ARTICLE · 1323271
【AI】AppLovin在AI时代做对了什么
2026-11-06， AppLovin 股价 381.01 美元（11/05 单日暴涨 31.04%）
2022年，AppLovin股价从 115 美元跌至 9 美元，市值由约 400 亿美元蒸发至不足 40 亿。同年 Q1-Q3 营收同比下滑，Q2 甚至出现亏损（归母净利 -0.22 亿），这是它的至暗时刻。管理层停掉了旧广告引擎的全部研发，从底层推翻传统机器学习架构，全面转向深度学习，这是一次反共识的豪赌。2023 年 4 月 AXON 2.0 上线：这带来了代际跨越，此后业绩：营收连续十几个季度高速增长。2024 年营收 32.24 亿（+75%），2025 年 54.81 亿（+70%），2026 前三季 59.51 亿（+56%）。
它在行业普遍将 AI 视为“叙事”之前，就已经将其作为生存手段押注其中。 当 2025 至 2026 年“AI 应用商业化”成为市场主线时，AppLovin 恰好是少数几家能拿出真金白银利润表来兑现这一叙事的标的。
技术层面：它到底做对了什么？
把优化目标从 CTR 换成了 LTV —— 这是唯一的本质创新
传统广告引擎的核心任务是预测“谁会点击”。AppLovin 将其替换为预测“谁会在未来 30 天内消费超过 X 美元”，也就是说整个系统的优化目标从旧范式的点击率/转化率转换成转化价值（Conversion Value），此举因为它改变了商业模式的底层性质：平台不再兜售“广告可能有效”的预期，而是提供“广告确实有效”的确定性。当广告主投入 1 美元能稳定收回超过 1 美元时，预算便会自动从 10 万上调至 100 万。增长由此摆脱了对销售团队的依赖，转变为模型精度的函数。
造了有真实反馈的模型
大多数广告技术公司只掌握链条中的一段：要么是 DSP（买方），要么是 SSP（卖方），要么是归因工具。模型拿不到完整的 “曝光 — 点击 — 安装 — 付费 — 留存” 标签，只能做局部优化。
AppLovin 用三次并购把整条链拼齐了：2018 年收购 MAX 拿下变现端（供给侧），2021 年收购 Adjust 拿下归因端，2022 年收购 MoPub 补上交易市场，再叠加自研的 AppDiscovery 做需求侧。
这一步在当时的财务上并不性感，因为归因和中介都是低毛利、重运营的生意。但它换来了别人拿不到的东西：闭环数据。模型能看到自己出的每一次价最终赚了多少钱，这是监督学习最贵的那种标签。
更关键的是，它有自己的游戏业务。这意味着它可以用自己的钱跑实验，用真实的 IAP 收入验证模型，不需要靠客户投放来试错。这也就是所谓的 “有真实反馈的模型”：即使错了，亏的也是自己账上的钱，而不会拿客户预算去冒险。
工程效率：不到 100 人的核心工程团队撑起每天数十亿次竞价，并且用模型取代销售
AppLovin 的模型是：一个拍卖、一套模型、极少的产品线、几乎没有直销团队，靠自助平台获客。结果就是 2026 年 Q3 营收 21.85 亿美元、同比 +55%，调整后 EBITDA 18.42 亿美元、利润率 84%，净利率 66%，单季自由现金流 14.18 亿美元（占 EBITDA 的 77%）。
作为对比，Meta 的净利率大致在 20%-30% 区间。84% 的 EBITDA 利润率在大型广告平台中几乎没有可比对象，这说明它的 AI 投入是 “有回报约束的投入”，与行业里普遍存在的 “先烧算力再讲故事” 不同，本质上是它把广告公司的销售组织，替换成了一个推理集群。 更关键的是，尽管训练新模型的算力投入在增加，数据中心成本占收入的比重反而下降了，这说明其 AI 并非成本中心，而是毛利引擎。
数据飞轮的结构：它没有流量，但它有“交易”
这是理解其定位的核心。AppLovin 不拥有类似 Facebook 或 Google 那样的自有流量入口。它拥有的是：
- MAX：全球最大的应用内竞价池之一（供给侧）；
- Adjust：归因与测量工具，为算法提供“真值”反馈（闭环的关键一环）；
- AXON：需求侧的定价大脑。
