今天小編分享的互聯網經驗：AI大模型的第一批果實被誰摘了？，歡迎閱讀。
文 | 錦緞
2023 年初，GPT3.5 發布，效果讓全世界咋舌。人們恐慌，人工智能時代來臨了。随之而來的是各大互聯萬公司紛紛下場比拼大模型，幾乎每個月都能耳聽目見新的大模型誕生，并且在某個參數上和 "GPT 幾點幾 " 媲美。随着大模型不斷迭代與滲透，一個關鍵問題随之而來：誰是大模型浪潮的最大受益者？
01 最大受益者隐藏在垂直應用領網域
經過了 2 年的發展，大模型走向垂直應用早已成為共識，Meta 上個月到位了一位 AI Business Lead，幫助 Meta AI 盡早找到商業化路徑。
實際上 Meta 的 Advantage+ 平台早已在應用生成式 AI 幫助營銷收益。Meta 透露轉化的中位成本降低了 7%，每次點擊、潛在客戶或登陸頁面浏覽的平均成本降低了 28%，GenAI 工具創建了超過 1500 萬條廣告，我們估計使用影像生成的企業看到了 7% 的轉化率增長。
在用戶方面，AI 驅動的信息流和視頻推薦的改進，使得 Facebook 的使用時間增加了 8%，Instagram 增加了 6%。
另一個備受矚目的垂直應用主要是在營銷領網域，使用生成式大模型來生成投放素材以及改善投放匹配和精準人群定位、人群畫像從而提高投放產出比。甚至在投後分析，A/B 測試、自動化流程方面都已經在逐漸應用大模型來實現。
以上幾個方向，Meta 和谷歌、微軟都已經進入應用階段。 根據這幾家巨頭最近幾個季度的财報，營收上正在逐漸體現出來自大模型生态帶來的收益，但巨頭體量龐大，幾個億美元的增量放到這幾家身上可能得增量只是個位數，拿到桌面上說恐怕不會引起投資者的興奮，且這些公司業務生态復雜，要剝離出大模型的營收增量是有難度的。
反倒是有些中等體量的公司，季度營收在 10 億美元左右，多出 1 億美元甚至幾千萬美元都是可以剝離出驅動因素，這樣的公司似乎更有助于我們明确大模型對于公司的助力路徑和增量，似乎更能讓我們看清這股淘金熱可以讓競争者受益幾何。
中等規模的公司在技術和應用上也并沒有落後，從Applovin 和 Pinterest兩家上市公司的财報及公開報道中，我們可以定性分析什麼樣的公司會成為大模型的受益者。
02 Applovin：大模型重構在線廣告，兩年市值翻 10 倍
AppLovin 是一家移動廣告技術公司，截止目前旗下產品包含了廣告商、發布商、素材生成等全套的移動在線營銷產品。上線之初，Applovin 就直奔效果營銷，強調通過技術更新來提高廣告的投入產出比。早期 AppLovin 通過與開發者合作幫助 APP 變現，Applovin 比較知名的是其 CPI 變現，而非傳統的 CPM 模式。
Applovin 在公司運作層面同樣優秀，公司現在產品矩陣中不少重量級成員都是來自收購，如 Adjust、Max 以及從 Twitter 手中收購的 MoPub。
AppLovin 的商業模式主要依靠兩大收入來源：軟體平台即在線廣告和自研的應用内訂閱收入，目前前者是收入的主要來源。
2021 年 Applovin 在納斯達克上市，借助大模型東風，過去兩年市值從低點翻了 10 倍，目前市值達到了 1100 億美元，PE 接近 100。
1. 業績飛躍
2024Q3 季度财務表現：
- 總收入達到 12 億美元，同比增長 39%。 - 調整後 EBITDA 為 7.22 億美元，同比增長 72%，調整後 EBITDA 利潤率為 60%。- 自由現金流達 5.45 億美元，同比增長 182%，環比增長 22%。
其中軟體平台（Software Platform）是貢獻了接近 70% 的營收，其表現則更加亮眼：
