AppLovin葛小川称做空报告全错 将自建社交媒体打破流量短板

AppLovin葛小川称做空报告全错 将自建社交媒体打破流量短板 AppLovin的崛起并非源于单一决策或早期游戏私域数据，而是靠三笔核心收购奠定基石，并由5人核心团队在三个月内研发出领先一代的AXON算法，通过首创28天LTV优化窗口死磕客户痛点，未来将极限压注电商并逆向突围社交媒体红海。 本视频深入探讨了AppLovin如何在巨头夹缝中实现股价暴涨25倍的奇迹。通过独家专访核心技术高管葛小川，揭示了AXON推荐算法引擎的诞生、LTV 28天估值模型的商业本质，以及公司独特的“Underdog（弱者之心）”企业文化。同时，视频也客观展现了AppLovin在2026年初面临的华尔街做空风暴，以及来自谷歌Project Genie、CloudX和Meta Advantage+ AI的三重技术围剿与AI审判。 AppLovin在2026年首季遭遇浑水等多轮做空，被指控AI平台真实性及合规性存疑，但公司凭借超预期的Q4财报与内部系统核对进行了有力回击。 (0:00) 通过收购MAX、Adjust和MoPub三驾马车，AppLovin解决了实时竞价、归因痛点和流量规模，葛小川加盟后仅用3个月便带队推出AXON模型，填补了与巨头的深度学习代差。 (3:10) 作为唯一没有自有流量的广告巨头，AppLovin首创28天LTV优化窗口，并秉持不自研大模型、全面压注千亿级电商广告的务实战略，甚至计划打造下一代社交媒体平台构建自有流量池。 (17:40) 团队极其克制人员规模，核心工程师不足百人且人均利润达4000万美元，2024年后转向招聘具备高学习能力的新人，避免盲目迷信资深经验和大公司病。 (59:59) 面对谷歌Project Genie对游戏广告生态的潜在冲击、CloudX对聚合平台的解构，以及Meta Advantage+在iOS端的反扑，AppLovin正迎来新一轮严峻的AI审判挑战。 (84:59)

AppLovin 核心技术高管葛小川在专访中阐述了公司如何通过战略并购与自研深度学习引擎 AXON 突破双巨头垄断，并以极致克制的人才密度与“弱者心态”建立竞争壁垒；然而，在做空机构对数据真实性的质疑以及生成式 AI 颠覆广告架构的双重冲击下，其护城河正面临严峻检验。 并购整合与 AXON 跨越技术代差 (3:10) 在 Meta 与 Google 垄断数字广告分发的背景下，缺乏第一方流量的 AppLovin 通过累计数十亿美元的并购构建基础设施：2018年收购 MAX 引入应用内实时竞价打破瀑布流低效机制；2021年斥资10亿美元收购 Adjust 解决广告归因黑箱；2022年以10.5亿美元全现金收购 MoPub，将用户触达扩大至7亿并拓宽非游戏广告库存。 并购完成后，葛小川加盟并带领仅约5人的初创核心团队，在三个月内推出基于深度学习表征稀疏特征的 AXON 引擎，消除了中小广告科技企业与巨头间长达十年的算法代差。2023年春推出的 AXON 2.0 进一步带来了代差级增益，并通过持续自我进化打破了华尔街关于算法红利不可持续的质疑。 第三方流量突围与28天价值预估 (17:40) 与拥有庞大自建流量池的 Google 和 Meta 不同，AppLovin 是头部梯队中唯一完全依托第三方交易平台竞价的平台。针对早期自建游戏数据推动算法的传言，葛小川指出剥离游戏后业务增速未受影响，且游戏业务 19% 的 EBITDA 利润率远低于纯软件业务的 81%，剥离反而促成其转型为高估值软件平台。 在变现效率上，AppLovin 首创将广告价值预估窗口从行业的 1 天或 7 天拉长至 28 天，帮助广告商预测长期生命周期价值（LTV）。面对大语言模型（LLM）浪潮，公司选择不自研模型，而是务实接入 OpenAI 与 Google Gemini 进行自动素材生成和合规防欺诈，并于2024年以第一性原理跨界进军特征完全不同的千亿级电商广告市场。 极致人效、克制扩张与弱者之心 (59:59) AppLovin 核心工程师团队规模始终保持在 100 人左右，人均创利高达 4000 万美元。公司在组织管理上极度克制团队膨胀，高管保持亲力亲为写代码的习惯，且极少召开冗长对齐会议。自2024年起，公司彻底转向停止招聘昂贵且带有认知定势的行业资深人员，改以硅谷顶格薪酬招聘学习敏锐的应届生与年轻人才。 葛小川将企业文化提炼为低自我、不骄傲、不怕失败且渴望自证的“弱者之心”（Underdog Mindset），并推行结合谦逊、共情、能力、韧性与执着的 HEART 人才模型。他界定了外部压迫的“卷”与内在驱动的“勤奋”，倡导年轻工程师跳脱大厂评级考核，勇于承担具有高回报潜力的不确定性风险。 多轮做空狙击与生成式 AI 冲击 (54:59) 随着市值攀升，AppLovin 先后遭遇 Copper、Fuzzy Panda 及浑水（Muddy Waters）等多轮做空狙击，指控其涉及单键静默安装、侵犯未成年人隐私、合并 ID 挪用外部流量以及虚增 AI 增量效果。葛小川表示技术团队逐条核对后确认指控均不成立，公司随后发布的 2025 年第四季度财报亦超出市场预期，并顺利纳入标普500指数。 但在2025年2月，软件板块抛售潮与生成式 AI 重构对公司构成三重围剿：谷歌 Project Genie 展现极速生成 3D 内容的能力，引发游戏广告库存价值被稀释的恐慌；MoPub 创始人创立的 CloudX 推出以 AI Agent 驱动的可编程广告栈，试图绕开 MAX 聚合中介；Meta Advantage+ AI 则在投入千亿资本开支后大幅提升 iOS 竞价密度与转化率，正面冲击 AppLovin 的基本盘。 为打破依赖第三方流量的被动格局，AppLovin 已启动打造下一代社交媒体平台的逆向突围路线，并拓展联网电视（CTV）库存；但面对 AI 智能体去中介化与巨头基础设施进化的双重压迫，这一非传统技术路径能否维持长期壁垒仍面临市场审判。

[0:00] 葛小川: 决策本身其实非常简单，真正使得公司走向成功的是决策之后的 365 天，每天的日子怎么过。 [59:59] 葛小川: 我们没有 Google 和 Meta 那么多的资源，就注定了我们不能用他们的方法来解决我们的问题。 [59:59] 葛小川: 我经常自己自嘲，我说我自己是绝不会雇佣我自己的。 [59:59] 葛小川: 经验（experience）的价值被高估了。 [74:59] 葛小川: 我们工作一点不卷，我们只是勤奋而已。 [74:59] 葛小川: 每一个普通人距离拥有改变世界的能力，中间的鸿沟其实非常小，需要的只是迈出那一步的勇气，以及迈出那一步后 365 天每一天的努力工作。 [49:10] 葛小川: 三年前也有很多人不看好我们的广告，Doesn't matter（没关系）。

[0:00] Meta and Google as a global market壤 has been opened by a single one. This single one has made a company quickly崩壊. The two-year-old market has been increased 25% and has been added to the global market and has been sold to $5,000 million. It's just Apploving. However, the company's competition has never stopped the competition. That's fresh hate from Muddy Waters after this epic run. I think this is at least the third that we've seen in the past month or so. These short sellers are questioning the integrity of their AI platform. In the 2015 year, I was here to F-Lovin at Joe Ging Shan City Hall. In this place, the staff and the staff and the staff wearing a mask mask or a sassy mask and ask the company to reach 2000 yen. And on the second floor, the game's game's game seems to be in the case that the F-Lovin's game is not finished. And the game's game's game is the one who was who was because of the game and the other players and were wrong on the stage. Joe Vannick, G.