这三者形成了一个闭环：MAX 带来交易量 → 交易量产生数据 → 数据训练 AXON → AXON 提升 ROI → 更高的 ROI 吸引更多广告主预算 → 预算进一步增加 MAX 的交易量。
CEO Adam Foroughi 的一句话精准概括了这一逻辑：“我们把广告主变成套利者”
几个重要的战略
卖掉自己的游戏工作室（2024-2025）
公司剥离了 200+ 款自营游戏和 10 个工作室（作价约 9 亿美元）。这一举动在当时极具争议，因为它主动放弃了第一方内容带来的“围墙花园”和数据优势。
但其背后的逻辑非常清晰：第一方游戏业务毛利低，且与开发者客户存在潜在的利益冲突（既当裁判又当运动员）。清理这些资产后，软件平台占比跃升至接近 100%，毛利率和估值逻辑得以彻底重构。
这是一个典型的“用短期收入换取长期身份”的决策。 多数公司难以做到这一点。
不给模型版本号，也不承诺节奏
在 11 月 4 日的电话会上，分析师追问新一代模型能否称为“AXON 3.0”。Foroughi 明确回应：“我们不是一家直接面向消费者的 AI 公司，所以我们不会给模型递增版本号。” 同时强调 “我们不会承诺节奏”。
这在当前“每个季度都要发布一个 GPT-X”的市场环境中显得极为克制。这种做法的好处是：把市场预期锚定在财务结果上，而非技术叙事上。 坏处则是：当模型改进延迟时（如 2026 年 Q2 发生的情况），市场会因缺乏预期管理而剧烈惩罚股价（当日盘后一度重挫 28%）。
从游戏跨界电商，且刻意放慢速度
- 2025 年开启邀请制测试；
- 2026 年年中全面开放自助平台 Axon Ads Manager，并将准入门槛 GMV 从 1-2.5 亿美元大幅下调，以吸纳中小商家；
- 杰富瑞指出：新广告主 30 日 LTV/CAC 回报稳健，但合格线索转化率仅 57%，瓶颈在于视频创意产能不足，因此公司选择审慎推进而非仓促上线。
这一策略的高明之处在于： 游戏业务的 TAM（可寻址市场）存在天花板，而电商广告是一个数量级更大的市场。通过复用同一套算法能力，边际获客成本极低。同时，公司并未为了短期报表数字而牺牲转化质量，因为一旦新广告主首次投放效果不佳，便很难再回来。
结果也印证了这一点：2026 年 Q3 消费垂类广告主投放金额环比双位数增长、同比三位数增长；第三方代理调查显示，其在广告主预算中的份额上升了 169 个基点至 11%，增幅居所有受调查网络之首。
风险
增长的可预测性本身就是风险
Foroughi 在电话会上坦言：“未来是不可预测的，我们确实无法给出 KPI 去预测还不存在的东西……很大一部分取决于我们能否真正改进技术。”
这句话有两面解读：
- 乐观视角：上行空间不可预测，且潜力巨大；
- 悲观视角：这是一家无法给出前瞻性指引的成长股。对于依赖 DCF 模型的机构投资者而言，这是致命的缺陷。
此外，他承认模型收益不会按季度均匀释放。这意味着未来必然还会再次出现类似 Q2 的“失速惊吓”，而且无法提前预警。
竞争格局
Foroughi 称“这个行业从来不是零和的”，其他家的增长挤压我们“从来不是事实，问题出在我们自己身上”。
支持其观点的证据：Q3 在 Meta、Google 等同行都表现良好的情况下，AppLovin 依然交出了大超预期的成绩；MAX 供给侧仍保持强劲双位数增长，而同业多为低双位数至个位数。
不支持的证据：Tenjin 数据显示，2026 年 Q1 Android 平台上 Google AdMob 以 24% 领先，AppLovin 仅占 19%，与“其他”持平；Unity Ads 整合 ironSource 后排名升至第 2；小米、vivo、OPPO 等 OEM 平台正在快速崛起。Android 侧的竞争密度正在显著上升。 AppsFlyer 2026 版报告同样显示，Google Ads 在 Android 游戏领域的实力得分超过第二名的两倍。
客观判断：iOS 侧壁垒较厚，Android 侧相对脆弱。若 OEM 厂商将广告库存转为封闭生态，将对 MAX 的供给端构成实质性威胁。
