 之前，Foroughi 已经连续创立过多家公司，并成功退出。但到了 2012 年真正开始做 AppLovin 时，他却几乎被硅谷所有顶级风投拒之门外。

很长一段时间里，他和这家公司一样，都站在主流视野之外。也正是这种长期被低估的经历，在他身上留下了一种很强的 「chip on his shoulder」：不迷信共识，不讨好主流，只用产品和数据说话。

这种近乎冷静甚至「反共识」的思考方式，几乎塑造了 AppLovin 的全部关键选择，并在巨头指缝之间成功挖出一个年营收近百亿美元的利润「矿藏」。

大厂给你赚吆喝，我来帮你赚真金

一提到移动广告技术公司，很多人的第一反应，还是传统广告平台那一套：优化点击率、下载量、曝光量这些表层指标。

但 Foroughi 对移动广告的判断，从一开始就与众不同。创办 AppLovin 之前，他已经在 PC 端数字营销领域完成过两次创业，并成功退出。

他后来在播客节目中提到，广告不应该只是成本项，而应该是一种「套利工具」（arbitrage machine）。广告主接入系统的目标非常纯粹：通过平台投放广告带来的收入，必须大于他们付出的广告费用。因此，他们的广告模型核心就是去高效交付这个让广告主盈利的投资回报公式。

这也构成了 AppLovin效果广告（ Performance-based Advertising ）的核心逻辑：平台上的所有交易，都必须围绕「效果」展开。

因此，从一开始，AppLovin 要解决的就不是「怎么让更多人点广告」，而是怎么让广告主花出去的每一美元，尽可能变成更多真钱。

具体而言，AppLovin 把自己做成了一根「商业杠杆」：一头连接广告主的增长预算，一头连接全球移动 App 里的流量库存，中间则是一整套由 AI 驱动的推荐、竞价和价值预测系统。

一方面，它帮广告主找到真正愿意掏钱的人。

比如，哪个玩家最可能在一款游戏里持续「氪金」？哪个消费者最容易被某个商品打动，并最终完成购买？

另一方面，它也帮开发者把 App 里的每一次广告展示机会，卖出更高价格。

这里，真正和同行拉开差距的地方在于，它优化的是用户未来的长期价值，也就是 Lifetime Value，LTV。两年前，AppLovin 率先做到 28天优化机制，如今已成为行业标准。

举个例子。一个玩家第一天只充值 1 美元，第二天没有任何动作。

在传统静态标签模型里，他大概率会被判定为「低价值用户」，然后被系统放弃。

但 Axon 看的不是这一天、两天。它可能会发现，这个人虽然前期付费不猛，但留存极高，付费习惯稳定，接下来半个月、一个月里，他很可能陆续贡献几百美元，甚至更高。

于是，广告投放这件事，性质突然变了。

它不再是「花多少钱买多少下载」的流量生意。而变成了一道关于未来现金流的预测题。

如果广告主只盯着「7 天内回本」，系统就只能去红海里高价抢那些立刻付费的人。

但如果广告主能接受更长周期的回本，Axon 就能在第三方开放生态里，低成本扫到那些早期看起来普通、但长期价值极高的用户。第一年不亏。后面几年，全是利润。

当大多数广告平台还在疯狂卷来一堆「看看就走」的人，AppLovin 已经回到朴素的商业常识，重新定义了广告平台该优化什么——这个用户转化之后，到底能创造多少收入。

这才是真正的 value。

而这套逻辑，几乎从 AppLovin 进入市场的那一刻，就跑出了结果。

Adam Foroughi 在 David Senra 同名播客《David Senra》中接受专访。

Foroughi 在播客节目中回忆，到了 2012 年 11 月，AppLovin 的月运营率（ Monthly Run Rate ）已经达到 100 万美元。换句话说，他们在极短时间内就从零跑到了 1200 万美元的年化运营率。

如今，AppLovin 已经成为行业里最早把「价值优化」（ Value Optimization ）真正做大的公司之一。

一个典型案例，是拥有爆款手游《Royal Match》的土耳其游戏公司 Dream Games。作为一家极度追求 ROAS 的游戏厂商，Dream Games 是 Axon 的重度使用者。它利用 Axon 算法定位高价值内购玩家，在不依赖游戏内广告变现的情况下，仅靠纯内购就做出了近 300 亿流水。

还有某厨具品牌，年收入从 400 万美元增长到 1600 万美元，如今预计冲到 8000 万美元，其中大部分广告预算都投向了 Axon。

在巨头的围墙外，造出广告 AI 飞轮

AppLovin 的逆袭，靠的不是流量入口，而是广告模型。就像 Foroughi 在访谈里说的，广告主投入资金，目标是获得超过广告花费的收入回报。而这个公式能不能成立，核心取决于模型有多强。