- 軟體平台收入為 8.35 億美元，同比增長 66%。 - 調整後 EBITDA 為 6.53 億美元，同比增長 79%，利潤率高達 78%。- 環比收入向調整後 EBITDA 的轉化率達 107%，主要受益于一次性成本優勢（如谷歌雲合同續籤等）。
從下面 Applovin 的最近 4 年營收和增長趨勢來看，2023 年開始公司業績開始起飛，好的業績必然帶來資本市場的關注。
Applovin 的股價同樣伴随着業績起飛了，最近 1 年股價暴漲了 700%：
2.Axon 2.0
Applovin 的 AI 應用主要是通過其引擎算法 Axon 實現，截止 2024 年三季度财報發布的時候，Axon 已經迭代到 2.0。
Axon 最早于 2022 年發布，2023 年初迭代到 2.0，之前的版本更加高效和有效，具有改進的定向能力和敏捷性。一經發布帶來的營銷提效就已經刺激了 Applovin 的廣告收入大幅提升。
AppDiscovery 背後的 AXON2.0 引擎相比 1.0 時代，進步幾乎是全方面的。創始人 Adam Foroughi 曾将 1.0 到 2.0 的迭代比作，ChatGPT-3.5 到 ChatGPT-4 的進步。它通過 AI 驅動的預測建模，幫助廣告商更加高效地投放廣告。
1. 更高的自動化：AI 會根據投放設定的預算和 ROI 指标以及定位目标人群來自動分配預算和投放方式（包括個性化地理位置、設備、應用等多個維度），極大提高了市場人員的效率。AI 算法尤其适用于 Applovin 的應用内競價（也叫頭部競價），可以自動化的實現最優的 ROAS。
2. 素材生成：應用 AI 大模型之後，旗下產品 SparkLabs 制作精品素材效率大大提升，根據官方博客的數據，SparkLabs 使用生成語音，使廣告的成功率提高 118%；縱觀視頻、可試玩、CTV 和 ASO 廣告，采用生成式 AI 技術的素材數量增長了 220%。
3. 提高準确性：2.0 使用預測建模，在 audience targeting 環節取得了改進，使得廣告能更精準的觸達目标用戶，這點在 1.0 支持，但 2.0 更邁進了一步，由此帶來的直接效果是投放側的達标率更精準了
4. 提高廣告活動效果：廣告客戶可以運行多種類型的廣告活動，以獲取具有不同但互補的用戶留存和 ROAS 曲線的用戶。這能幫助識别哪些廣告活動最适合實現特定目标，并發現新的潛在觀眾群體。
3.Axon 2.0 助力幾何？
被誇上天的 Axon2.0 到底效果如何？Twitter 上有個大模型應用產品的創始人（haus.io）想要驗證 Applovin 的投放效果是否能匹配其爆發性的股價，拿自家產品做了一個量化實驗，可以 follow 這個推文 https://x.com/oliviaakory/status/1860776402510897445。
盡管最終效果報告 12 月份產出，但就目前的結果來看 Applovin 的增量确實是比較突出的。
4. 業績起飛只靠大模型嗎？
Applovin 業績起飛的原因成為自 2023 年以後歷次季度财報中，投資者關心的問題，我們從管理層的解答中發現，大模型的助力并非唯一原因。廣告客戶的增加也是另一重要因素，除了公司基本盤遊戲領網域的廣告商，近 2 年爆發的短劇以及短視頻等垂直賽道競争也是公司收入增長的重要驅動力。
回到大模型話題，即使是這一單一因素，也是需要軟硬體設施配套來共同實現的。畢竟，大模型并非秘密，研發大模型的平台更是數不勝數，Applovin 脫穎而出，并非是偶然事件。應用和推薦 AI 算法在自家產品中的不斷滲透只是其中一個方面。而在現在競争激烈的科技行業，人才的流動和湧現使得算法并不算足以給企業建立足夠深的壁壘或者護城河。
作為一個 Ad-Tech Network，Applovin 有不少競争對手 IronSource、Admob、Vungle、InMobi 等等，這些平台在其產品生态中必然也應用了大模型來提升競争力，但并未出現相關的模型提效報道。
