萬億AI巨頭，迎來一位華人CTO

今天的故事，要從OpenAI的最新產(chǎn)品聊起。

4月的最后一周，OpenAI發(fā)布了他們最新的圖像生成模型GPT Images 2.0。在演示中，GPT Images 2.0展現(xiàn)了非常恐怖的出圖能力。這款新模型不僅能夠快速地解讀復(fù)雜指令，幾分鐘就能完成數(shù)百字的文本解析，更重要的是生成結(jié)果與數(shù)百字的提示文本展現(xiàn)出了驚人的一致性，能夠精準(zhǔn)地分辨出哪一部分提示詞是用戶需要的“審美風(fēng)格”，哪一部分提示詞是用戶需要的“填充文案”，生成直接可用的傳播物料。

所以產(chǎn)品發(fā)布后，無數(shù)人開始感嘆這是徹底革了美工和設(shè)計(jì)師們的命。科技媒體Geeky Gadgets在測評后盛贊GPT Images 2.0“再次突破了AIGC的界限”。

不過嚴(yán)格來說，這一切都沒有什么值得意外的。OpenAI作為人工智能領(lǐng)域里估值最高、人才最多、資源最好的巨頭，理應(yīng)扮演這樣的角色。真正讓GPT Images 2.0成為硅谷焦點(diǎn)的，其實(shí)是演示視頻里的“人”。

在視頻中除了開場的薩姆·奧特曼，四名負(fù)責(zé)講解產(chǎn)品的工程師一字排開都是“亞洲面孔”，其中有三個都是華人，他們分別是項(xiàng)目技術(shù)負(fù)責(zé)人陳博遠(yuǎn)（Boyuan Chen）、機(jī)器學(xué)習(xí)研究員加布里埃爾·吳（Gabriel Goh）、Luma AI的聯(lián)合創(chuàng)始人余思賢（Alex Yu）。

（GPT Images 2.0的演示視頻）

這一幕傳遞出的信號很清晰：在AI產(chǎn)業(yè)中，華人技術(shù)人才已經(jīng)不只是執(zhí)行者，而是站在核心位置的一群人。更命運(yùn)使然的是，幾乎在同一時間，華人的硅谷故事還在另一個層面被進(jìn)一步放大——

近日，美國廣告營銷巨頭AppLovin宣布，自2026年7月1日起現(xiàn)任首席產(chǎn)品及工程官葛小川（Giovanni Ge）將成為AppLovin的下一任全球首席技術(shù)官(CTO)——屆時，葛小川將成為硅谷極少數(shù)進(jìn)入核心決策層的華人，也是目前硅谷少數(shù)同時具備“核心技術(shù)能力”和“組織決策能力”的技術(shù)負(fù)責(zé)人之一。截至5月6日，AppLovin的最新市值為1576億美元（約合人民幣10727.7億元）。

（葛小川，來源：Applovin社交媒體）

如果說OpenAI展示的是“誰在做AI”，那么AppLovin的這次任命，則指向另一個問題：

誰開始進(jìn)入決策層。

在硅谷語境下，這類人并不常見——多數(shù)技術(shù)人才停留在執(zhí)行層，而多數(shù)管理者又不再親自做技術(shù)。

天才少年，試錯的十年

首先需要明確的一個事實(shí)是，在葛小川之前硅谷也并不缺乏“華人高管”。前OpenAI多模態(tài)后訓(xùn)練研究負(fù)責(zé)人畢樹超、領(lǐng)導(dǎo)Meta超級智能實(shí)驗(yàn)室的汪滔，時間線向前延伸還包括在微軟和雅虎都擔(dān)任過執(zhí)行副總裁的陸奇、Netscreen聯(lián)合創(chuàng)始人鄧鋒等等。他們的年齡從60后跨越到90后，稱得上一句“從未缺席”。

但如果仔細(xì)復(fù)盤這些故事，其實(shí)很容易發(fā)現(xiàn)“華人高管們”的上升路徑有些過于雷同了。華人高管主要通過“技術(shù)能力”進(jìn)入高層，而非直接參與核心決策。比如陸奇之所以能夠出任微軟執(zhí)行副總裁，是因?yàn)樗谘呕⑵陂g從一線工程師干起，一手開發(fā)了雅虎自己的搜索引擎以及后續(xù)的搜索廣告技術(shù)——在微軟看來，邀請這樣的人才加入有助于幫助他們在線上業(yè)務(wù)方面和谷歌展開競爭。比如汪滔之所以能夠領(lǐng)導(dǎo)Meta超級智能實(shí)驗(yàn)室，是因?yàn)槠湟皇謩?chuàng)建的Scale AI，是目前用戶數(shù)量最大、涉及領(lǐng)域最多的數(shù)據(jù)標(biāo)注公司——在Meta看來，想要徹底在大模型競爭中扭轉(zhuǎn)頹勢，贏得自己的一席之地，就必須爭取到這樣的資源。