AppLovin 真正的胜负手，是把广告投放这件事，变成了一套高度自动化的 AI 决策系统。这个被 Foroughi 称为「全球最好的广告 AI 模型」 就是 Axon。

想象一个中年用户打开了某款休闲游戏，准备观看一则广告。MAX（流量与竞价系统） 立即捕捉到这个高价值受众的曝光机会，并将这个广告位推向竞价市场。

AppLovin 的需求端系统接到 MAX 的通知后，Axon 这个「大脑」瞬间启动并在极短时间内完成预测：如果把某个电商品牌的广告展示给这个用户，他下载、下单、复购的概率分别是多少？未来可能贡献多少收入？这次曝光到底值多少钱？

如果 Axon 判断，这次展示大概率能为广告主带来 20 美元或者更高的 CPM（每千次展示成本）, 系统就有底气在竞价中出高价。假设最终在 MAX 里以 15 美元的 CPM 胜出，5/1000 美元的套利差价就被锁定了。

当用户看到广告并下载了电商 App，Adjust（归因与测量系统） 立即作为裁判进行归因跟踪。这些新的反馈信号会被喂给 Axon，让它变得更聪明。

AppLovin 的软件平台位于移动App 广告生态中间：一端连接广告主预算，通过 AppDiscovery 与 Axon 完成智能投放；另一端连接开发者流量，通过 MAX 提升广告变现效率；同时由 Adjust 提供归因与效果测量，形成投放、变现、归因一体化的广告基础设施。

从算法底层看，Axon 要解决的，其实是整个现代推荐系统和效果广告里最难的问题之一：如何在毫秒级时间里，求解一组「超高维稀疏特征方程」

在开放流量池里，用户 ID、设备信息、广告素材 ID、App ID、地理位置、广告位、时间、网络环境、展示事件、付费事件……每一个维度，都是特征。这些特征从未孤立存在，而是在动态中发生着复杂到爆炸的高阶交叉。

比如：一个「美国用户 + 顶级 iPhone + 晚上 10 点 + 休闲游戏 + 激励视频 + 某个特定可玩素材」的组合；

一个「日本用户 + Android 千元机 + 通勤时间 + 电商广告 + 插屏广告」的组合；

背后对应的，是完全不同的心理状态、消费意愿和价值判断。

传统机器学习很难自动、全量捕捉这种深层、稀疏、不断变化的交叉关系。一旦组合维度增多，特征空间就会迅速膨胀。维度灾难随之而来。这也是第一代变现引擎 Axon 1 的天花板所在。

事实上，Axon 1 更像是一台传统机器学习广告预测引擎，高度依赖历史经验、预设规则，以及类似 Boosting Tree（梯度提升树）这样的经典模型结构。它证明了机器学习可以提升广告投放效率，却吃不透移动广告里最复杂的高维特征交叉，更谈不上真正完成自动化闭环。

关键转折点，发生在 2023 年 Axon 2 登场。这一次，AppLovin 把广告预测系统，真正推进到了现代深度学习时代。

它不再试图「枚举世界」。而是通过 Embedding，把离散、稀疏的ID 与行为信号，压缩进统一的稠密向量空间，再交给神经网络自动学习其中的高阶关系。模型不需要真的见过每一种组合，也能理解它和历史高价值用户之间的「相似性」。

这是一个非常关键的变化。因为，系统第一次真正拥有了「泛化能力」。叠加多模态嵌入、实时序列模型之后，Axon 2不仅能理解「对象」，还能理解「时机」。最后，再把这一切压进同一个广告预测框架里，估算每一次展示背后的未来收益。

于是，广告主只要在后台输入一个 ROAS 目标，系统就能自动执行投放、自动分配预算、自动调整出价，并在新的转化数据反馈回来后继续自我优化。

到这里，广告投放的性质彻底变了。

它不再是一门依赖经验、人工调参、投手手感的「手艺活」。而变成了一台能够持续学习、持续优化、持续放大的 AI 收益机器。这正是 AppLovin 近几年实现惊人增长和高利润率的核心秘密。

AppLovin 的核心飞轮：通过自有App 和广告网络获取第一方数据，再由 Axon推荐引擎持续优化广告匹配、归因和变现效率，形成「数据越多—模型越强—转化越高」的闭环。