Unity 是上市公司，移動 APP 的 ad network 也是其業務的一部分，至今 Unity 依舊只是在生成要利用 AI 來提高平台的 ROAS，财務數據卻不見起色。
眾所周知，伴随着大模型浪潮的另一個熱點就是算力，以及算力所需要的一套基礎設施。
在谷歌雲的一篇博客中，我們可以窺見 Applovin 在算力的成本努力。其核心的 Axon 引擎算法實施人工智能實現了更高的自動化——廣告定向、競價設定等，這背後從管理訓練工作負載到每天處理數十億條自動化推薦需要強大的雲基礎設施支持。
引用谷歌博客原文：
"AppLovin 通過采用最新的頂級硬體，包括 Google Cloud G2 虛拟機，更新了支持其 AI 廣告算法的基礎設施。AppLovin 的目标之一是通過利用谷歌先進的雲技術和基礎設施，現代化其廣告技術平台；他們成功實現了這一願景，并加速了 AI 開發的時間進度。
2022 年，AppLovin 正處于大規模遷移至 Google Kubernetes Engine（GKE）的過程中，旨在減輕其傳統基礎設施的負擔，降低延遲并提升無縫擴展的能力。2023 年初，AppLovin 開始測試 G2，這是業界首個由 NVIDIA L4 Tensor Core GPU 驅動的雲虛拟機。G2 專為處理像 AppLovin 所面臨的大規模推理 AI 工作負載而設計，成為了理想的解決方案。"
有了強大的軟硬體支持，引擎算法才有發揮的空間。其次是管理層不遺餘力的在其產品生态中應用大模型算法。
03 Pinterest：大模型生态閉環代表，增長背後亦有隐憂
Pinterest 同樣受益于大模型技術實現業績增長的公司，從 2023 年開始營收同比再次加速，2024 年三季度營收同比增長了 17.7%，2024 年三個季度營收接近 25 億美元，預計 2024 年全年相比 2023 年增長 5 億美元左右。
和 Applovin 類似 Pinterest 的廣告業務也受益于大模型技術的驅動，在 24 年三季度财報中管理層透露，在過去的幾個季度中人工智能（AI）已經逐漸成為用戶和廣告商轉型業務的核心部分。從大模型進入主流視野的 2022 年底，Pinterest 也在加投入，基于第一方數據研發自己的大模型。
1. 大模型助力廣告平台
Pinterest 作為一個内容型社交平台，大模型的應用場景相比 Applovin 更加寬泛，在 C 端用戶體驗可能是到大模型調用量最大的場景，管理層透露目前大模型每秒生成超過 4 億次預測，基本可以做到基于單次浏覽行為進行内容排序生成高度個性化的推薦内容。
Pinterest 擁有海量的次用戶行為數據，例如内容發布、搜索、互動等，在商品端 Pinterest 天然自用戶發布的 " 商品 " 信息，這些數據對于模型訓練來說是寶貴的投喂語料，Pinterest 可以上線完全符合自身產品和用戶調性的大模型產品。
商業端，AI 驅動的頁面優化技術使得廣告存貨調整更加靈活，投放更精準。2024 年 10 月 1 日正式向公眾推出 Performance+。Performance+ 是一個架構上和 Meta 的 Advantage+ 以及 Google 的 Pmax 類似的廣告平台，可以實現基于 AI 驅動的預算分配、競價和定位功能結合在一起，同時降低廣告商的工作量。
根據 Pinterest 内部多個級别的級别的 alpha 和 beta 測試，來量化評估 Performance+ 套件的效果。例如從三季度财報相關信息中，管理層透露 Performance+ ROAS 出價，可以根據用戶需求自動優化出價，以最大化廣告投放收益，大多數廣告商通過使用 Performance+ ROAS 出價至少看到了 15% 的廣告支出回報增加。Performance+ 的自動化設定可以通過流程自動化将傳統的營銷活動設定時間減少 50%。