小川 Thank you葛小川的升值速度如同Apploving的股价三年时间从工程师迅速的晋升为了公司核心技术领导者如今担任公司的首席产品及工程官虽然外界对Apploving的研报和解读已经非常多了但是公司高层对外的深度访谈依然很有限很多信息和结论都是相互冲突的做空报告刚出来的时候我们肯定都是非常重视的每一条每一条去和我们系统去对照然后后来发现其实都是错的所以我对这家公司感兴趣的点在于我很好奇在Mata和谷歌这么大体量的巨头背后这家公司做对了什么事情看准了什么时机才能够去撕开巨头的市场裂缝我们没有Google和Mata那么多的资源就注定我们不能用他们的方法来解决我们的问题我从进Appleving那一刻开始我就是希望有一天我们能够走出游戏而外界对他的追捧和质疑Appleving内部是怎么看的何小川又是怎么带领团队去打现代推荐算法这场定仗的最大挑战是人才市场对我们的认可不够过去三年真的感觉像过了十年一样每天在打仗归谷这个地方我觉得Under Dog可能在这里是最贵的一种精神我们和葛小川的采访拍摄于2025年12月21号真正采访录制了超过两个小时但是说实话我们之间的这场对话呢一度有一点来回反复原因在于呢我迫切地想要找到答案Apploving究竟做到了什么才能够崛起但是我发现这并不是个小川和Apploving去看待问题的方式我发现我跟你聊天我发现你很想去问我们的成功是不是某一个具体的决策造成的但其实不是这样决策本身其实非常简单真正使得公司总乏成功的是决策之后的365天每天的日子怎么过外界总是希望找到一个解释让我们的成功看起来比较简单我觉得这种质疑和低估在我看已经息回常了在2026年第一季度Apploving继续经历着来自做空激过的攻击AI发展对广告行业的挑战以及竞争对手的市场蛋糕争夺美股2月11号盘后Apploving发布了2025第四残届的财报营收利润和展望都超出此前分析师的预期试图通过葛小川的深度分享中来看看他眼中的过去三年大约这一千天的时间他如何带领Uploading撕开巨头裂缝跨越深渊这家公司如何在谷歌与Mata的双头垄断下崛起又如何凭借着弱者之心UnderDock的生存之道杀出成为的首先在正式进入格小川的专访之前我们花一点时间来收拾Apploving这家公司的业务和崛起故事2018年硅谷的数字广告权力格局已经固化谷歌掌握着搜索意图Meta控制着社交图谱而此时的Apploving只是一个规模上小的移动广告网络AdNetworks简单来说它就是连接移动应用开发者也就是广告位的发布者与广告主的中间平台那么对于这种中间商而言最大的死穴在于他并不知道用户在App里面到底是在做什么你想如果你无法获得第一方的数据你怎么去跟Google还有Meta这样的巨头去打呢为了打破这一局Apploving当时开始大举的收购游戏工作室从2018年到2021年IPO前夕Apploving [4:59] 中国一系列的并购战略投资和工作室孵化动作快速扩张游戏版图累计交易规模达到数十亿美元级别并且依托它的广告和分发平台触达了全球数亿级别的移动设备用户当时Apploving买下这些工作室的目的不是为了游戏利润而是为了获取核心的转化信号这些自产的游戏成为了算法引擎最初的实验室同时Apploving是进行了一系列关键的收购首先就是2018年收购的应用内净价技术公司MAX在2018年之前Uploading本质上更像是一个广告投放平台但是对于开发者们来说他其实并不能很好的帮大家把广告位卖出高价当时行业里面用的最多的是一种叫做瀑布流的方式简单来说就是开发者先把广告位给A广告平台试一试如果A不接再给B再不行给C那么一个一个的这么来顺序是提前排好的依据的是过去的ECPM也就是有效每千次展示成本还有填充率等等这些的历史数据但是问题就在于整个过程是排队式的效率低而且很容易卖便宜而Max出来之后规则就彻底的变了它引入了应用内实施竞价一次性把广告位丢给所有的广告主让大家同时出价最后谁出的高就卖给谁开发者直接去拿到最高价收入立马就上来了广告主这边也不吃亏虽然比如说他花了1.5块钱但如果能够赚回2块钱那照样是划算的结果就是开发者多赚了钱广告主拿到了更好的用户双方都满意也正是因为MaxApploving从指帮买家的角色升起成了同时服务广告主和开发者的平台那么第二个重要的收购就是2021年花了10亿美元收购的移动应用数据监测及营销公司Appjust那么在广告行业当中广告主最关心的就只有一件事那就是我花出去的这一块钱到底能够赚回来多少但是在移动广告里这个问题其实非常难回答因为一条广告从展示到点击再到下载使用甚至付费中间要经过很多环节而这些数据往往是分散在不同地方甚至根本看不到对于广告主来说这就像是一个黑箱子而相比之下能够把数据追踪了更明白的平台比如说Meta就更加容易拿到广告主的钱Apploving的增长也因此是受到了限制而Adjust正好解决的就是这个问题Adjust本质上是一个移动广告的追踪和归因工具它通过全流程追踪和精准的归因能够帮助广告主把每一块钱的投放效果是拆得清清楚楚比如说钱花在哪了带来了多少用户最后赚回了多少而更重要的是这些数据最后还能够反过来未给Appleving的AI系统让投放越来越精准Adjust可以说是让Appleving从一个只负责把广告投出去的平台升级成了一个对客户角度来说可以对效果负责的服务平台这也是为什么Appleving高度强调LTV也就是生命周期价值这个我们之后在专访中会详细的聊到可以说Max和Adjust的布局是让Appleving步入了快速增长的通道然而正当Appleving在2021年4月完成上市IPO之际苹果公司的IDFA也就是应用追踪透明度政策切断了跨APP追踪用户的能力移动广告市场而是瞬间陷入了混乱2022年Apploving股价是坠入深渊从之前的高点跌去了80%但是在这一片哀鸿变语当中Apploving并没有像它的竞争对手们那样通过裁员来收缩防线而是从当时的推特那里是进行了一项关键的收购这项斥资10.5亿美元的全现金交易收购的对象叫做Mopop是之前推特旗下的移动广告平台Mopop你可以把它理解成是一个广告位大市场它把大量的app的广告位集中起来卖给广告主从中间出城而这笔收购呢是带来了三个非常直接的变化第一呢是一下子能够触达更多的人Mopop当时服务的呢是成千上万个应用包括了新闻工具还有生活layup是覆盖大约7亿之火的用户啊Apploving把这些广告位接进来之后呢广告库存规模直接是放大了一个数量级触达的人数呢也是成倍增长了第二呢就是能够把广告投给对的人MopHub的广告位不只是来自游戏但还来自比如说新闻APP健身APP生活工具APP等等这意味着女性用户中年用户还有非游戏用户都进来了广告就不再是什么人都给同一条广告而是不同的产品应对不同的人群那Plubby也是从游戏广告平台是直接升级成为了真正的全行 [9:59] 第三是整体更稳定更赚钱之前Uploading的广告位主要是来自于自家游戏我之前也说了而且人群结构是偏向游戏玩家而有了MopopUploading就不再需要拼命自己做游戏来产广告位了非常有意思的一个比例就是从自己去种菜变成了去开超市货源来自于四面八方稳定又可控来总结一下Max解决的是卖不出好价钱Adjust解决的是效果说不清楚而Mopop解决的是规模不够大同时我们看到Mopop这起收购为Appleving带来了一个极为重要的数据水源那么这些源源不断实时注入的竞价信号是为后续的算法能力提升提供了数据基础那么此时的Appleving是急迫的需要一位懂算法的核心技术人员加入所以在这三次关键的收购之后Appleving又在寻求又一次的升级那么这就是Appleving发展历史上的一个大背景这个时候加入Apploving的这位算法核心人物就是葛小川他加入三个月之后Apploving就上线了新一代的模型名为Epson这块模型是奠定了之后三年公司业务的飞涨之路那么以下就是我和葛小川的视频专访那其实你来到Uploading已经三年时间然后你怎么看你在过去三年的这段时候感谢你邀请我过去三年的话开始就开始工作然后每天要处理不断处理每天遇到的问题只是有时候觉得就是真的是不仅我一个人包括团队与其他成员也觉得过去三年真的感觉像过了十年一样因为真的发生了很多事情就是打仗的这种感觉吗对 每天都在打仗其实你之前是在Meta对然后你为什么当时想要从Meta离开然后为什么当时选择Floving这家公司呢我觉得那个时候我在Meta想要学到的东西基本上已经学到了在那边继续待下去的话我觉得对我个人的职业发展的话会就是它会渐渐的慢下去我本身也不是一个特别喜欢就是追寻留遵循流程的一个人然后想到一个更自由更灵活的一个地方所以那个时候我就觉得就是离开离开Meta还挺符合我个人的性格当时觉得最打动你的一个moment是什么我觉得打动我的moment就是大家都很坦诚我在跟Ev LaVine当时面试的时候当时有和CTO和Bezil还有Adam CEO都有聊过他们对于当下公司所面临的最大的问题然后他们需要什么样的人来帮他们解决什么样的问题我觉得都特别坦诚尤其是当我当时在大厂待久了之后习惯了这种和大厂的忠诚的人接触然后聊天里边都很多迂回绕弯子然后第一次和这种C-level人接触并且能够有那么直接和坦诚的对话我觉得那点当时对我来说印象还是比较深刻的我看到你之前的分享说你当时聊到Uploading的时候就发现说公司它要进一步去做广告业务他们缺的东西正好是你有的skills那么说一下他们当时缺什么他们当时的广告业务是一个什么样的阶段那你身上有什么样的skills可以弥补他们的短板从业务角度来看的话其实公司当时的业务已经比较成熟了它主要其实缺的就是一个现代的推荐算法和推荐系统当时在北美其实代表推荐算法最先进的几家公司就是Google和Meta当然同一个类型的推荐算法在很多中国的公司像TikTok 阿里巴巴 小红书这些公司其实都已经在用了但是北美当时很多中小型的这种公司包括Apple Loving 还有其他一些中小型的公司其实还在用可能十年前十年以前那种上一代的推荐算法所以当时他们就想让我过来帮忙把公司就是转型到最先进的这一代推荐算法里面去十年前的传统的推荐算法是什么样子的然后现在的现代的推荐算法是什么样子的就是十年以前的话其实那时候推荐算法很多是以这个叫做boosting tree为主的方法然后那个时候那个时候虽然就是deep learning的理论其实已经非常成熟了但是在推荐算法的应用里面一直没有取得特别大成功转折点大概就出现在大概2015年到2017年这几年当时有好几个比较重要的工作在那个时候出现然后在那之后呢就是一流的公司都很快就转型到了现在的就是deep learning的模型里面去当时有哪几个比较重要的工作其实里面很重要一点你推荐算法里面有很多的这种叫做high-cuteniality的sparse feature举个什么例子呢比如说你推荐的话不就是推荐人和物料吗那么你这里面的话物料可能一个像Meta和Google这样的公司物料其实非常非常 [14:59] 轻易的就可以达到几千万上亿甚至几十亿的这样一个量级然后你推荐的用户也是轻易来说是几十亿的那么每一个用户它有ID每一个物料它有ID当然还有一些比较不那么系数的ID比如说国家的IDZipcode的ID这些东西那这些ID其实在模型里面如何去利用它们如何去表征它们如何去处理这些IDID之间的这种交叉205年之前其实人们不是人们不是很清楚知道就是怎么用Deep