摘要：2023年初，GPT3.5发布，效果让全世界咋舌。人们恐慌，人工智能时代来临了。随之而来的是各大互联万公司纷纷下场比拼大模型，几乎每个月都能耳听目见新的大模型诞生，并且在某个参数上和“GPT几点几”媲美。随着大模型不断迭代与渗透，一个关键问题随之而来：谁是大模
2023年初，GPT3.5发布，效果让全世界咋舌。人们恐慌，人工智能时代来临了。随之而来的是各大互联万公司纷纷下场比拼大模型，几乎每个月都能耳听目见新的大模型诞生，并且在某个参数上和“GPT几点几”媲美。随着大模型不断迭代与渗透，一个关键问题随之而来：谁是大模型浪潮的最大受益者？
经过了2年的发展，大模型走向垂直应用早已成为共识，Meta上个月到位了一位AI Business Lead，帮助Meta AI尽早找到商业化路径。
实际上Meta的Advantage+平台早已在应用生成式AI帮助营销收益。Meta透露转化的中位成本降低了 7%，每次点击、潜在客户或登陆页面浏览的平均成本降低了28%，GenAI工具创建了超过1500万条广告，我们估计使用图像生成的企业看到了7%的转化率增长。
在用户方面，AI驱动的信息流和视频推荐的改进，使得Facebook的使用时间增加了8%，Instagram增加了6%。
另一个备受瞩目的垂直应用主要是在营销领域，使用生成式大模型来生成投放素材以及改善投放匹配和精准人群定位、人群画像从而提高投放产出比。甚至在投后分析，A/B测试、自动化流程方面都已经在逐渐应用大模型来实现。
以上几个方向，Meta和谷歌、微软都已经进入应用阶段。 根据这几家巨头最近几个季度的财报，营收上正在逐渐体现出来自大模型生态带来的收益，但巨头体量庞大，几个亿美元的增量放到这几家身上可能得增量只是个位数，拿到桌面上说恐怕不会引起投资者的兴奋，且这些公司业务生态复杂，要剥离出大模型的营收增量是有难度的。
反倒是有些中等体量的公司，季度营收在10亿美元左右，多出1亿美元甚至几千万美元都是可以剥离出驱动因素，这样的公司似乎更有助于我们明确大模型对于公司的助力路径和增量，似乎更能让我们看清这股淘金热可以让竞争者受益几何。
中等规模的公司在技术和应用上也并没有落后，从AppLovin和Pinterest两家上市公司的财报及公开报道中，我们可以定性分析什么样的公司会成为大模型的受益者。
AppLovin是一家移动广告技术公司，截止目前旗下产品包含了广告商、发布商、素材生成等全套的移动在线营销产品。上线之初，Applovin就直奔效果营销，强调通过技术升级来提高广告的投入产出比。早期AppLovin通过与开发者合作帮助APP变现，Applovin比较知名的是其CPI变现，而非传统的CPM模式。
Applovin在公司运作层面同样优秀，公司现在产品矩阵中不少重量级成员都是来自收购，如Adjust、Max以及从Twitter手中收购的MoPub。
AppLovin的商业模式主要依靠两大收入来源：软件平台即在线广告和自研的应用内订阅收入，目前前者是收入的主要来源。
2021年Applovin在纳斯达克上市，借助大模型东风，过去两年市值从低点翻了10倍，目前市值达到了1100亿美元，PE接近100。
2024Q3季度财务表现：
- 总收入达到 12亿美元，同比增长 39%。 - 调整后EBITDA为 7.22亿美元，同比增长 72%，调整后EBITDA利润率为 60%。- 自由现金流达 5.45亿美元，同比增长 182%，环比增长 22%。
其中软件平台（Software Platform）是贡献了接近70%的营收，其表现则更加亮眼：
- 软件平台收入为 8.35亿美元，同比增长 66%。 - 调整后EBITDA为 6.53亿美元，同比增长 79%，利润率高达 78%。- 环比收入向调整后EBITDA的转化率达 107%，主要受益于一次性成本优势（如谷歌云合同续签等）。
从下面Applovin的最近4年营收和增长趋势来看，2023年开始公司业绩开始起飞，好的业绩必然带来资本市场的关注。
Applovin的股价同样伴随着业绩起飞了，最近1年股价暴涨了700%：
Applovin的AI应用主要是通过其引擎算法Axon实现，截止2024年三季度财报发布的时候，Axon已经迭代到2.0。
Axon最早于2022年发布，2023年初迭代到2.0，之前的版本更加高效和有效，具有改进的定向能力和敏捷性。一经发布带来的营销提效就已经刺激了Applovin的广告收入大幅提升。
AppDiscovery背后的AXON2.0引擎相比1.0时代，进步几乎是全方面的。创始人Adam Foroughi曾将1.0到2.0的迭代比作，ChatGPT-3.5到ChatGPT-4的进步。它通过AI驱动的预测建模，帮助广告商更加高效地投放广告。
