Z Waves｜葛小川：中科大少年班校友，三年半做到2000億美元市值AppLovin CTO

2022年，AppLovin股價暴跌80%，市值僅剩39億美元。這家被華爾街認為只是一個快被時代淘汰的手游廣告公司在三年后，市值突破2000億美元，成為全球最賺錢的AI公司之一，人均年利潤約270萬美元。而推動這場逆轉的核心，是一個不到五人的算法團隊。團隊負責人，叫葛小川。2026年7月，他正式接任AppLovin CTO。

他很少用情緒化語言，也不太談“夢想”或者“熱愛”。更多時候，他會不斷拆解問題——這個系統為什么跑不通，真正的瓶頸在哪里，哪些變量最關鍵，什么地方值得重做。很多人做技術，是在優化已經存在的東西。葛小川更像是在尋找：什么東西值得被重新建立。

和葛小川聊天時，你很容易產生一種錯覺：他不像是在表達觀點，更像是在實時推演系統。

葛小川，1989年8月生于安徽懷遠，中科大少年班物理系出身，讀過意大利的凝聚態材料博士，在Meta當過工作狂。但更漫長的那段歲月里，他只是一個找不到方向、不斷自我懷疑的年輕人。從16歲走進大學校門，到真正找到自己想做的事，他花了整整十七年。而一旦找到，他只用了三年半，就從工程副總裁走到了CTO。

從中科大少年班到意大利博士：十年找不到方向，他沒有停下來

2005年，葛小川從安徽懷遠考入中科大少年班。他對科大的第一印象不是圖書館，也不是實驗室，而是沒有空調的操場上、烈日下穿著厚訓練服站軍姿的體能訓練。他當時心里嘀咕：難道這就是大學生活？專業選了物理，并不出于熱愛，只是因為那時候學習好的人都在學，所以他也去學了。

很長一段時間里，他并不覺得自己是那種“目標明確”的天才。相反，他長期處在一種遲疑和自我懷疑里：物理是不是自己真正想做的事？讀博士是不是正確選擇？自己到底擅長什么？即使后來進入頂級研究機構、拿到別人眼里的“標準精英路徑”，那種懸而未決的感覺也沒有真正消失。

本科畢業，直接去了意大利SISSA讀凝聚態材料物理博士。SISSA是歐洲頂尖的研究型院校，直接招收本科生。換了地方，困惑沒有換。博士期間做實驗、寫論文，每天如此，但熬夜完成一篇稿子之后，心里更多的是空虛。他曾把這歸結為歐洲學術氛圍不適合自己，于是博士畢業后去了美國，先在BlackRock做機器學習研究，然后他加入Uber，用機器學習為Uber Eats定價建模。

在Uber，他逐漸意識到一件事：很多公司雖然在使用機器學習，但機器學習并不是業務真正的核心。他開始變得越來越挑剔和思考：到底什么問題值得投入？什么系統真的相信模型？什么地方能把數學、工程和商業真正結合起來？他發現，自己已經很難再接受“差不多”的技術問題。

轉折發生在2019年，也就是他30歲的那年——他加入了當時還叫Facebook的Meta，做廣告推薦算法。效果廣告是一個純粹靠數學和模型說話的領域——以點擊、下載、購買這樣的量化結果為目標，廣告主按效果付費，算法強一分，結果就好一分，沒有其他變量可以掩蓋。對在純理論里憋了多年的葛小川來說，這是他第一次找到真正適合自己工具的戰場。那三年他自稱“徹底淪為了工作狂”，不是被逼，是終于找到了值得全力以赴投入熱情的問題。一位和他共事過的人后來形容，葛小川最大的特點不是聰明，而是“幾乎從不在錯誤的問題上浪費時間”。

Meta的廣告系統被譽為全球最復雜的推薦系統之一。在Meta廣告系統那幾年，他第一次進入一個足夠復雜、也足夠誠實的領域：模型好，結果就會變好；模型不夠強，再多解釋都沒有意義。

那三年里，他積累了廣告和推薦的核心技術；早年科研和工作中寫過的基建工具、數據分析腳本，在新系統建設中意外派上了用場；一路走來的挫折和困境，教會了他韌性、溝通和管理。那些曾經看似無意義的彎路，都在這個時刻匯聚成了價值。對在純理論里兜兜轉轉很多年的葛小川來說，這幾乎像是終于找到了自己的戰場。