Learning去处理这些问题但是在刚才我说的三年里边就出了很多很重要的paper就讨论怎么样把这些ID放到模型里边并且允许这些ID和ID之间做一些交叉然后这些工作呢就是出现了之后那时候就Deep Learning的Framework呢它在推荐算法里边就脱颖而出了你到AppLearning之后就是三个月就推出了第一款模型吗对对为什么要这么快呢因为时间很短嘛我觉得生命很短我们这边其实做事情就这样当你知道一个目标就在你眼前的时候我们是希望能够非常非常快的把它给做出来其实这个我当时来Apple-Abbin之前的时候我本人的一个mindset其实还没有成为那样子因为我在毕竟在大厂做了很多年我来了之后其实还是刚开始的时候我还是打算是以那种meta的方式比如说先是讨论一下roadmap然后制定一个计划然后再分配一下人员分配一下工作然后怎么样就这样一步一步来做对吧但我很快来到这边大概不到一星期时间我就立刻意识到这不是这公司的工作方式不是这样子就几个小事情就让我产生这样一个转变那么转变之后那工作方式就很明确了Get my head down就是从写代码开始然后在这过程中遇到什么问题解决什么问题所以当时在开始的时候其实并没有想到具体需要会有多少时间然后呢整个公司的领导层也从来没有给过我们一个压力或者说给我们一个要求说这个东西一定要在多长时间里面完成但是整个团队大家都全身性的投入在里面当时肯定就想尽早的把这东西做出来当时有团队多少人了做第一代模型的时候第一代模型其实那时候团队的人真的很少真正直接参与最核心的工作的话可能当时包括CTO本人在内我们加一起来可能五个人左右然后你们其是推第一代模型上线的时候效果怎么样是达到你们心里面我知道你比较完美主义然后达到你心里面那个完美的要求了吗还是你们就想推出来先看看效果我是一个就是reasonable的完美主义者我肯定不会要求这个模型上线第一天就都是完美的但是当时刚上线的话那个效果是非常非常好的具体数是我记不住了但是从当时的财报数字来看应该是当时上线之后效果非常好明显一个代差肯定是百分之几十的这样一个月变那么跟我们解释一下Apple Lavin它当时是怎么去做广告投放的然后比如说它跟Meta有什么样的跟谷歌有什么样的不一样就是后来你们的模型跟Meta跟谷歌虽然都是现代的推荐系统但是你们会有什么样的不一样我觉得框架肯定是一样的但是我们和Google Meta其实最大的区别不在于这个模型本身而在于它的商业模式上就是Google和Meta他们的主要的广告的投放对象还是他们自己自有的一些用户流量对吧比如说Google的YouTubeGoogle搜索Meta是在他的Facebook和Instagram里投放Apploving其实很有趣Appleving作为一个算是中国以外的国际市场上可能应该是排名前几名的一个广告投放平台我们是在这种头部的广告投放平台里面是唯一一个没有自由流量的公司就我们的投放的对象其实更多是在这个第三方的交易平台上这是我们和谷歌卖它最大的区别这是大的区别但是也是说你们在游戏方面的优势吗我们在游戏方面你觉得我们在游戏方面的优势是什么数据我们现在其实不已经不拥有任何一家游戏公司了但是在2022年的时候其实大家会觉得因为你们之前是有收购了很多游戏的公司对对吧所以你们有非常多的游戏的数据然后有用户的数据对外界会认为说这是你们一度或者曾经的优势其实我不是我也不知道具体的我怎么就是定量的话到底产生了多少impact因为有的你知道在推荐算法里面有一种经常使用的东西叫Aplashing test当你猜想你的某一个模型的处理或者某一个具体的数据或某一个具体的特征它对你的整个系统的影响是多大的时候你会采取一种叫Aplashing test就是什么呢就是你把你的系统Copy成两份然后呢一份把你认为你想要 [19:59] 想要测量的这个因素给它抹掉然后呢一个就保持现状然后看一下他们两个performance区别对吧我们经常做这样的一个test但是关于你看说这种自由数据这一块我们还真没做过这个test所以很难去定量的说它起到多大作用对吧或者说呢它在这个路径过程中起到多大作用但今天看来的话今天看来我们已经没有这一部分数据了我们的广告的效果我们的投放效果我们的广告的增长其实并没有因为失去这些游戏公司受到任何的影响所以我不知道当年那些数据是不是真的有那么重要大家其实是会比如说在position比如说Meta Google还有你们的时候就会说比如说Meta它的定位是社交关系再加上信息图谱谷歌的定位是搜索意图加全取道覆盖那么Apple Loving的它的广告定位的这个投放的定位是什么样的关键词呢我觉得Appleving的话我觉得我们在做产品的时候我们不会一味着去引导我们的技术发展方向去迎合这些最热门的话题而是我们看当前我们最需要解决的问题是什么然后呢用这个来引导我们的发展我觉得可能因为这个原因呢我们在从产品角度来说的话我们也算是第一个解决了很多在广告推荐产品里面的一些最大的痛点我举几个例子第一个呢是这个所谓的价值预估什么意思呢就是很多公司在投放广告的时候你就会去优化点击率优化转化率但其实对于大多数的广告商来说他们关心的不是点击率也不是转化率而转化之后给他们带来的价值比如说你作为广告商的话你不在乎就是说我花100块钱之后到底有5个人购买了还是10个人购买了你其实更关心是这5个或10个人购买之后他们到底给你产生多少价值很多公司都是在做这种就是价值的产品但我觉得我们真正是把重心放在这上面了我们可能是整个行业里面第一个把价值产品做大的一个公司你像我们在Appleving价值产品占据了Appleving绝大多次的广告化销这就是因为我们的价值的模型是整个业界做的最好的然后和这个价值模型相关的一个是什么呢就是你作为广告商你其实是关心他来有很长阶段给你产生价值我投放这个广告之后我一年以内能不能回本或者说回本之后翻倍多少倍或者两年之后对吧如果你的广告的优化能够优化更长的一个窗口的话其实对于广告商来说它可以带来更大的价值但在我们之前这市面上大部分的优化窗口只有一天偶尔会有人做到七天但从来没有人就是用非常严谨的模型超过七天这样一个范畴我们是全世界第一个公司把它从七天直接做到28天当时我们这个产品上线之后立刻就成为了整个业界最热门的产品我觉得我们和很多其他一些公司相比的话真的是我们会把产品所要解决的问题发现最高预先计然后去寻找和思考哪些技术上的革新能够帮我们实现这样的目标而不是说我们去找个热门的话题然后再想围绕这个热门的话题我们能做什么样的技术创新这个就是LTV为核心的来围绕它来涉及的产品跟算法然后这个东西是谁提出来的还是说这个公司本身的value跟它的价值观所在大家可能都会觉得谁提出来这些东西很重要这真的不重要因为任何个在业界工作人都知道这东西很重要那为什么Meta跟Google他们他不围绕这个那我就不知道了我不是Meta的CPU对吧我觉得这里边可能更重要的就是说当你知道这东西重要你如何去管理和利用分配公司内部的资源对吧如何呢去有效地帮助你团队去解决这样一个问题我觉得这个东西是最重要的我觉得行业里面所有人都知道这种重要能不能解决它我觉得可能是真正重要的问题那么再说一下其他的竞争者除了曼哈国和知识大的有没有一些小的是一些潜在的竞争者我看到有人在问比如说UnityIron SourceCharboostLiftoff这些公司为什么跑出来的是Apploving不是他们的我觉得你一直用竞争者的词来描述这些其实但从我们看来这些公司其实都不是竞争者我觉得这些公司更像是合作伙伴因为我们最终服务的都是都是手机开发者和广告商这样的群体尤其对于手机开发者来说的话你想为什么我们的平台会允许并且欢迎Google 卖他Amazon这些公司在我们平台上竞价呢就是因为他们的购买力 [24:59] 是会让我们的开发者获利所以说在我看来其实我们都是共同服务与同一个行业的合作伙伴至于我们为什么在这个里面胜出但其实这里面有两个不同的行业我们其实真正在讨论两个不同的就是一个大行业里面两个不同的分支一个是广告交易平台今天虽然说谷歌和Apploving是最大两个交易平台然后还有一些更小的交易平台像United IronSource也是个交易平台但这个交易平台本身我觉得它存在最大的意义其实并不是给公司带来直接的商业价值它的最大意义其实是服务于整个手机应用的一个生态给这些开发者一个平台让他们可以在这个平台上变现所以对于AppleLavin来说的话这个平台本身其实并不是AppleLavin的主要营收或者说它的营收其实占非常非常非常小的一部分另一个分支其实是广告投放这一块我们当有了这样一个生态的时候但我们也希望有一天我们可以比如说把我们的广告投放到Meta投放到Google去但我不觉得他们有一天会允许我们这么做对吧那么我们就只能把我们的广告投放到刚才我说的这样一个第三方的一个汇聚平台上这也是为什么从我角度来看的话维持这样一个生态系统其实是非常非常重要的当我们广告投放到这一块的时候那你可以说有竞争对手了这里边竞争对手其实就不是说Unity或者Iron Source而是所有的前台竞争者有Google 麦塔所有的人在我来看的话其实就是说我们的竞争对手更多的是Google和麦塔因为从我们的购买量来看的话他们的购买量和我们的购买量之间持销比较可能关系会更大一些那2023年呢其实是你们模型得到稳定同时呢就是你自己呢也开始筹备了亚洲团队对同时呢也是开始进入这个高管的团队开始接受更多的业务嘛你觉得你遇到的最大挑战是什么大概我来了公司之后小白年的时间大概是在2023年的4月份5月份左右那时候就我们就X-2的那代模型第一次上线而且当时其实只是一部分的模型上线并不是所有模型上线但是那个应该算是一个比较重要的mind