到了 2025 年，这场长跑迎来了最戏剧性的时刻。

AppLovin 宣布出售、剥离旗下游戏工作室，全面转向轻资产、高毛利的软件平台模式。

这意味着，凭借在第三方开放生态里练就的硬核算法，它相信自己已经拥有了在流量公海里重新计算、提纯和榨干每一滴流量价值的强大能力。

为什么是 AppLovin 做成了？

但如果只讲 Axon ，仍然解释不了 AppLovin 的全部。

要知道，当年它的竞争对手们更符合「标准的硅谷叙事」： 更容易融资，更擅长讲平台叙事，也更容易拿到顶级 VC 的钱。然而浪潮退去后，这批曾经的宠儿大多被边缘化、被迫收缩，甚至彻底消失。为什么偏偏是 AppLovin 最后胜出？

答案不在「模型」本身，而在其底层的底层：一种近乎冷酷的商业哲学与反熵的组织机器。

AppLovin 从一开始就不是一家典型 VC 浇灌出来的硅谷公司。它早期几乎完全靠自身造血，只拿过极少量可转债，长期自力更生滚动发展。甚至有长达六年时间，公司连真正意义上的董事会都没有。

这种在蛮荒公海里独立生长的经历，塑造了创始人 Foroughi 一套与主流硅谷精英主义相反的生存哲学：反骨共识、极致执行、极简组织、现金为王。

早年融资时，顶级 VC 几乎全都拒绝了AppLovin。原因很「共识」——

「广告 + 游戏」不够性感，更何况 Google、Facebook、Amazon 都已经进场，一个毫无自有流量池的轻资产中介，凭什么跟拥有社交图谱和搜索意图的巨头肉搏？

但作为数字营销高手的 Foroughi 却看到了另一番景象：当时的应用商店里，充满了日历应用、手电筒应用、工具应用、休闲游戏。大量开发者白手起家，有用户、有时长、有广告位，却面对着极其低效、简陋的移动广告生态。

如果能在这个碎裂的长尾市场里，帮开发者赚到更多钱，再替广告主算出更高胜率的 ROI，那就不是一门小生意。

这种极度务实的独立思考，也解释了 AppLovin 后来一系列在外人看来「离经叛道」的战略动作。

当团队试图把广告系统从简单规则升级为机器学习时，很快撞上了一个致命瓶颈：缺少高质量的广告主转化数据，也缺少足够真实的用户行为特征。于是 Foroughi 砸下数十亿美元疯狂收购下游游戏工作室——哪怕在外人看来，这是既当运动员，又当裁判员。

当广告业务已经足够成熟，游戏工作室开始变成管理负担和战略干扰时，公司又果断把它们卖掉。这不是战略摇摆，而是极度聚焦——一切围绕模型效率和现金回报转。

真正拉开阶级差距的命运分水岭，发生在 2022 年。

那一年，苹果 IDFA 隐私政策像一场海啸，直接冲垮整个移动广告行业的旧秩序。AppLovin 的股价也被推入无底深渊，市值暴跌 92%，跌破 40 亿美元。

按照常规剧本，公司应该进入防守模式：疯狂裁员、捂紧钱包、全面收缩、保留现金过冬。Foroughi 却反手压上全部筹码，做了两个后来直接决定 AppLovin 命运的疯狂决策。

第一个，是大规模股票回购，甚至不惜动用杠杆，最终用约 60 亿美元回购股份。

Foroughi 后来在播客里回忆，当时公司的年 EBITDA 已经实打实超过 10 亿美元，现金流就在账上。如果自己坚信未来，而市场又给出了近乎「自杀式」的估值，那么，最聪明的资产配置，不是存钱过冬，而是投资自己。

他甚至说了一句非常 Foroughi 的话：「我不相信为了未雨绸缪而存钱。」

这笔当时被外界视为「疯子操作」的回购，后来成了美股科技史上最狠的资本配置案例之一。此后两年，随着 AppLovin 股价暴力反弹，这次回购为公司创造了高达 500 亿至 600 亿美元级别的天价回报。

第二个决策更关键。完全推倒旧系统，重构推荐模型。

当时 Foroughi 已经意识到，原有广告系统跑在上一代机器学习架构上，无法支撑未来增长。如果不彻底换发动机，公司迟早会撞上天花板。

于是，没有标准硅谷式 Roadmap 的漫长拉扯，没有层层汇报的会议消耗，也没有大公司式的组织内耗。刚加入公司的葛小川(现为公司 CTO )直接带着一支总共只有 5 个人的精锐小队用短短 3 个月时间推出了 Axon 2 。这一刀，几乎生生抹平了 AppLovin 与一线硅谷巨头之间落后近十年的技术代差。