聰明、勤奮、專注，愿意啃下“難但有開創(chuàng)性”的技術(shù)領(lǐng)域，這就是絕大部分華人高管何以為“高管”。饒是蘇姿豐、黃仁勛、陳立武也繞不開這層敘事，畢竟在絕大部分時間里半導(dǎo)體就是一個應(yīng)用場景局限、研發(fā)投入占比過高、嚴(yán)重依賴國家扶持的戰(zhàn)略性產(chǎn)業(yè)。哪怕是在2014年到2018年這5年間，全球最大的21家半導(dǎo)體設(shè)計(jì)、制造、封測企業(yè)也無一例外全部都在積極爭取政府資金支持，累計(jì)超過500億美元——這樣的行業(yè)，太需要“華人特質(zhì)”了。

而這也是葛小川備受矚目的核心原因。一家萬億市值的成熟公司決定聘用一位華人高管進(jìn)入“核心決策”層，而非“技術(shù)執(zhí)行”層，這簡直太反直覺了。

不由得讓我想起黃仁勛最近那段爆火的視頻切片里，他言辭犀利地指出中國擁有世界上“最充裕的能源”和“最龐大的研究人員庫”，完全有能力解決包括算力短缺在內(nèi)的一切問題——人工智能競爭的核心變量之一，是人才規(guī)模與結(jié)構(gòu)。

因此，即使黃仁勛、蘇姿豐、陳立武為代表的華人面孔已經(jīng)占據(jù)了半導(dǎo)體的半壁江山，即使李飛飛、畢樹超、賈洪鐘、汪滔為代表的華人面孔已經(jīng)成為了大模型研發(fā)的中堅(jiān)力量，華人在科技創(chuàng)投領(lǐng)域的影響力仍然是被嚴(yán)重低估的。

從這個角度看，葛小川的任命，更像是這一趨勢的一個具體體現(xiàn)。

那么誰是葛小川？為什么是葛小川走出了這條路？故事或許要從2005年聊起。

2005年也許是葛小川人生最值得驕傲的一年。因?yàn)檫@一年他進(jìn)入了“中科大少年班”，成為了名副其實(shí)的“天才少年”，是標(biāo)準(zhǔn)意義上的“別人家的孩子”。但葛小川并不開心，因?yàn)樗恢雷约合胍鍪裁础Ｖ赃x擇了“凝聚態(tài)材料物理（condensed matter materials physics）”這個專業(yè)，只是因?yàn)楫?dāng)時“成績好的孩子都會選物理或者數(shù)學(xué)”。他不確定自己是否對物理真的感興趣，也不知道學(xué)習(xí)物理之后未來會從事什么樣的工作，對未來的一切都很“困惑”。

更重要的是，他感受到了前所未有的壓力。葛小川從小就是人們口中的“聰明孩子”，他也曾經(jīng)很享受這樣的夸獎。但到了中科大的校園里，“聰明孩子”開始扎堆出現(xiàn)，這句夸獎悄然變成了一種負(fù)擔(dān)，葛小川開始忍不住思考自己是否需要證明“自己值得這個稱號”。

后來葛小川回中科大進(jìn)行分享的時候，他回憶，進(jìn)入中科大的第一感受并不是興奮，而是一種輕微的錯位感——他開始意識到，自己并沒有想清楚要走哪條路。

現(xiàn)在回看，這大概就是葛小川第一次意識到“迷茫”。更準(zhǔn)確地說，是第一次意識到自己需要去試——去試不同的方向，用真實(shí)的反饋告訴自己“這條路對不對”，而不是沿著別人畫好的直線往前走。

只是當(dāng)時的葛小川沒想到，這一試試了十年。

大學(xué)畢業(yè)之后，大部分同學(xué)都選擇前往美國繼續(xù)深造，葛小川卻去了歐洲。他在意大利國際高等研究院拿到了凝聚態(tài)及材料物理學(xué)博士學(xué)位。選擇歐洲的理由是，這里文化更多元，或許能幫自己“接受更多的可能性”——這是他第一次主動跳出主流路徑，試試看視野會不會不一樣。

博士階段，他又把研究方向從凝聚態(tài)物理轉(zhuǎn)向了計(jì)算物理，物理的底子還在，但更多時間花在寫代碼和建模型上試——這是他第二次嘗試，試試看自己是不是真的喜歡寫代碼，往工程和應(yīng)用的方向靠會不會更對。

這些選擇的答案都是“還不夠?qū)Α薄Ｕ嬲霓D(zhuǎn)折發(fā)生在加入Meta之后。

加入Meta的時候，葛小川已經(jīng)30歲了。在此之前，他已經(jīng)在貝萊德（BlackRock）和Uber工作過一段時間，也接觸了機(jī)器學(xué)習(xí)的相關(guān)業(yè)務(wù)。而Meta這份工作，其實(shí)是他畢業(yè)之后第一次深度參與到推薦算法為基礎(chǔ)的效果廣告系統(tǒng)中。

效果廣告和單純的信息流推薦不一樣，信息流還涉及很多產(chǎn)品層面的特征，有時候推薦本身不需要做到極致，產(chǎn)品設(shè)計(jì)得好也能拿到好結(jié)果。但效果廣告“真的就是真槍實(shí)彈地考驗(yàn)推薦算法到底有多好”，模型好不好，收入和用戶反饋說了算，沒有地方可以躲。他后來說，去Meta之前自己還是一個“比較注重生活和工作平衡的人”，那三年“徹底淪為了一個工作狂”。