1. 更高的自动化：AI会根据投放设置的预算和ROI指标以及定位目标人群来自动分配预算和投放方式（包括个性化地理位置、设备、应用等多个维度），极大提高了市场人员的效率。AI算法尤其适用于Applovin的应用内竞价（也叫头部竞价），可以自动化的实现最优的ROAS。
2. 素材生成：应用AI大模型之后，旗下产品SparkLabs制作精品素材效率大大提升，根据官方博客的数据，SparkLabs使用生成语音，使广告的成功率提高118%；纵观视频、可试玩、CTV和ASO广告，采用生成式AI技术的素材数量增长了220%。
3. 提高准确性：2.0使用预测建模，在audience targeting环节取得了改进，使得广告能更精准的触达目标用户，这点在1.0支持，但2.0更迈进了一步，由此带来的直接效果是投放侧的达标率更精准了
4. 提高广告活动效果：广告客户可以运行多种类型的广告活动，以获取具有不同但互补的用户留存和ROAS曲线的用户。这能帮助识别哪些广告活动最适合实现特定目标，并发现新的潜在观众群体。
被夸上天的Axon2.0到底效果如何？Twitter上有个大模型应用产品的创始人（haus.io）想要验证Applovin的投放效果是否能匹配其爆发性的股价，拿自家产品做了一个量化实验，可以follow这个推文https://x.com/oliviaakory/status/1860776402510897445。
尽管最终效果报告12月份产出，但就目前的结果来看Applovin的增量确实是比较突出的。
Applovin业绩起飞的原因成为自2023年以后历次季度财报中，投资者关心的问题，我们从管理层的解答中发现，大模型的助力并非唯一原因。广告客户的增加也是另一重要因素，除了公司基本盘游戏领域的广告商，近2年爆发的短剧以及短视频等垂直赛道竞争也是公司收入增长的重要驱动力。
回到大模型话题，即使是这一单一因素，也是需要软硬件设施配套来共同实现的。毕竟，大模型并非秘密，研发大模型的平台更是数不胜数，Applovin脱颖而出，并非是偶然事件。应用和推荐AI算法在自家产品中的不断渗透只是其中一个方面。而在现在竞争激烈的科技行业，人才的流动和涌现使得算法并不算足以给企业建立足够深的壁垒或者护城河。
作为一个Ad-Tech Network，Applovin有不少竞争对手IronSource、Admob、Vungle、InMobi等等，这些平台在其产品生态中必然也应用了大模型来提升竞争力，但并未出现相关的模型提效报道。
Unity是上市公司，移动APP 的ad network也是其业务的一部分，至今Unity依旧只是在生成要利用AI来提高平台的ROAS，财务数据却不见起色。
众所周知，伴随着大模型浪潮的另一个热点就是算力，以及算力所需要的一套基础设施。
在谷歌云的一篇博客中，我们可以窥见Applovin在算力的成本努力。其核心的Axon引擎算法实施人工智能实现了更高的自动化——广告定向、竞价设置等，这背后从管理训练工作负载到每天处理数十亿条自动化推荐需要强大的云基础设施支持。
引用谷歌博客原文：
“AppLovin通过采用最新的顶级硬件，包括Google Cloud G2虚拟机，升级了支持其AI广告算法的基础设施。AppLovin的目标之一是通过利用谷歌先进的云技术和基础设施，现代化其广告技术平台；他们成功实现了这一愿景，并加速了AI开发的时间进度。
2022年，AppLovin正处于大规模迁移至Google Kubernetes Engine（GKE）的过程中，旨在减轻其传统基础设施的负担，降低延迟并提升无缝扩展的能力。2023年初，AppLovin开始测试G2，这是业界首个由NVIDIA L4 Tensor Core GPU驱动的云虚拟机。G2专为处理像AppLovin所面临的大规模推理AI工作负载而设计，成为了理想的解决方案。”
有了强大的软硬件支持，引擎算法才有发挥的空间。其次是管理层不遗余力的在其产品生态中应用大模型算法。
Pinterest同样受益于大模型技术实现业绩增长的公司，从2023年开始营收同比再次加速，2024年三季度营收同比增长了17.7%，2024年三个季度营收接近25亿美元，预计2024年全年相比2023年增长5亿美元左右。
和Applovin类似Pinterest的广告业务也受益于大模型技术的驱动，在24年三季度财报中管理层透露，在过去的几个季度中人工智能（AI）已经逐渐成为用户和广告商转型业务的核心部分。从大模型进入主流视野的2022年底，Pinterest也在加投入，基于第一方数据研发自己的大模型。
Pinterest作为一个内容型社交平台，大模型的应用场景相比Applovin更加宽泛，在C端用户体验可能是到大模型调用量最大的场景，管理层透露目前大模型每秒生成超过 4 亿次预测，基本可以做到基于单次浏览行为进行内容排序生成高度个性化的推荐内容。