然后他離開了Meta。原因是想學的已經學完，再待下去只會影響職業發展速度。他開始考慮早期創業公司、自己創業，以及那些已經上市、但核心技術遇到瓶頸的公司。

所有人都在撤，他看到了一張沒人敢碰的底牌

2022年底，他收到了AppLovin的邀約。彼時的AppLovin，是一家處境極為微妙的公司。表面上，它是一家游戲公司，游戲下載量一度排在全美第一。但游戲本身并不是它真正的目標——買下那些游戲工作室，是為了獲取用戶行為數據，讓自己的廣告算法有東西可以學習。更底層的業務是廣告，但這塊收入在當時還不到公司總收入的30%，占大頭的還是游戲。

廣告系統本身更是談不上先進。推薦算法這個領域，過去十幾年經歷了幾代迭代：最早是基于社交關系圖譜的規則引擎——你朋友下載了這個App，要不要也裝一個？之后是簡單的線性擬合；再之后是Facebook在2015年前后大量發表的決策樹相關模型。難以置信的是，2022年，行業里很多公司用的還是這一套將近十年前的框架。AppLovin也不例外——能跑，但跑不快，賣不出好價錢，也說不清楚每一塊錢投放到底帶來了什么。

基礎設施倒是已經搭好了。2018年前后，他們買來了幫開發者賣廣告位的MAX；2021年花10億美元買來了追蹤廣告效果的Adjust；2022年，在整個行業哀鴻遍野、自身股價已跌去80%的時刻（市值僅有39.1億美元的時刻），用10.5億美元全現金拿下了原Twitter旗下覆蓋7億日活的廣告平臺MoPub。拼圖幾乎到位了。缺的是最后一塊——一套足夠先進的推薦算法，能在毫秒之間判斷出哪個用戶值得花多少錢去買，并且完成競價、投放、收錢的全套動作。

圖片來源：AppLovin

面試時，葛小川問了當時的CTO Basil Shikin一個問題：你們現在最大的痛點是什么？對方解釋了大約五分鐘——算法太落后，想優化的指標優化不了，廣告主花了錢但說不清帶來了什么。葛小川當場說：你們這個問題，我非常擅長解決。

很多人后來回頭看，會把這一切解讀為一次經典的“逆勢下注”。但葛小川并不覺得自己是在賭。在他眼里，真正危險的從來不是“公司現在不好”，而是“問題本身沒有價值”。而AppLovin最吸引他的地方恰恰是：基礎設施已經齊備，問題足夠難，而且一旦解決，整個系統會發生質變。他真正感興趣的，從來不是穩定，而是結構性的機會。

外界看到的，是AppLovin股價暴跌的一手爛牌。而那五分鐘里他看到的，是一套基礎設施已經齊備、唯獨缺一個算法大腦的公司，而那個大腦需要做的事，正是他在Meta做了三年的事。后來他見到CEO，做事干脆，價值觀甚至性格都與他有共鳴，“基本義無反顧地簽了”。

他加入的動機很簡單：“我來AppLovin看的不是當時的現狀，是未來的機會。”他當時就已經算出了，如果公司只做應用廣告，天花板在哪里；也算出了，一旦算法做好，電商是下一個自然的方向。這不是預言，是推算。他的邏輯是：確定性很高的選擇，永遠已經被市場充分定價；真正的機會，往往藏在別人不敢進的地方。

三個月、五個人，以及那套沒有秘密武器的算法

2022年11月，葛小川正式入職AppLovin，任VP of Engineering（工程副總裁）。他組建的核心算法團隊總共不到五個人。任務只有一個：從零重構公司的整套推薦算法系統。三個月后，新一代模型Axon 2.0上線。性能的躍升是代差級別的——AppLovin的廣告推薦能力，從行業落后水平直接拉到了與Google、Meta同一代的框架之上。此后三年公司的增長，基本都建立在這個地基上。