stone因为在此之前其实我们都不是很确定这种方法就是说上线之后到底能带着多大的收益我记得当时团队在那个第一个模型上线之前我们经常是比如说做一些准备然后小范围测试然后那时候我们的infrastructure比较弱就是这个模型上线测试的话中间可能要等个一个小时左右然后我们就开始开玩笑就说那一小时时间是不是大家需要我们买票去Vegas准备开party然后呢后来模型终于上线了然后就不很成功他们说OK那推迟吧然后我们回去继续迭代然后就这样一个状态前前后后搞了有一两个月的时间当了最后模型真正上线的时候我觉得大家也失去了那种狂喜的那种感觉不过这对于公司来说觉得是一个我觉得比较重要的一个mindstone然后那之后再过了半年那接下来的半年其实就是不停的迭代因为第一个模型上线之后其实很重要一个对我们来说很重要一个问题就是说因为第一个模型其实是一个是一个模型的代差我们把Apploving的模型从一个可能比现在最先进的模型晚了一到两代的模型给它带到了比较先进的这代模型上去接下来又回答一个问题当你代差弥补过来之后你模型还有没有能力继续迭代然后继续获得收益其实这个从当时外界来看的话一直是外界对Appleving最大的一个质疑之一你可以看到其实在2023年我们的财报每次财报的时候我们其实都是远远超出了预期但是财报之后我们的股价呢其实几乎没有动原因其实就是当时业界总是觉得呢我们那些收益是一次性的之后呢不会有迭代对于我们自己来说的话我觉得因为我见过这个行业怎么运作我其实对于可迭代性是比较有信心的但是还是需要时间去证明所以在2023年年底的时候那段时间我觉得我们是证明了模型的可迭代性就并没有因为模型上线之后对吧收益就为了就是进一步的收益就停止到2024年年初Apploving的野性就已经不再局限于百亿美元规模的游戏广告了它的目标是千亿美元级别的全域数字广告而第一个要进军的就是电商行业ecommerce2024年5月份的时候葛小川正式提出向电商领域扩张这在技术界看起来是近乎疯狂的因为 [29:59] 无系广告它是基于虚拟成就感的而电商广告则是基于食物物流与复构的那么外界对于Appleving的广告模型是否能够运用在电商行业中一度呢非常的怀疑到2014年这一年我觉得是你们真的开始大放异彩然后从Underdog慢慢被主流接受因为这一年你们股价也开始飙涨同时呢也有很多质疑的声音那这一年你觉得你们做对的三件事情是什么我首先纠正一下你你说我们从underdog变成了被主流所接受我觉得一直以来我们都是一个self-recognized underdog而且我觉得我一直以这样一个身份感到自豪什么叫做self-recognized就是说我不知道现在世界怎么看我们对吧你们自己把自己视为是underdog对可能有些人会觉得Apple Loving今天发展很不错了但也许还有人会觉得Apple Loving其实只是一个就是一个短时间内走运被炒红的一个网红公司对吧但是呢我觉得这些对我们来说都不重要我们自己把自己定位为一个underdog我觉得这个是并且用underdog这样一个精神来驱动我们的一个文化的根基和我们很多注释的方式这个在我看来是最重要的你把Underdog翻译成中文叫弱者之心然后能不能再给我们解释一下你对这个词的定义是什么我觉得其实更好可能更准确的一个翻译是不被看好的人弱者之心是为了凑一个四个字的成绩我觉得Underdog其实它有很多很多不同层次的一个意义首先我觉得Underdog就是就是代表了你不会骄傲自满对吧因为你没有骄傲自满的资格别人不认为你很好然后第二个呢我觉得就是underdog呢你做事情的时候没有一种害怕失败的一个负担因为你反正是underdog嘛反正没有人认为你会成功嘛对吧你反过来那种我觉得就是你一辈子都在成功的这样一个天之交子你可能更不敢于去做一个非常分析很大的一个选择因为你成功太久了你不想打破这样一个人设你underdog就没有这样一个问题然后我觉得underdog呢他的自我的意义会比较低他在一个问题里面一个事里面或者一个mission里面他不会把自己看得很重他会把这个mission会把这个集体看得更重我觉得就是还有underdog可能就是有一种很多underdog他有种需要证明自己这样一个渴望因为大家都觉得他不被看好对吧那么这种想要证明自己的渴望其实给一个人带来的动力是非常非常巨大你说到就是做对的三件事情是吧我觉得真的不是我们思考的一个我们在Appleving思考的方式我是绝对不会把365天每一天的辛勤工作把它归咎到就三个正确的角色那么简单简单的那边去对吧我觉得那个呢其实这样一种说法其实对整个团队来说都是一种伤害因为团队里有几十个人他们每个人都是在从事点点滴滴的工作然后这些点滴滴滴的工作呼吁到一起造成我们的成功我不觉得有任何三件事情你把这三件事情剥离开就是说这三件事情决定了Appleving的成功这不是我不觉得是真实发生的事情好 没问题那就是在这一年其实很多的机构研报就是他们的title都是说Appleving是什么AI受益股对 然后你们内部是怎么看这个事情的就是AI在你们的算法当中真的有那么的重要吗首先提到AI啊我觉得现在大家对AI本身的定义是比较模糊的对吧在现在主流我觉得通常的一个叙事里面来看AI其实主要就指这个LM模型相关对吧但其实AI这个词本身在大元模型出现之前就经常被人提及了其实推荐算法是大语言模型出现之前整个AI应用领域最成功的一个应用了那么Appleving作为一个就是在推荐算法里面世界一流的公司肯定是用到了就是和推荐算法相关的所有的AI的技术那么至于大语言模型的话对吧就是这个不是一个秘密Appleving没有今天没有在训练自己的大语言模型但是呢我们确实在我们的产品里面就是各个方面利用了大约模型来帮我们提高和改进我们的产品这个是还有产品和算法我们算法里面会用的大约模型对吧这个是是毋庸置疑的然后至于外界就是怎么看我们说Appleving是不是AI公司或者说Appleving有没有因为AI受益这我们在内部真的是完全不 [34:59] 不会去想这个问题也不会去关心别人会怎么样怎么样评价我们因为在我们看来Appleving是不是一个AI公司对于我们每天的决策没有任何的影响你刚才说AI在每个环节里面肯定就是会你说AI这边指的是代表模型会赋能每一个环节的决策那就是这样的做法其实在行业里面我相信其他的公司也会有对吧Mata也会有那为什么我们看到就是前段时间股价涨那么多也是他们说他们的广告其实也提效了就是大家差的多就是怎么去用AI怎么去给模型提效这个每家公司差的多那你们的优势在哪里我觉得在目前这个场景下我觉得我们很大的一个优势反倒是我们公司没有在自研我们的大运元模型因为我们没有在自研大运元模型我们就有充分的自主性去选择这市面上可以买得到的最好的模型虽然很多公司在自研但是我觉得大家现在应该都会承认这世界上最好的目前来看最好的大语言模型其实是Gemini和OpenAI的模型我们因为没有自研其实给我们跟大家自由度去选择最好的语言模型这也是因为这个原因我觉得在很多大语言模型的应用方应用这一块我们反倒走在了世界的最前线比如说我们早在一年多以前其实就非常非常顺利的用大语言模型来对抗我们在广告投放领域遇到了一些一些这个fraud和integrated的问题那么最近这段时间我们也是市场上第一个推出用大云模型来自动全自动的为广告生产这个广告素材这个呢就是对吧我们已经把这个产品投放给我们的广告商了这些我们都走在行业的前沿然后我们之所以能够能够比我们的竞争对手更早做到这一点我觉得就是在于我很早就做出一个判断我觉得在比如说在广告的内容生成这一块我觉得在短时间里面能够做到最好的就只有蓝家公司就是Google和OpenAI我们没必要在这个领域去做一些他们已经做得很好的事情了对吧而我们呢把我们的专注度放在怎么样利用他们的模型把它融入到我们的产品里面去并且这个决定你要知道这个角色是在一年以前当Google和OpenAI的模型还没有ready的时候当时我们的一个角色就是相信我们的partner对吧Google和OpenAI其实对我们来说就是我们的partner我们相信我们的partner我们去做好一些他们不会去做的事情我们在时间另一头等着他们我们知道他们有一天会把这个模型做出来所以当Vio3和Sour2出来的时候那个对我们来说就是The right moment has come所以那时候我们那时候我们整个产品的flow已经ready了就等他们模型他模型一好我们的产品立刻就上线了所以感觉还是一个速度精彩就是谁能先把这个东西用好然后用到state of art就是最前线的这样的一个水平产品推出来对 我觉得不仅是速度吧我觉得也是一个做选择做决策的一个一门艺术就是很多东西哪怕它是最热门的哪怕它是最exciting的选择不去自己做其实有的时候是一个很好的一个决策但是somehow我觉得很多很多就事实上很多人好像不太能够接受这样一个选择总觉得这个事情如果是最exciting的那我一定要选择自己去做它提一个假设就谷歌以后觉得他们就比如说会切断它的API然后这些模型厂商会想要自己去做广告了或者想要自己去做广告了会切断这种模型API的access的权限我不觉得这会发生我觉得如果有人真的会这么认为的话他的决策可能有点天真我们今天我们还是谷歌最大的一个客户之一因为我们是Google Cloud一个很大的客户如果我们真的担心Google切断我们的切断我们的使用权限我们是不是还要担心我们不能使用Google Cloud那其实2024年最大还有外界对你们最好奇的一点就是说你们开始向电商方面去走了那么跟我们说一下当时这个考量跟思维过程是什么样子的为什么你要往电商去拓展这个思维其实非常非常简单我发现我跟你聊天我发现你很想去问说我们的成功是不是某一个具体的决策造成的但其实不是这样决策本身其实非常简单真正使得公司总行成功的是决策之后的365天每天日怎么过对吧那么回到2024年年初的时候其实当时的几个我觉得比较重要的一个时代背景就是首先呢我们的技术在在这个手机应用广告里面已经被证实了至少和世界一流的公司是没有太大差距的我们是完全有能力和 [39:59] 