Pinterest拥有海量的次用户行为数据，例如内容发布、搜索、互动等，在商品端Pinterest天然自用户发布的“商品”信息，这些数据对于模型训练来说是宝贵的投喂语料，Pinterest可以上线完全符合自身产品和用户调性的大模型产品。
商业端，AI驱动的页面优化技术使得广告存货调整更加灵活，投放更精准。2024年 10 月 1 日正式向公众推出Performance+。Performance+ 是一个架构上和Meta的Advantage+以及Google的Pmax类似的广告平台，可以实现基于AI 驱动的预算分配、竞价和定位功能结合在一起，同时降低广告商的工作量。
根据Pinterest内部多个级别的级别的alpha和beta测试，来量化评估Performance+套件的效果。例如从三季度财报相关信息中，管理层透露Performance+ ROAS出价，可以根据用户需求自动优化出价，以最大化广告投放收益，大多数广告商通过使用Performance+ ROAS出价至少看到了15%的广告支出回报增加。Performance+的自动化设置可以通过流程自动化将传统的营销活动设置时间减少50%。
除了最初的自动化工具套件外，Performance+创意，可以帮助广告商生成和优化投放素材。内部的Beta测试表明，使用Performance+创意的广告商平均转化率提高了14%，每个活动的成本降低了9%。
Performance+在架构上并无革命性创新，大模型技术渗透到了营销的每个环节中，推动了整个流程的自动化率和ROAS。某种程度上说Performance+代表了社交平台使用大模型技术打造自己的营销生态的一般模式。即使庞大如Meta，其Advantage+在架构上也是类似的。
这种模式即，社交平台基于自身积累的用户内容和用户数据训练属于自己的大模型。这个模型不仅可以回来反哺改善C端用户体验，还同时用于营销产品中，用于素材生成、提高投放流程自动化和投放效率。
目前我们从最近几个季度的财报中陆续看到了多家公司都在投入这一工作当中，相信未来几个季度就看到大模型接触的硕果。
虽然大模型助力下广告收入重新加速增长，但Pinterest依然处于运营亏损状态。这当中的主要问题在于居高不下的研发成本，对于社交平台来说市场营销费用是维护新用户体量的重要手段不可或缺，Pinterest每个季度的市场投入占收入的比例在30%左右。
研发成本占收入的比例在大模型投入后持续在30%以上，两者已经吃掉了60%以上的营收。研发成本还需要几个季度来摊销，以及如何将增长的用户体量转化为广告库存也是当前的核心命题。
是不是大模型一定会给公司带来正向收益？
并非所有加入大模型赛道的公司都是受益者，我们发现不少公司尽管大模型产品已经进入应用，但并未直接转化为收入，这当中一个重要原因是大模型基础设施不足，以及C端体验改善尚未转化成商业收入，但成本端却是实实在在的投入，算力、存储成本、人员投入等等。
前者案例如Unity ，主业是游戏引擎，无法兼顾大模型所需的软硬件和人力投入，使得广告业务起色不大。2022年7月份，Unity宣布与ironSource合并在体量上足以和Applovin掰手腕。合并之后Unity也在积极布局AI大模型，上线了Unity 应用商店的AI 专区——“AI Hub”，包含多款基于AI的音乐、图片和文字的制作工具。2023年上线Muse 和 Sentis两款3D资源制作AI工具，但很遗憾的是Unity的投入集中在游戏业务上，ironSource曾经是Applovin的竞争对手，但在大模型潮流中并未跟上和超越Applovin的脚步。
后者如Snapchat ，连续几个季度以来Snap不断在其滤镜产品中应用生成式AI，推出了GenAI Suite包括动画混合、身体变形和图标生成功能，帮助用户制作更丰富的内容。在用户端来看的确是提供了更丰富有趣的体验，但这背后确实Snap承担的巨大模型成本。
除滤镜场景外，Snapchat还和谷歌云合作，为公司的AI聊天机器人提供更多的生成式AI功能。还为其引入记忆功能，提高其聊天体验。
看起来Snapchat在大模型上的跟进并不落后，但更可惜的是不管是协助生成内容还是优化聊天机器人产品，现阶段无法直接产生更多的广告加载，而带动的订阅费用增长微乎其微，两个场景无法直接转化为商业受益，但背后的算力和存储成本却并不低。
现阶段大模型的成本并不低，想借助大模型来提升公司业绩，纯用户端的应用需要承担巨大的成本。在线广告业务可以直接将大模型成本间接转化到投放端，这样的成本投入又产生了更高的投放产出比，由此形成了理想的商业闭环。
本文系基于公开资料撰写，仅作为信息交流之用，不构成任何投资建议
来源：锦缎一点号