圖片來源：AppLovin

但什么叫同一代？這里有一個值得展開的細節。

廣告推薦算法本質上解決的是一個預測問題：給定一個用戶和一個廣告，預測這個用戶看到這條廣告之后最終會產生多少價值。最淺層的預測是點擊率——用戶會不會點。而最難的，是直接預測用戶的消費價值：這個人點擊之后，會花多少錢。這三層預測之間的差異，在廣告投放上的影響是截然不同的。假設你花10塊錢買廣告：優化點擊率，能買來5次點擊，但這5個人合計只消費了20塊；而如果系統能直接優化消費價值，可能只買來2次點擊，但這2個人合計消費了100塊。對廣告主來說，后者的價值是前者的好幾倍。

問題在于，要做到后者極其困難——用戶最終消費的信號很稀疏，發生的時間也更晚，訓練數據難以獲取，模型也更難擬合。這就是葛小川所說的「deep funnel」問題，也是AppLovin引以為豪的核心差異：它是目前市場上已知唯一能把這一層預測做準的公司。

以Meta為例，大多數在Meta平臺投廣告的品牌，并不使用Meta提供的ROAS優化產品——ROAS即廣告支出回報率，衡量每花一塊錢廣告費能帶來多少收入。不是不想用，而是Meta這一層模型的預測不夠精準，廣告主不信任它，寧可自己選轉化率優化，然后再手動微調。而在AppLovin，廣告主幾乎不需要手動操作，直接告訴系統「幫我優化最終消費價值」，系統就能給出滿意的結果。這省去了大量人工干預，也讓廣告主愿意把更多預算交給這個平臺。

但為什么AppLovin能做到這一點？

葛小川的回答不是“我們有什么秘密武器”，而是：“從框架上看，頭部公司其實都差不多，真正決定勝負的是對細節的無數次微小判斷——每天幾十個甚至上百個小決策，每一個都選得稍微準一點，日積月累就形成了別人難以追平的差距。這些細節，不會出現在任何開源代碼和公開論文里。”

AppLovin內部有人說，葛小川對“系統干凈”近乎執拗。當模型出現問題時，他不喜歡第一時間加規則補丁。因為規則一旦越來越多，系統會慢慢失去可解釋性，最后沒人知道它為什么有效。他更愿意反復調模型、重構邏輯，讓系統自己收斂到正確結果。這條路更慢，也更痛苦，但長期來看，它會讓整個系統變得越來越強。

還有一條更隱蔽的優勢，來自數據結構本身。廣告競價系統中存在兩種數據：一種是請求數據，每次有廣告位出現，所有參與競價的平臺同時收到，Google、Meta和AppLovin拿到的是一樣的；另一種是反饋數據，也就是用戶看到廣告之后的行為——點了沒有，下載了沒有，買了多少錢。這種數據只有贏得競價的一方才能拿到。競價輸掉了，那個用戶后續發生了什么，你永遠不會知道。

這就讓算法優勢形成了一種自我強化的機制：模型越好，贏得的競價越多，拿到的反饋數據越多，模型進一步變好。AppLovin每次季度財報中反復提到的「feedback loop」（反饋循環），說的就是這件事。它不是一個產品功能，而是一種結構性的領先——一旦建立起來，追趕者需要付出遠超表面差距的代價。

葛小川還提到一個他稱之為干凈的模型的概念。當模型出現缺陷時，有兩種修法：一是手動加規則糾正，簡單快速，但系統會越來越混亂；二是相信模型，反復調試，直到模型自己修正，這條路慢，結果也不確定，但能保持系統干凈。AppLovin始終堅持第二種。結果是，模型里的因果關系始終清晰——正確的輸入，總能帶來正確的輸出，每個季度的業績提升因此穩定可預期。

華爾街錯了，而且錯了整整一年

圖片來源：Yahoo Finance

Axon 2.0上線后，AppLovin的業績開始快速增長。2023年全年，廣告收入同比增長超40%，利潤增長約80%，公司連續多個季度大幅超出華爾街預期。然后股價下跌。業績再超預期。股價再下跌。這件事看起來荒誕，但背后有一套邏輯。在金融分析師的框架里，評估一家公司的增長，要把行業整體的增速（Beta）和公司超出行業平均的部分（Alpha）分開看。分析師們承認AppLovin的Alpha——算法確實更好——但他們低估了一件事：AppLovin的崛起本身，正在改變整個行業的Beta。