我们直接竞争的对吧那其次呢我们所属的这个领域啊手机应用领域呢它的天花板不是特别高所以市场也觉得就是说Appleving即使在手机应用里面做的特别特别好我们的上限也不是特别高那么再其次呢是我本人对于电商这个就是就是算法在电商里面能够做的事情它的可行性有的比较比较好的一个理解我觉得我们当时的技术完完全全可以转嫁到这个电商上去所以呢在这样一个背景下我们内部其实很简短的讨论没有花很长时间我们就决定去做这个项目了大概这个事情发生在大概在2024年的5月份左右当你去做一个不同的industry的时候就是一个赛道的时候它的模型的叫什么迁移对它这个东西难吗难是个非常主观的一个概念我觉得为了实现这个东西需要去做什么我觉得需要首先它是有可行性的我觉得需要一群非常善于解决问题非常善于用第一心原理思考的一个团队这个时候让你去从是从一个你熟悉的赛道去到一个你不熟悉的一个领域对吧我不那么熟悉领域所以我觉得我觉得最可怕的一个错误就是耗用经验主义这个时候真的就是需要我觉得我在回忆当时的就是整个团队一些细小决策我觉得那个时候就是第一性原理的思考特别重要比如说呢能不能给我们取一些案例对那比如说就是就是在游戏领域它怎么work了然后到电商领域它的困难在什么地方比如说它的数据我不知道就是数据或者是算法会遇到什么样的困难然后你们怎么去解决这个困难首先你要意识它是一个不同的产品不同的产品就意味着这产品里面每一个环节它都产生了变化广告商不一样广告商数据共享的方式不一样广告投放的素材的形式不一样广告投放之后它点击之后它落地也不一样了就所有东西都不一样对吧那么这时候呢你第一性原理的一个价值就在于你要理解那边哪些不一样是可以简单的转向过去哪些不一样是需要你需要你有不同的处理方法需要你模型里面进行改变对吧然后呢当你有了第一版比较简单的模型比较简单的系统上线之后它肯定是不尽如人意的因为你是一个新的系统当它不尽如人意的时候你要知道去分析哪一块你觉得这一块其实已经不错了那一块可能存在什么问题然后你便能分析它背后的问题是什么是数据的问题是归因的问题是模型的问题或者说feature的问题那么这里面就需要用到很多的我觉得非常好的非常严谨的思维去判断而且当时做这个时候我们团队人员也非常非常少非常小第一期做这个电商的就工程师这一块的话可能也就十个左右我觉得这样说还是有一点抽象对我觉得观众可能还是没有办法理解比如说从做游戏到做电商它虽然是两个不同的产品就是难点到底在哪里然后你们解决了什么问题我觉得你可以把它当做重新去做一个模型当你有一个团队你这个团队刚刚搭建了全世界最成功的这个这个手机应用的推荐推荐推荐的模型对吧然后呢你的很多Infrastructure可以可以共用比如说我训练模型的infrastructure模型推理的infrastructure这些都可以都可以共用但是你背后的数据怎么收集对吧你模型用用什么样的架构后模型里边的用什么特征因为你电商的特征和这个和应用的特征就可能差别非常非常大对所以你可以把它几乎认为是一个重新的创业重新从零开始我们唯一在这就是说唯一在那个时刻就2024年我们相比2023年多出来东西就多出来那一年的试错的经验对所以我觉得这个你刚才说难点可能就是说理解这个问题抽象我觉得难点就是你你假设了它里面有很多可以copy paste的东西但其实没有你就假设这东西所有东西就几乎是重新开始唯一多出来都是就是你脑子里面过去一年的经验那我是不是可以理解就是说你既然可以电商是一个重新做一个startup重新做的东西你也可以在其他的行业它都不叫复现这个模型了就是说重新推出不同的产品就是将来你们会投业不同的产业不同的赛道说实话太对了就是一直以来我不觉得Apploving的优秀是因为我们擅长解决一个问题这也是我一直在鼓励团队在做的事情我一直跟团队说我觉得Apploving我们现在做是方法其实让我们有能力去解决世界上任何一个值得解决的 [44:59] 对吧比如说今天我们Applevin并没有在做刚才说了Applevin今天并没有在训练大运元模型因为在我看来目前最好的ROI对我们来说不是去训练大运元模型但如果有一天对吧我们觉得我们需要去做这样的事情我们也是可以很快成为世界上就是一流的Tier 1的一个player对那我觉得外界对你们其实误解还蛮深的因为我看了很多报告还演报外界是因为觉得你们做了这么多年的游戏你们之前有了很多的游戏资产所以你们对游戏方面的数据就比人家有优势所以你们的模型才能够在游戏产业去work所以当你们从游戏转到电商的时候外界对你们的质疑其实是很强的对所以你们电商也起来了所以大家也会觉得说它这是一个模型的迁移然后你们在迁移的过程中去做了什么样的事情你看外界总是希望找到一个解释对让我们的成功看起来比较简单我觉得这种质疑和低估在我看来已经习以为常了而且我觉得它根本没有让我感到不适如果说有一天外界对我们的看法变了当我们去想要做一个全新的领域外界说Apple Line家公司他们的人特别厉害很聪明他们做每件事都能做成功这件事情他们一定也能做成功如果这一天真的到来了的话我觉得我反而会觉得实际上不适应不舒服了对吧这就是我说的这种underdog的精神我们特别擅长在大家都不看好我们的时候把一件事情给做成那你觉得就是你们团队你们的优势其实就是你们团队这一点其实还蛮颠覆认知的我问你我反规过你一下你现在自己在做自媒体你以前也是在一个比较大的媒体平台当你离开自己去创业的时候你难道你身边人都跟你欢呼呐喊说你太好了这个决定做得太好了我妈每天都在问我为什么要自己干你有没有觉得这种质疑其实对你来说其实在你人生里面很大很大程度其实是给你提供了动力其实对我来说不重要对吧不重要对吧好我们来回到你的故事对在这一年你们把游戏也不给卖了我可能要问你了就为什么决定把游戏卖了这个我觉得我只能猜其实这个决策其实不是我直接参与的当时事情发生之后Adam告诉我说我们准备想把游戏给卖掉然后你怎么看我说合理啊当然这个事情主要的参与者和决策者还有整个Drive他整个过程去实现的应该是Adam从我自己角度来看的话我觉得是比较合理的就是说在Exxon 2.0成功之前当时公司其实是有很多不同的业务线的但是当我们的广告推荐算法渐渐走向成功并且电商的未来也变得很明确之后然后你也看到广告这一块它的利润率是非常非常高的然后人才密度也是非常高的所以在这样一个背景下我觉得脱离游戏其实是很合理的一个决策对吧游戏的当然也说了嘛游戏的数据就是说这些数据对我们的核心算法来说也不是那么重要所以我觉得这样是一个很合理的一个决策虽然这个决策本身并不是我做的对你们那部当时有反弹吗有人有质疑吗没有啊大家都觉得就是接下来就all in广告对我觉得这个也是AppLevink一个很有趣的一个一点我不知道我之前有没有跟你说过我说我们在公司里面很少开会对吧我觉得很少开会一个前提条件其实就是大家在方向上是非常非常一致的就是一件事情你哪怕人和人之间不直接交流问一下就是说对一下说你觉得这个事情大方向是什么大家其实你会发现大家对于大方向的理解是惊人的一致的也是这样一个前提条件你会觉得就是当大家大方向是一致的时候每个人根据自己最合理的判断来决定下一步的细节怎么走的时候你会发现每个人其实大差不差所以我们内部就不需要花很长的时间去开会去对很多细节只要大家就是简单的一两句话说我们接下来要做什么之后然后凭借每个人自己的尝试判断你会发现每个人尝试判断最后得到的细节的一些东西是禁忍的一致然后在2015年你们还做了一件事情就是你们想要进家去买TikTok虽然现在TikTok最终这个deal落地了但是你们当时为什么想要买TikTok因为我们是希望当时TikTok被拿上台面进行讨论 [49:59] 我们有思考过对于我们来说拥有这样一个自由流量巨大的自由流量对我们来说是不是一件非常有价值的事情对吧Adam在那段时间也接受过很多采访也说过他看到的Apploving和TikTok这两家公司如果能够结合在一起它相互之间能够带来的价值是巨大的所以我觉得其实是一个很合理的决策那接下来你们想要自己做媒体吗做social media吗有啊这个是公开消息吗这个应该是公开消息的因为我们已经公开招人了可以披露什么样的路线图或者road map吗我们就是要打造一个全新的下一代的社交媒体平台然后呢这样一个社交媒体平台呢能够给Apple Labing带来很宝贵的自由流量那会走Meta的老路吗我觉得我们跟Meta路可能是反过来的你像Meta他是从自由流量开始起家对吧他有了自由流量之后他在自由流量的基础上建设自己的广告和算法团队然后呢他把他算法和广告团队的技术呢给他引入到这个第三方的平台上去我们起家是第三方平台那么在第三方平台获得了应成功之后我们去构造这种自由流量我觉得我们这条路线其实是一个不太容易的条路线但不容易有它不容易的好处我觉得在自由流量上去搭建广告平台的话其实难度要比在第三方平台或者说它遇到的竞争要比在第三方平台要轻一些在第三方平台就是杀术成为确实是非常困难的因为你面临着无数的竞价者和你去竞争你的流量不是说reserve给你自己的但我觉得这就像一个在一个hush环境里面长出来的植物它虽然你遇到很多困难但这些困难本身是让你变得更加的坚韧对吧我觉得Apploving在这种第三方平台厮杀这么多年其实我们的技术我们的文化其实都变得非常非常坚韧那么现在再去打造这样一个自由流量的平台我自己其实是抱有非常非常乐观的一个愿景那现在social media还是挺难做的因为它的流量已经被这几个巨头是的你记得三年前你记得三年前还有什么东西很难做吗广告吗广告对就可能又是另外一个所以会有很多人不看好我们所以会有很多人质疑在这样一个环境下Apple Loving怎么会成功doesn't matter那你们接下来的这个战略重点是什么然后我知道你们在亚洲持续的在扩招团队然后你们也会持续的招这个AI相关的顶尖人才那你们接下来的一部战略重点是什么我觉得战略重点有几点吧第一就是大家可能说到战略重点就总是会想到新的东西但是现在的话我觉得我们已有的业务就包括手机应用和电商这两块它接下来的发展仍然是我们战略里面最重要的一个环节他们会在很多年以内持续地去定义我们公司的这个baseline所以这个肯定是非常非常重要的除此之外呢我们还有一个战略的重点就是这个叫做supplied expansion所以Supply Expansion就是广告流量的这样一个扩展广告流量扩展呢这里面有之前可能Adam早在一年前两年前就已经提到的在CTV段的一些流量扩展那么还有一个流量扩展的我觉得在我看来我们看来非常具有野心的一个计划就是刚才你提到的我们要开始打造我们自由的社交媒体平台那么总结一下关于为什么Apploving要下决心卖掉游戏业务这背后或许有着更加深层次的商业考量那么第一呢就是数据实验室的历史使命终结了CEO Adam在财报会上就说七年前我们开始收购游戏工作室也帮助我们训练最早的机器学习模型这是塑造我们AXN平台依赖的AI的关键一步然而我们本质上并不是游戏开发者现在随着AXN2.0的成熟算法已经能够从MAX平台的全球竞价流中提取足够的信号所谓的first party