除了最初的自動化工具套件外，Performance+ 創意，可以幫助廣告商生成和優化投放素材。内部的 Beta 測試表明，使用 Performance+ 創意的廣告商平均轉化率提高了 14%，每個活動的成本降低了 9%。
Performance+ 在架構上并無革命性創新，大模型技術滲透到了營銷的每個環節中，推動了整個流程的自動化率和 ROAS。某種程度上說 Performance+ 代表了社交平台使用大模型技術打造自己的營銷生态的一般模式。即使龐大如 Meta，其 Advantage+ 在架構上也是類似的。
這種模式即，社交平台基于自身積累的用戶内容和用戶數據訓練屬于自己的大模型。這個模型不僅可以回來反哺改善 C 端用戶體驗，還同時用于營銷產品中，用于素材生成、提高投放流程自動化和投放效率。
目前我們從最近幾個季度的财報中陸續看到了多家公司都在投入這一工作當中，相信未來幾個季度就看到大模型接觸的碩果。
2.Pinterest 的隐憂
雖然大模型助力下廣告收入重新加速增長，但 Pinterest 依然處于運營虧損狀态。這當中的主要問題在于居高不下的研發成本，對于社交平台來說市場營銷費用是維護新用戶體量的重要手段不可或缺，Pinterest 每個季度的市場投入占收入的比例在 30% 左右。
研發成本占收入的比例在大模型投入後持續在 30% 以上，兩者已經吃掉了 60% 以上的營收。研發成本還需要幾個季度來攤銷，以及如何将增長的用戶體量轉化為廣告庫存也是當前的核心命題。
04 如何成為大模型浪潮受益者？
是不是大模型一定會給公司帶來正向收益？
并非所有加入大模型賽道的公司都是受益者，我們發現不少公司盡管大模型產品已經進入應用，但并未直接轉化為收入，這當中一個重要原因是大模型基礎設施不足，以及 C 端體驗改善尚未轉化成商業收入，但成本端卻是實實在在的投入，算力、存儲成本、人員投入等等。
前者案例如 Unity ，主業是遊戲引擎，無法兼顧大模型所需的軟硬體和人力投入，使得廣告業務起色不大。2022 年 7 月份，Unity 宣布與 ironSource 合并在體量上足以和 Applovin 掰手腕。合并之後 Unity 也在積極布局 AI 大模型，上線了 Unity 應用商店的 AI 專區—— "AI Hub"，包含多款基于 AI 的音樂、圖片和文字的制作工具。2023 年上線 Muse 和 Sentis 兩款 3D 資源制作 AI 工具，但很遺憾的是 Unity 的投入集中在遊戲業務上，ironSource 曾經是 Applovin 的競争對手，但在大模型潮流中并未跟上和超越 Applovin 的腳步。
後者如 Snapchat ，連續幾個季度以來 Snap 不斷在其濾鏡產品中應用生成式 AI，推出了 GenAI Suite 包括動畫混合、身體變形和圖示生成功能，幫助用戶制作更豐富的内容。在用戶端來看的确是提供了更豐富有趣的體驗，但這背後确實 Snap 承擔的巨大模型成本。
除濾鏡場景外，Snapchat 還和谷歌雲合作，為公司的 AI 聊天機器人提供更多的生成式 AI 功能。還為其引入記憶功能，提高其聊天體驗。
看起來 Snapchat 在大模型上的跟進并不落後，但更可惜的是不管是協助生成内容還是優化聊天機器人產品，現階段無法直接產生更多的廣告加載，而帶動的訂閱費用增長微乎其微，兩個場景無法直接轉化為商業受益，但背後的算力和存儲成本卻并不低。
現階段大模型的成本并不低，想借助大模型來提升公司業績，純用戶端的應用需要承擔巨大的成本。在線廣告業務可以直接将大模型成本間接轉化到投放端，這樣的成本投入又產生了更高的投放產出比，由此形成了理想的商業閉環。