经历 2022 年的生死重组后，Foroughi 开始思考一个更底层的管理问题：在一家高科技算法公司里，谁才是真正决定业务命运的人？

答案不是西装革履的销售，不是声势浩大的市场公关，更不是庞大臃肿、制造内耗的中层管理官僚体系，而是最顶尖的产品工程师。

为此，Foroughi 启动了一场惨烈却极为成功的组织反熵进化。他们将获得股权激励的核心圈子压缩到了极精锐的 100 多人。 随后，在公司营收同比狂飙接近100% 的火箭式增长期里，AppLovin 却逆向裁掉了约 40% 的团队，只为把组织压缩到核心人才和支持人员周围。

在这家市值千亿美元的巨头里，你几乎找不到传统意义上的产品经理，甚至连标配的 CRO、CMO 等高管职位都没有。

结果，仅仅依靠一支规模只有 400 人左右的核心广告产品技术团队，就撑起了公司绝大部分的 EBITDA。根据 Q1 财报数据显示，其单季度调整后 EBITDA 就能飙到 15.6 亿美元。折算下来，这支特种部队的人均年化利润产出，达到了惊人的千万美元级别。

这种近乎吝啬的克制与务实，同样延续到了他们对这轮生成式 AI 的态度上。

他们不执着于自研大模型,却又极其擅长用大模型。在 Foroughi 的账本里，LLM 不是用来讲故事的宏大叙事，而是现成的、世界上最好的生产力杠杆。能提升研发效率，就用；能提升广告创意生成效率，就用；能提升内部运营周转效率，就用。

但所有投入，最后都必须回到同一个终极 KPI ：这件事，到底能不能让广告主的 ROAS 飙升？

天花板在哪里？

在游戏广告里证明自己之后，AppLovin 开始把同一套武器，推向天花板更高的全球电商与品牌广告市场。

一个极具标志性的信号是：今年 4 月，AppLovin 消费类广告主的投放金额，第一次超过了历史上任何一个 Q4 旺季。

这几乎是广告行业里的「反季节现象」。因为传统上，Q4 才是全球广告预算最疯狂的时候：黑五、圣诞节、年终促销，所有平台都会迎来全年最高峰值。

但现在，一个普通的 4 月，却超过了过去所有 Q4。这意味着 Axon 的能力已经延展到更复杂的现实消费行为。

这也与第三方归因平台 Northbeam 观察到的趋势相呼应：「 75% 的 DTC 与电商品牌已经在测试 AppLovin。」

分析指出背后的关键，是 AppLovin 已经拥有足够大的广告网络规模。其每月触达超过 14 亿独立用户，体量完全可以对标 TikTok 这类超级平台。

更重要的是，这批用户并不只是外界刻板印象中的「游戏玩家」。大量 AppLovin 覆盖的人群，是每天愿意在休闲游戏中投入 2-3 小时的中年、高净值、有钱有闲用户。

他们不是匆匆划走广告的人。相反，在游戏场景里，他们注意力高度集中，情绪投入更强。为了获得游戏奖励，他们愿意完整观看 35 秒甚至更长的广告。这让游戏内广告具备了一种特殊价值：它像移动设备里的电视广告。

这也是 AppLovin 恐怖的地方。它手里握着的，不是一个简单的手游流量池，而是一块长期被低估的高注意力广告场景。

而接下来，AppLovin 的一系列动作，本质上都在继续抬高它的业务天花板。

例如，从今年 6 月开始，任何广告主都可以直接把预算接入 Axon。

过去，AppLovin更像是白名单制，只有少数广告主能进入系统。现在，它要变成类似 Google Ads、Meta Ads 那样的开放广告基础设施。它不再满足于服务一批精选客户。它想成为预算投放的默认入口。

一旦平台开放，AppLovin 的潜在市场会被迅速放大。

尤其是金融、汽车、保险、本地生活这类大预算行业，每一个线索都价值极高。比如，一个高质量汽车销售线索，可能就值上万美元。

只要 Axon 能稳定找到这些高价值线索，广告平台的收入弹性就会被急剧放大。

更进一步，未来广告主会用 Agent 来规划投放、生成创意、管理预算，而 Axon 要做的，是成为这些 Agent 可以直接接入的广告基础设施。

更大的野心，则指向 Connected TV，也是 Foroughi 认定的数字广告行业的「圣杯」。

如果 AppLovin 能把移动端已经验证过的成熟模型迁移到电视屏幕，让中小企业也能像买 Google Ads、Meta Ads 一样买电视广告，市场的想象空间几乎没有上限。

在外界看来，这种不断跨界的扩张，非常「反共识」。甚至 CTO 葛小川也承认，其难度犹如重新创业。但 AppLovin 的核心能力从来就不是「只会做游戏广告」，而是能够把复杂商业世界里的行为，转化成可建模、可优化、可规模化的系统。

当 AppLovin 将野心指向全球广告市场的牌桌中央时，唯一能限制它的，不在外界，而是自己能不能摆脱对过去经验的依赖。