data也就是企业通过自由渠道直接向消费者收集的数据的编辑贡献就已经微乎起微了那么第二是估值重置游戏业务虽然稳健但是19%的EBETA利润率在华尔街眼中是属于勤用资产相比这些Appleving的广告业务也就是软件平台的EBETA利润率高达了惊人的81%这意味着它彻底从一家游戏加广告公司转型为了纯粹的高一家的AI软件平台第三是资源的极限压注电商平台拥有超过1000万个潜在的广告主规模是游戏的数倍 [54:59] 在这个坚毅市场实现阶梯函数式的增长Apploving必须卸下臃肿的游戏团队将每一瓦特算力都砸向电商模型的结代而随后Apploving广告业务表现出来的增长证明了转型的正确性了Apploving在股价上开始出现暴涨越来越多的言报将它称之为是AI收益第一股但同时就在公司快速崛起之际外界对它的质疑和做空也从来没有停止过就在Appleving市值冲击2000亿美元的征途当中三场做空狙击也如期而至第一站是Copper与Fuzzy Panda的AI伪装说2025年2月26号作婚机构Copper与Fuzzy Panda联合发布重磅报告当时Appleving的股价正处于由XM2.0叙事推动的高点Copper在报告当中就说所谓的XM2.0根本不是什么高深的人工智能而是一个利用系统底层权限的促销补丁报告指控公司滥用安卓系统的安装权限在用户毫无察觉的情况下利用单击下载Single Click Download机制在后台进入安装游戏Fuzzy Panda则是更进一步指控Apploving在进军电商的过程中通过非法SDK也就是软件开发工具包追踪未成年人隐私并窃取Meta的归因模型来虚增广告效果在苹果调整隐私政策的如今这无异于指控一家银行在偷窥储户密码那第二站是浑水Moddy Waters的增量真实性质问如果说第一站是关于技术手段的质疑那么随后做空之王Carson Block带领到浑水入居则向矛头指向了商业模式的底层逻辑浑水发布的报告抨击Apploving所谓的增量转化的逻辑经不起推敲报告通过大量广告主数据的独立审计宣称Apploving平台带来的真实增量效果仅为官方宣称的三分之一浑水认为Apploving巧妙地通过合并不同平坦的ID数据将原本属于Meta或TikTok的自然流量归功于自己从而在财务报表上制造了AI驱动高增长的幻象这种对归因黑合的结构一度让投资机构者产生剧烈的动摇那么第三站就是最近的Capital Watch对Appleving参与东南亚洗钱与地缘政治的指控然而很快Capital Watch基于部分事实错误道歉并且撤回了部分的指控但表示人人会对Appleving提出进一步的质疑那这一系列来来回回的交战是不仅载映了华尔街对这种高增长低透明度算法模型的深层疑虑也让Apploving的股价是经历了极端的波动考验在很长的一段时间当中空方的指控与多方对Apploving的业绩预期在2G市场激烈交锋导致公司的股价是数次的剧烈波动你们在9月份的时候加入了S&P500指数这对你来说重要吗没有特别大的影响说实话不过在过去一年我们经常开玩笑就是团队经常因为每一次这个SMP的rebalance就是发生在这个财报之后的一周左右吧对吧那财报的时候一般财报过后我们就会团队就会聚会我们聚会里面经常讨论一个话题就是我们会不会进SMP500然后大家就把这个事情当做有的时候大家还会甚至开个玩笑说我赌十块钱你赌十块钱后来真正发生了其实大家也我们并不感觉出乎意料嘛对吧虽然S&P它本身是一个有这个主委会决定的它不像有一些指数它是完全是有这个规则决定的但是呢S&P它本身还是遵循一个规则的框架对吧那么那些规则里边的那些checkbox我们其实在那段时间可能提前几个月都已经check了所以当时在我们内部看法的话就是加入S&P只是个时间问题这对你们的意义在于说你们终于被主流市场认可了吗不重要我觉得真的不重要我觉得经过了这么多年Underdog我们真的不在乎有没有被主流市场所认可作为Underdog的另外一个弊端就是会有很多人质疑你们那2015年of course你们遇到了非常多轮的做空我看你们CEO其实也出来澄清过很多次然后我还是想问这个问题就是说对于做空特别是对你们说你们一些数据的合规性或者你们是不是用了一些比较灰色的一些手段让你们的模型变得更好你对此有什么回应吗我觉得那做空的那些那些主张claim肯定都是完全不靠谱的这件事情呢就是我可以讲一下我在当时做空那段时间我扮演一个角色吧对吧这个做空报告刚出来的时候我们肯定都是非常重视的我自己也很重视所以我当时最主要的角色是我是仔细读了做工报告然后确认一下做工报告里边那些关于技术方面claim是不是正式发生的那么我就去每一条每一条去和我们系统去对照然后后来发现其实都是错的都错了之后那么之后我就不再直接参与这个事情了我把这些信息就交给了Adam和我们 [59:59] 其他的公关的部门然后之后我就回到我自己的岗位做我这些事情就不会再去关注这件事情了所以对你们来说就是这些错误都是不对的我觉得在当时那个环境里面很难去辩解他们对还不对对吧这也是为什么我觉得我们一直在处理这件事情的时候就是选择让时间去说话你过了一段时间之后你发现这些当时对我们的这些做工的一些指责都不公啊破了2025年因为股价持续飙升我还记得关注然后做空报告然后就是你们你们自己在这个过程中有什么觉得变化吗我觉得整个团队总体上还算是比较平稳吧当时做空报告出来的时候我其实也比较担心就是说团队成员会不会在这个阶段受到什么影响对吧甚至包括团队成员会不会受到自己身边人的质疑这种我也在那个时候比如给团队成员就发了一些就是跟大家说如果你有什么给大家稍微解释一下发生什么事情如果大家有什么concern的话可以来找我聊天最后发现其实没有太多的人过来找我大家可能自己就是整个团队大家也把这个问题看得很清楚Apploving对人才扩张可以说是非常的克制泽进他位于Palo Alto的总部第一感觉呢就是好空一整栋楼里面啊人特别少公司呢如今100多名工程师而对比公司财报来说呢相当于呢每位工程师平均产出4000万美元的利润但是葛小川面临最大的难题依然是在招人南点在语言公司内部在面临快速增长外界各种做空之宜的同时还要在内部维持underdog的文化我觉得这下挑战是人才市场对我们的认可不够我们那一年基本上非常难找到人非常非常难因为大家都想去比较有名的大公司对 而且也不是其实在北美我觉得北美的人才选择多样性还挺好的大家也愿意去一些就是有前景的小公司创业公司但我觉得在我们很多人才里面人才的眼里我们甚至都不算是有前景的一个创业公司这在2023年的时候为什么大家不觉得你们是有前景的一方面我们体量很小对吧其次呢我们从事的这个行业呢有我觉得当时公认的就是Google和Milta已经非常非常成熟了对吧已经完全占据了那个市场大家可能觉得行业本身也不是特别exciting所以那时候就是非常难招人那是怎么去解决这个问题的呢等啊我觉得有些问题可能当时我觉得我当时很常就尝试过很多方法都不是特别有效对吧我觉得后来呢我也觉得我就认清了对吧我觉得那个时候最重要的东西就是咱们先把东西做出来当时就利用团队自身已有的一些资源但是我觉得Appleving很好的一点就是Appleving的从上到下的技术领袖其实都非常的寒脏这个我觉得对于我们来说也是个别的公司很多公司包括很多大厂没有的一个优势就是当我们想要去做一个新的东西并且我们找不到合适人才去做的时候我们技术的最高领袖是可以亲自下场就去做这个事情自己写代码对 自己写代码所以那时候这就是我们一个选择当然了在那个之后对吧我们取得人因的成功然后呢我们的我们就是在市场到的严格我们股票涨得比较好然后呢我们本身经济基础呢也变得更扎实之后我们对于人才的这个薪酬的能力呢也上去了所以在2024年之后啊我们做了几个改变嘛一个就是我们的薪酬呢是整个硅谷是最高的的当然之后就是AI出现之后那些泡沫又覆盖了我们但是在AI领域之外的话我们今天依然是整个硅谷薪酬最丰厚的公司然后还有当时很重要的转变是我们彻底放弃了就是业界对于业界资深候选人的一个关注我们的招聘重型就彻底转向了就是新人新人就包括比如大学刚毕业的或者说毕业之后在业界工作两年以内的这些新人为什么会有这样的一个调整呢就发现你说哪个方面调整放弃了业内资深的人发现这群人不太挖了过来是吗我觉得多方面吧我觉得其实很重要一点是我尽管发现experience的价值被高估了这点结论很重要对为什么这么得出这个结论的就是你发现其实啊如果你管理一个公司对吧你想解决一个问题你觉得这个问题已经被其他的公司所解决了你可能潜意识里面最直接的一个方法就是从你很擅长这个问题的公司找一个比如director把它给挖过来然后呢让他重新组成团队 [64:59] 问题就能解决了但是其实你仔细去从历史里面寻找这样一个案例的话你发现大部分这样的案例其实都失败了这边有很多很多原因我就不想一一的去过一遍但我觉得呢就是真正的优秀人才我觉得他学习能力是最重要的但是这些所有的经验他不代表一个人学习能力他只代表这个人的已有知识但是呢因为我其实我并不需要招一个人过来然后去做一个他已经知道怎么做的事情其实更重要的是你招了一个人过来他能够快速成长他能够figure out一些他以前不知道的事情这个东西的价值要远远高于脑子里就是已经沉淀好已经已有的那些知识所以新人的话它成长力很高然后呢而以我们这边做的事情方式就是我们希望打破常规很多时候这种已有的知识其实反倒成为一种阻碍所以从2024年开始我们的招聘的哲学就转变了那我这里面要challenge一个点但我觉得Apple Ruin的广告能够起来不是很大一个原因是因为挖到了你然后你有的skillside把这个业务给带起来了吗对 所以我经常自己自嘲我说我自己是绝不会害我自己的我觉得我很幸运我在我自己来到Apple Ravine之前加入这家公司我的话因为是不是阶段不一样当时是因为你们要是重新的去做一个东西所以你们需要你的你有的skill set但现在你们已经有方法论了所以你们现在要skill所以就是招一些聪明的年轻人也是可以的对我觉得就是说可能你要想靠就是完全没有经验的人来搭建个团队的话其实你的团队确实需要一个种子一个种子选手对吧这种子选手可以是一个有很多很多经验的人他也可以是一个没有很多经验但是他很擅长学习这样也可以我觉得我当时的话其实我来Apploving很多东西并不是说我来之前就知道的我一直来之后就是在时间的过程中自己去摸索所以我觉得我在来Apploving之前十年左右的这个业界的经验其实是搞固的我觉得没有那么多价值如果我只是在业界比如说Meta待过两年过来的话我觉得我可能也能做类似的事情那你觉得是你身上什么特质然后把就是能够make