那段時間股價的波動，其實讓公司內部承受著很大的壓力。業績在變好，但市場并不相信。對很多公司來說，連續幾個季度股價沒有反應，往往意味著戰略開始搖擺、組織開始焦慮、內部開始討論“是不是哪里做錯了”。但葛小川幾乎沒有動搖過。因為在他看來，系統已經跑通了。剩下的問題，只是市場什么時候意識到這件事。

游戲廣告市場在此之前從未被認真對待過。全球有幾萬甚至幾十萬個手機游戲和應用，每一個單獨拿出來，流量都遠不能和Facebook、YouTube相提并論。這些碎片化的流量分散在無數個小開發者手里，沒有統一的定價，沒有可靠的變現工具，廣告主不知道錢花出去能帶來什么，開發者也只能賤賣自己的流量。Google和Meta不是不知道這塊市場存在，而是體量太小，不值得專注。正因為需求進不來，開發者賺不到好錢，也就沒有動力去做更好的游戲，整個生態長期在低水位徘徊。

AppLovin的算法改變了這個循環。它讓每一塊錢的廣告預算能夠找到真正值錢的用戶，開發者的收入隨之提升，有了更多資源去打磨產品，游戲質量上來了，用戶愿意花更多時間和錢，整個生態的可變現價值隨之擴大。市場的天花板，不是固定的，是被撐起來的。

分析師們看到了AppLovin的勝出，但沒有看到這個生態擴張的效應。他們用原來那個天花板不高的游戲廣告市場作為分母，得出的結論自然是——增長紅利已經兌現，后面沒有空間了。所以每次超預期，股價反而跌，市場把每一次好成績都解讀為“把未來的增長提前兌現了”。

對于那段時間，葛小川的態度是：無奈，但不慌張。公司內部沒有根據股價調整決策，也沒有試圖去管理市場預期。他的判斷是：把業績做上去，市場的認可只是時間問題。連續8個季度超出華爾街預期之后，2024年第二季度，股價開始真正起飛。那一年的暴漲，在葛小川看來，更多是市場對2023年業績遲來的認可，而不是什么新的催化劑出現了。

2025年11月，葛小川正式出任首席產品及工程官（CPEO）。同月，AppLovin在舊金山市政廳舉辦年會，高管員工與家人盛裝出席，慶祝市值突破2000億美元。公司被外界稱為“AI受益第一股”——這個標簽并非因為AppLovin開發了什么大模型，而是因為它是那一輪AI能力浪潮中，最早把深度學習推薦算法轉化為真實商業收益的公司之一。它從不主動往自己身上貼AI的標簽，但它的算法，本質上正是AI能力商業化最直接的體現。三年，股價漲幅25倍。全公司員工不到1000人，人均創造的EBITDA約達400萬美元——這個數字在全球科技公司里幾乎找不到對標。

根據AppLovin 2026年4月7日官方公告，現任CTO Basil Shikin將于2026年7月1日卸任，轉為杰出工程師（Distinguished Engineer）；葛小川屆時接任CTO。從2022年11月加入，到2026年7月出任CTO，歷時約三年半。

三年半，從工程副總裁到CTO，在硅谷這個到處是聰明人的地方，這個速度并不常見。他接手的不是一家順風順水的公司，是一家被市場放棄、股價跌去80%、連人才都不愿意來的公司。他帶進來的不是一個成熟的團隊，是不到五個人，從零開始。他用三個月完成了別人可能覺得要花兩三年的事，此后每個季度的結果都在往前走，而且從未停過。

這種速度，不來自運氣，也不來自資源。它來自一種從職業起點就開始打磨的能力——知道哪個問題值得解決，知道自己是不是那個能解決它的人，然后義無反顧地進去。

做困難且正確的選擇

2024年5月，葛小川與CEO、CTO在拉斯維加斯參加Google舉辦的行業會議。早飯還沒上菜，三個人已經開始在餐巾紙上畫圖，討論電商歸因系統的核心架構。菜上來之前，思路定了。吃完飯回房間寫代碼。那個周末結束，回到灣區的時候，第一代電商歸因引擎已經完成。三個人，一張餐巾紙，一個周末。沒有會議，沒有PPT，沒有審批流。