you the right person然后把Uploading这三年给带起来呢我觉得就是做事情敢于挑战常规不要循规蹈矩不要因为Google和Meta在这个领域是绝对的霸主就一切都模仿他们来做并且我其实一直以来告诫我自己告诫团队就是什么呢就是我们没有Google和Meta那么多的资源就注定了我们不能用他们的方法来解决我们的问题其实我都看到了其实业界很多当然不仅是广告领域的公司还有很多其他领域公司我觉得这些公司在做事情的时候经常会犯了一个错误就是他们在模仿大厂他们在模仿大厂解决问题的方法却没有意识到自己本身没有大厂那个资源对吧如果你本身没有大厂这样的资源你还用大厂的方式来解决问题那你注定会失败那接下来Appleving肯定会慢慢的越库越大但我看到就是目前为止你们对招人这个事情还是非常克制的虽然你们已经是市值非常多的公司相信手上现金也不少那你们在扩展的过程中怎么去还会就是持续的保证这个节制这两个字吗在整个团队上面以及你们怎么去避免走这种大公司的劳碌呢我觉得克制这个词你用的非常非常好就是说我们并不是说刻意说团队一定要多小我们也在招人我们在不停地招人但是呢我们确实一直在克制我们不会为了招人而招人我们不会因为自己有了足够的资源就会肆意地挥霍我们的资源因为在我看来的话就是说很多时候一个团队变得特别臃肿的时候你多付出来的这个工资其实只是你所有损失里面很小的一部分团队一旦变得臃肿它对于优优团队的一个伤害对于未来的这个迭代效率的这个影响它带来的机会成本的损失其实是要成数量级的增加所以从这点来看的话就是我们发自内心的要保持节制的这样一个动机至于你说就是说如何避免成为其他大公司的重复犯其他大公司这样的错误其实我也就很好奇大家都知道这种道路是个错误为什么会有源源不断的公司去犯这样的错误因为人多了就肯定会有politics对吧 他可能是不小心迈出第一步因为我觉得大部分方德还在的这种公司他其实都会比较节制但可能你不小心迈出第一步 [69:59] 做出了错误选择然后公司人变多了一旦人变多你就失去控制了失去控制的时候它会变得越来越多我们可能尽量尽我们所能不要犯第一步错误目前还好我觉得目前的话我们公司上上下下大家都没有把自己团队里面人数当做一个值得炫耀的一个metrics所以我自己不希望团队变得极为涌走我下面的这个manager他们也不希望这些团队变得非常臃肿所以从文化上的话我们目前对于这个团队变得臃肿还是有比较好的一个抵抗力的2025年之后你们会发现招人更好招了吗相继来说是好一些相继来说好一些但是呢就是说因为我们招人的标准我觉得还是和业界很多公司不一样的我们看待人才的话就是我觉得很多公司在招人的时候肯定是大家都想找最优秀的人对吧但对于最优秀人的判断方法我觉得其实是不太一样的在这些不提不过AI人才的竞争当中你会发现很多公司真的是喜欢去寻找一些聚光灯下的人才对对对背景很好背景很好的并且呢在媒体上有过一定的曝光发过一些比较有名的paper但这些聚光灯下的人才我觉得他们多数是被因为想要他们人才多了他们可能就会overprice但可能还有一点很重要的是这些聚光灯下边人才我觉得他们不具备Appleving所需要的这种underdog的精神我们其实更多是看在是关注在聚光灯边缘的这些人才就他们其实离聚光灯很近他们也非常非常优秀甚至我觉得他们你如果从统计意义上来说他们不比聚光灯里边的人差多少但是他们可能会更好用这种underdog的精神或者说他们之所以没有在聚光灯下就是因为他们从来不想在聚光灯下这些人才是我们最关注的然后我们由于过去几年的这样一个发展我们也有幸能够吸引到这样的人并且说服他们加入我们怎么去判断接程人就是在聚光灯边缘的underdog但是又非常的talented没有一个很高效的办法我觉得就是一个个聊还有就是说我们也在努力打造我们作为雇主的一个品牌和形象我们要想办法精确精准的向我们潜在候选人传达我们是什么样的公司我们希望要什么样的候选人这样的话也会经常会吸引到一些候选人主动来找我们你在面试当中你觉得你最看重的一个问题是什么我最看重的问题就是候选人在人生里面是不是经常做一些与众不同的选择这个怎么理解呢就是比如说我有个大公司的方法我不去我去自己长一眼这算是一种对比如说你在中国高考这样环境里面你在高中的时候不仅考上了一个名牌大学然后你还从事某种就是课外的业余爱好对吧或者做某种体育锻炼或者说做了一些比如说慈善的一些活动对吧那么我就会很好奇在那个时候每个人都把高考看作你人生最重要的事情把所有经历都放在里面你做其他事情动机是什么对吧就是这些非常细小的但是呢你从里面能看出他在做选择的时候其实是参与自己的主动思考这样的人才这一点我就特别看重我自己很好奇的一点当时你中科大毕业之后然后很多人都是去美国留学因为大家觉得读博士可能美国是最好的但是你去了意大利然后这一点就是非常非常的独特但是这些很多东西得是很多人人生里面的一些非常偶然的东西我觉得没有必要孤独解读对吧你大学毕业的时候你觉得欧洲对你来说更有吸引力然后呢你放弃了很多去美国的东西然后选择去欧洲我觉得在当时那个环境下也是很偶然的一个选择并不能特别多的代表我觉得一个人是不是对吧是不是做选择的时候特立独行你觉得欧洲的留学还有生活经历还有经验对你有改变吗会有一些吧因为我觉得欧洲的生活可能更加的多元化一些然后在那样一个环境里面我觉得可能就启发了我在去做选择的时候在思考问题的时候去接受更多的可能性意大利我觉得是一个很神奇的地方一边它又有非常丰富的历史文化很浪漫但同时呢给人感觉有点慵懒对你觉得意大利对你来说意味着什么我觉得意大利对我来说意大利对我来说是我办个故乡吧对吧我觉得毕竟我在20岁的那几年时间里面在意大利我觉得度过了一段我人生里面非常好的一段时光吧然后 [74:59] 在那个那段时光里面我觉得学会了对于人生中不同选择一个不同的一个perspective你说意大利慵懒其实我觉得stereotype是这种东西大家就非常容易非常容易非常容易信用到一个一个就是conformation bias里面去其实全世界很多地方都有慵懒的人如果你看总体的分布的话可能平均起来意大利可能确实比别的地方一些人更慵懒一点但是你具体到个人上的话其实不一定说每个意大利人都很慵懒我们其实也有一些在意大利的员工Appleving在意大利的员工其实他们的工作工作强度和工作效率都非常高你来了硅谷之后你觉得硅谷有一定程度上改变了你吗有啊我觉得硅谷很就是我在不同的很多不同地方都生活过对吧尤其在意大利我在意大利生活过的话就是我至今我跟我很多意大利的朋友聊天的时候他们会觉得他们的生活和一个能够改变世界的这样的高度差别是非常非常大的以至于他们永远不会去思考永远不会去想这个问题我觉得硅谷给我带来的最大的一个启发就是每一个普通人其实他距离到能够改变世界的这样一个能力其实中间的宏沟是非常非常小的你需要的就是就是能够迈出那一步的勇气和迈出那一步之后365天每一天的每一天的这个奴隶工作这也是为什么你刚才问我很多关于阿布拉奔到底有没有某一个时刻很重要某一个问题做得很对对吧我觉得这不是硅谷能够成功的一个主要原因可能很多事情成功之后大家回过头来看会去希望总结出一两个高光时刻但是真正的硅谷的成功故事我觉得背后都是每一天的点点滴滴而不是那些高光时刻说得非常好你为什么骑摩托车上班我也没有天天骑摩托车上班了我家住的离公司可能平时不堵车的时候是30分钟堵车的话可能会堵到50甚至一个小时有的时候如果我上班时间赶上了一个高分期的话我可能就考虑就是骑不出车会快一些所以你是骑101高速吗280而且280的风景非常好然后Christos Ring的那片湖在280上面飙车是什么感觉没有飙车没有飙车骑不出车是什么感觉对对一般骑个70麦左右我觉得很舒服的一个感觉风会从你两边不过然后你从头盔里面能够感觉到风的声音280经常会起雾280两边就是有那个山然后那个雾在山间飘过然后你骑摩托车的话视野就会比较好就能感觉到左边右边的那些东西能感觉到就非常非常好你自己是对速度有一点喜欢的人吗也还好我是一个其实我是一个不是那么不负责任哪个人我喜欢冒险那我一般take都是calculated risk那骑摩托车的话我也不会骑特别快了其实你开车可以轻松地开到大概比如说80mine你甚至都不会觉得如果你开SUV开到80mine的话你不会觉得很快但模特说如果你骑到70mine的话你是可以感觉到那个速度很快的就感受到速度会让你觉得喜欢这种感觉会啊会啊我听说你工作也特别卷即使半夜还会回消息我一直跟别人说我说我们工作不卷不然工作一点不卷我觉得我们只是情分而已OK那卷跟情分有什么区别你觉得有什么区别我觉得卷可能更多的是环境对你的要求可能情分更多的是个人对自己的要求那这样看来的话我们觉得是个勤奋的公司不是一个卷的公司我们从来不要求打卡我们从来对工作时间不做限制对吧但是很多人就是我觉得就是因为他们跟我一样对我们所要做的事情感觉到又发自内心的一种期待所以他们会主动去选择对吧很勤奋你其实之前也分享过其实你从小应该我知道你可能不会喜欢天才这个词但是因为从小就确实是比常人聪明然后上了科大的少年班对吧然后很年轻然后去大力度博士就是你会分享说你在去到Meta之前的这段时光其实对你来说是人生的一个低谷的对我在有些场合确实说过这个观点你觉得OK这一辈子是不是就变成一个平庸的人跟小时候受到周围对你的期待或者你自己认为的自己是不一样的你觉得为什么会有这样的一个落差呢我觉得其实我我人生一个第一个比较大的转折其实就是从就上大学开始我觉得我那边那时候最大的一个缺失就是上大学之后我没有一个很好的职业的引导我当时其实上大学的时候我对我直到的 [79:59] 未来职业有很大很大的困惑我学的物理我当时对于为什么选择物理选择物理之后能够重视什么样的职业当时存在着非常非常大的困惑然后那时候因为各种主观的原因和外界条件的一些限制我一直没有得到很好的解答然后那个影响其实对我整个之后的人生有非常深远的我觉得负面影响吧其实因为这个原因我现在其实一直以来就是希望我能够通过我自己这一人生这人生这一阶段的这样一个经历我是希望能够反过来去帮助现在在学校的这些年轻人能够帮助他们去解决一些我当年遇到的困惑我现在有的时候会去就跟一些国内的在校大学生去沟通我发现他们很多这些在校大学生至今其实还是面临着我20年前我是2005年上大学我发现20年后很多大学生还在面临着我当年同样一些困惑所以我其实现在在做很多事情去帮助他们我成立了一个个人的基金会然后呢对 我看到了基金会里面一部分的一个focus其实就是去和中国的大学然后帮助大学生们能够给他们提供很多职业方面的引导然后呢并且能够给予他们更多的勇气和资源让他们在人生的初始阶段能够做出更加多元化的一个选择因为我们当年就是就是一方面是缺乏信息不知道该做什么另一方面是做出选择的时候没有勇气去走一个不同的路最后呢最后就每一个人都选择同样一个道路但你觉得就到了Meta之后就整个就找到了自己能够重新的就是stand out出来的这样的一个事业也好或者是这样的一个新的turning point也好你觉得这是一个幸运的事情吗还是说如果你不断不断尝试的话你总会找到的因为我觉得可能很多天才在高中时期也是非常非常就是出雷把萃的但是后来可能就敏人重我觉得人生很多东西没有办法有这么多如果你也不知道如果之后会发生什么但是客观事实是在去Meta之前我觉得在事业上我做出了好几次错误选择我当时去Meta的时候其实也拿了几个别的地方的offer我回过头来想一想如果当果当时没有去Meta去了其中的某些offer的话我觉得很可能又是一个错误的选择所以我觉得那个时间点选择去Meta还挺幸运的你怎么定义错误的选择错误的选择当然是从现在往回看你知道是错误的选择但是当时并不会知道对当时并不会知道对当时就包括我在Meta去Meta之前的几个错误的选择我觉得我当时也并不知道你来Apple Loving三年然后就如此快的有了晋升的节奏可以说在硅谷都是非常罕见的我相信就是很多的华人工程师他们可能背景其实也很强他们想要往leadership去卖的时候其实是很大的天花板存在的你有什么样的建议可以给他们吗比如说他想从一个高级的工程师转向leadership的这样的一个过程当中他需要有什么样的特质跟skill set来突破天花板我觉得第一可能最重要的一个就是认知的格局很多在大公司发展职业的人我发现他们其实还是在追求一个体制给他们的认可大公司体制最后一个体制给他们认可比如他们会格外关心自己在体制里面在Performance Review的时候拿到什么样的Rating这个体制愿意什么时候给他升职这个体制认为他是什么样一个Level大家会非常非常关注这一点但我觉得如果你真的想成为一个Leader的话你在生命里面某个阶段应该更关注的是你自己对自己的标准自己对自己的标准认可我觉得你挑出这样一个思维格局的时候就可以就是比较容易成为一个Leader对吧当你成为Leader的时候你做的事情好与化不是体制给你定的标准而是自己给你自己定的标准刚才你说关于成长委leadership我觉得还有第二点我想分享一下这个世界上看上去确定性很高的选择它都是被well priced你看到一个选择确定性很高的时候它即便是个好的选择你选择它之后你需要付出的代价也会很高或者说你付出固定的代价它给你的回报肯定是有限的因为一个确定性很高的选择它的价值每个人都知道那么你遇到竞争就会变得更多那么这里边其实很重要的一个就是你怎么样去identify和appreciate这种不确定性的一些选择那么对于不确定性的选择你一定要有一种更宽广的一个胸镜你要把这种选择 [84:59] 当做一个投资而不是一个transaction我自己也沟通过很多候选人给我观感不太好的候选人就是他把这样一个工作机会当做一个transaction他会觉得我在此刻加入这家公司我在此刻需要什么什么什么东西而不愿意去就会没有真的去appreciate在这个过程中是公司和个人双方一种investment公司愿意在不确定的情况下把一个很重要的机会交给他那么他愿意在这个时候就在这个不确定中愿意给公司什么benefit without这也是很重要的这种把工作机会看作是一种投资投资的回报都是在未来的你做投资的话在短期都是损失钱的你今天买100块钱投资这个东西你今天就损失了100块钱但是如果你把这种机会只看作一个交易如果今天给你100块钱我就要拿到100块钱的这样一个回报的时候你其实就是把很多非常非常宝贵的机会给拒之门外了说得非常好那最后一点对于你们就是就考虑了阿富拉宾工作的就是年轻人们或者是刚大学毕业然后有一点迷茫的年轻人们对你有什么话想跟他们说吗号召一下大家来申请阿富拉宾的这个招聘就是年轻人在做选择的时候其实最简单的选择就是去选一些最popular的选择他之所以popular是有一定原因的因为他们一般都不是最差的选择一般都比较decent的选择但是如果你想成为一个格外优秀的人你要想成为这世界上最优秀的人做一些别人做不了的事情你就要有勇气去做出一些和别人不太一样的选择你要勇于用自己的判断去寻找最适合自己的我觉得在Apploving呢我们就是这样一个公司文化我们非常鼓励大家去challenge status quo我们非常鼓励大家去做不同的选择然后呢我们这里就是虽然公司的人员很少对吧我们是一个2000多亿美元市值的一个大型公司但我们的公司的文化和做事方式还像一个初创公司我们至今的工程师总数不到100人所以我觉得任何一个这种自身能力非常好然后又愿意通过自己的努力去创造未来的候选人我觉得我们Apploving是一个非常适合他们俩这样一个舞台Apploving的工程师我觉得在我觉得在这个核心的核心的这个特质上我最近就是一直在想怎么去总结Apple Loving最成功的这批工程师他们身上共有的一个特质我发现了五个词就是英语词啊第一个就是humility就谦虚对吧humility这个是和我反复反复强调的这个underdog的价值观是非常吻合的第二呢是emphasyemphasy的话就是你对于同事的MPC对我们客户的MPC这个是我觉得非常非常重要我发现其实有很多比较优秀的很优秀的这个工程师他们缺乏MPC的时候他们就是总是会执迷于我在解决这个问题里面用到的最fancy的方法是什么然后我在里面这个感受到的这个技术上的优越感技术上的这种满足感他却失去了就是说产品想要真正解决的问题产品客户带来的帮助这样一个MPC第三点的话就是abilityability就比较容易理解就是能力 skill 对吧然后下一个是resilience非常非常重要我觉得这世界上你要做从离到一的东西没有任何东西是一帆分顺的你做别人没有做过东西没有东西是一帆分顺的你怎么样在遇到挫折之后能够继续坚持下去这个非常非常重要然后最后一点是tonacity然后这五个连在一起其实就是一个英文单词的heart所以我最近刚刚总结的这个Apploving的工程是最重要的五点特质这不是Apploving故事的结束而在AI对广告产业即将带来颠覆的叙事下市场正面临着前所未有的不确定性在过去两年在美国的软件股SUS当中Apple Lavin一直被视为现金奶牛和算法标杆然而这场曾经有软件定义的盛宴正在面临一场前所未有的AI审判2月份一开始整个美股软件板块就遭遇了惨烈的抛售这场软件血洗非常的惨烈从Unity股价暴跌40%到Adobe,Sup,ServiceNow,Snowflake等等集体跳水恐慌情绪蔓延投资者们开始极其反思当更先进的AI工具比如说Ambroobic的自动化套件与谷歌的深城市世界模型开始重塑生产历史传统的软件公司的护城河是否已经形同虚设在这场行业性的距离震荡中Apple Loving股价在短短数日内一度暴跌在二月初财报发布之前距离我与葛小川对谈时的12月中旬股价一路几乎腰斩Apple Loving的暴跌 [89:59] 可能有三重的因素那么第一是谷歌新发布的Project Genie这款能够基于简单指令生成720P实施交互3D世界的模型在短短几秒钟之内就完成了传统游戏引擎需要数周才能够实践的工作尽管一些分析师极力的安抚市场说其尚不具备商业化游戏所需要的数值平衡和确定性逻辑但是恐慌情绪已经蔓延在市场当中了对于Apploving而言Project Genie的威胁在于对其广告供应链的潜在重塑市场担忧如果谷歌能够通过AI一键生成海量的轻量级互动内容并将它垂直整合进自身的广告体系那么Apploving现有的游戏广告库存价值将会被稀释那么这个猜想是带崩了整个游戏股行业包括Apploving,Unity,Roblox等等反映出投资者们对AI替代论的极端脆弱心理那么第二就是曾经的功臣是重出江湖了2月4号广告科技出场公司CloudX是正式宣布产品全面的上市并且高调的喊出了利用AI智能体AI Agents重构移动广告技术站的口号CloudX之所以会对Apploving产生影响核心是因为它的创始人James Payne他是Mopop的创始人我们在开头提到过他曾经亲手为Apploving搭建了帝国的基石也就是Max聚合平台如今这位最初的缔造者想要搭建新体系而Apploving的核心利润正是源于Max平台的算法竞价而Pain主导的CloudX篇称利用大语言模型可以将广告站转化为可编程的基础设施核心武器是AI Agents这些智能体不再遵循死板的预设竞价规则而是像真人谈判专家一样通过可信执行环境进行实时代码生成直接绕过了传统平台比如说MAX这样的黑盒模式那么未来如果头部开发者发现使用CloudX能够跳过中间商的差价并且获得更高透明度Apploving苦心经营的网络效应将会面临非常大的挑战那么第三则是Meta的复仇现在Apploving最大的竞争对手Meta已经悄然回到了他曾经退出的阵地自2021年苹果推行IDFA隐私政策以来Meta在非授权流量上的推荐精准度是大大成后这给了Appleving旗下的Excel引起绝佳的超车机会然而随着Meta投入千亿级美元进行资本开支其Advantage加AI系统是展现出了惊人的进化Meta在今年1月底是大幅度提高了iOS应用内广告的ECPM竞价密度部分第三方发行上的收入甚至因此增长了3到5倍Meta正在试图证明通过庞大的用户行为数据和先进的预测模型即便没有IDFA它依然能够实现精准投放这对于视IOS市场为基本盘的Apploving而言无疑是一场硬仗我们的这个采访是复盘了在过去的1000天Apploving是如何撕开谷歌和Meta双垄断巨头的市场裂缝的然而当AI技术试图颠覆所有行业之际这道裂缝只是广告形态被挑战的开始Apploving不会是最后一家我们也拭目以待呢提倡Underdog作者之心精神的Apploving和郭小川将会把这家公司带向何处好了以上就是我们这期视频的全部内容你们的留言点赞和转发是支持我们硅谷1-01做好深度科技和商业内容的最佳动力我是陈倩我们就下期视频再见了Bye谢谢大家