熟悉葛小川的人會發現，他對很多事情的容忍度都很低：冗長會議、反復匯報、為了流程而流程——這些東西會迅速消耗他的耐心。他更喜歡一種極度直接的工作方式：問題出現，現場拆解；方向明確，立刻動手。在AppLovin后來的很多關鍵項目里，這種近乎“工程師創業團隊”式的速度，逐漸變成了整個組織的一部分。

這不是偶然的工作風格，而是一種經過篩選的判斷——什么事值得做，什么時候該進去做，做到什么程度算完。他把支撐這種做事方式的東西叫做“技術品味”——不只是把事情做出來的能力，而是知道什么值得做，什么才是真正影響結果的關鍵環節。

很多人走過了和葛小川類似的前半段——理工科出身，數學底子扎實，在大廠做出了成績，成為團隊里公認的技術骨干。但他們往往會卡在同一個位置：從最強的執行者變成做決策的人那一步。 技術骨干面對的問題通常是確定的，需求清晰，邊界明確，好不好衡量得了。但越往上走，問題本身開始變得模糊：資源有限，方向不止一個，沒有標準答案，結果也不是立刻可見的。這時候考驗的不再是你能不能把一個問題解決得足夠好，而是你能不能在信息并不完整的情況下，判斷出哪個問題最值得解決——然后讓整個組織跟著你的判斷動起來。這條邏輯貫穿了他所有的職業選擇：問題值不值得解決，自己是不是那個工具。薪資、平臺、賽道熱不熱，都是次要的。

葛小川后來很喜歡“Spirit of the Underdog”這個詞。他并不覺得自己的人生是一條標準意義上的“天才路徑”。相反，從少年班到博士，再到職業前半段，他長期都處在一種“還沒有找到正確位置”的狀態里。也正因為如此，他對“被低估”這件事有一種天然敏感。AppLovin吸引他的，從來不是它當時有多成功，而是它被嚴重低估了。

AppLovin最看重員工的五個特質，首字母拼在一起是一個詞：HEART。謙遜（Humility）、共情（Empathy）、能力（Ability）、韌性（Resilience）、堅毅（Tenacity）。謙遜排在第一位——不把精力放在證明自己這件事上，而是放在問題本身。

圖片來源：中國科學技術大學新創校友基金會

從安徽懷遠的縣城，到意大利的博士宿舍，到硅谷一家股價跌了80%的公司，到舊金山市政廳那個香檳碰杯的夜晚——他走過的那些年，不是一條從A到B的直線，而是一路在沒有空調的狀態下，一步一步找到那個正確的問題，然后義無反顧地進去。就像他自己說的那樣：“做困難且正確的選擇，往往沒有掌聲，也沒有鮮花。”

在AI時代，真正稀缺的人，就是這樣不會追熱點，但是能夠在所有人都不相信的時候，看見結構性機會的人。他們知道什么問題值得解決，知道自己是不是那個能解決問題的人，也知道什么時候該義無反顧地進去。葛小川花了17年找到那個問題。 找到之后，他只用了三年半。

作者：Xiaoyu Xian

[1]中國科大新創校友基金會，中科大少年班校友再破華人硅谷天花板，https://mp.weixin.qq.com/s/rb6OuWlhAa9lx05IU9vZgA?scene=1

[2]M小姐研習錄，【萬字實錄】對話千億美金AI第一股 AppLovin 核心高管：2年市值25倍的傳奇成長史，https://mp.weixin.qq.com/s/PdEFa-7E8ukmszPaewdbuQ?scene=1

[3]界面新聞，AppLovin撕開巨頭裂縫的1000天：AI審判、被做空與Underdog的“弱者之心”，https://m.jiemian.com/article/14025121.html

[4]極客公園，三年時間市值翻了25倍，廣告新巨頭AppLovin任命了一名華人CTO，https://hub.baai.ac.cn/view/54292

[5]投資界，華人再破硅谷天花板！AI黑馬新任CTO，中科大80后，https://people.pedaily.cn/202604/563161.shtml

加入ZF討論群，請先添加小助手微信

我們相信認知能夠跨越階層，

致力于為年輕人提供高質量的科技和財經內容。

稿件經采用可獲邀進入Z Finance內部社群，優秀者將成為簽約作者，00后更有機會成為Z Finance的早期共創成員。

我們正在招募新一期的實習生