更重要的變化發(fā)生在認(rèn)知層面。在Meta，他開始把此前十年攢下的各種東西拼到了一起——物理訓(xùn)練帶來的建模直覺、計(jì)算物理的工程方法、在貝萊德（BlackRock）和Uber積累的基建經(jīng)驗(yàn)——然后看清楚了一件事：一個技術(shù)決策是怎么一步步傳導(dǎo)到商業(yè)結(jié)果的，一個團(tuán)隊(duì)的組織方式又是怎么反過來影響技術(shù)決策的。

從這時候開始，他養(yǎng)成了一套自己的判斷習(xí)慣：不追風(fēng)口，不堆指標(biāo)，在一個完全不確定的環(huán)境里反復(fù)做判斷，拿到反饋，再回頭修正。他開始學(xué)會不只看“模型本身的正確”，而是看“這件事在整個系統(tǒng)里對不對”。

但瓶頸也隨之而來。Meta太大了，品牌太強(qiáng)，組織太成熟。他看到了自己在Meta事業(yè)發(fā)展的天花板，希望去一個“能做更多決定、承擔(dān)更多風(fēng)險和責(zé)任，并拿到結(jié)果的地方”。他聊過早期的初創(chuàng)公司，想過自己去創(chuàng)業(yè)，也接觸過幾家像AppLovin這樣已經(jīng)上市但業(yè)務(wù)上核心技術(shù)遇到瓶頸的公司。

最終，他選了AppLovin。

打動他的原因有兩個。第一個，是AppLovin業(yè)務(wù)里遇到的技術(shù)瓶頸正好是他最擅長的。面試的時候，他問當(dāng)時的CTO一個最簡單的問題：“你們現(xiàn)在最大的痛點(diǎn)是什么？”對方花了五分鐘跟他解釋當(dāng)時算法里遇到的種種痛點(diǎn)，想解決的問題解決不了，想達(dá)到的效果達(dá)不到。聽完之后他跟對方說：“我的技能是有限的，不是所有東西都會，但是你現(xiàn)在面臨的這個問題，我非常擅長解決它。”

第二個原因更關(guān)鍵。在加入之前，他和公司高層有過交流，覺得大家的價值觀、看待問題的方式甚至性格都很有共鳴。他這樣描述那種感受：大家有什么想法都會非常坦誠地交流，而不是像大廠一樣“說一句話需要反復(fù)揣測才能知道真實(shí)意思”。他自己是一個追求效率的人，不希望在一些非核心工作之外的地方浪費(fèi)太多時間。AppLovin的文化跟他想要的特別接近。

2022年11月，他正式加入，正好在圣誕節(jié)期間。

后來的故事，如今超過一萬億元的市值已經(jīng)給出了回答。但葛小川自己在訪談里說過一段話，或許更能解釋這三年到底發(fā)生了什么。他說，大家總以為完成一件很難的事，背后一定有一兩個關(guān)鍵決策做對了。但在現(xiàn)實(shí)里不是這樣的。“一個很困難的東西，它之所以成功，其實(shí)是每一天都要經(jīng)歷幾十個甚至上百個micro decision，當(dāng)把這所有的決策都做好，或者說你做了更多正確的選擇，日積月累之后，就會把困難的問題解決得比別人更好。”

從這個階段開始，葛小川的能力不再只是“把技術(shù)做好”，而是在不確定中做判斷，并讓判斷轉(zhuǎn)化為結(jié)果。這也是為什么他能夠從技術(shù)角色，走到真正參與公司決策的位置。

還有一個場景，或許能說明這家公司的做事方式。去年5月，團(tuán)隊(duì)正在討論要不要啟動電商業(yè)務(wù)，其中涉及一個核心技術(shù)問題——?dú)w因引擎該怎么設(shè)計(jì)。當(dāng)時葛小川和CTO、負(fù)責(zé)數(shù)據(jù)的VP正好在拉斯維加斯參加Google的一個會議。三個人在酒店餐廳吃早飯，等餐間隙，就開始討論這個問題。手邊沒有草稿紙，就拿起餐巾紙?jiān)谏厦娈媹D，菜上來之前把思路理清楚了。他趕緊吃完飯回賓館寫代碼。那個周末結(jié)束、回到灣區(qū)的時候，第一代電商歸因引擎已經(jīng)做好了。

這就是葛小川在AppLovin的狀態(tài)。成功不是一個瞬間的靈光一現(xiàn)，而是一個判斷接著一個判斷的緊湊節(jié)奏，反復(fù)驗(yàn)證自己一直追求的第一性原理到底靠不靠譜。后來的任命證明，它靠譜。

換句話說，成為CTO、進(jìn)入AppLovin的核心決策層，對于葛小川來說是一個必然的結(jié)果。從這個角度看，他并不是傳統(tǒng)意義上的CTO，更接近于一個用技術(shù)做決策的人。在4月官宣最新任命決定的時候，AppLovin也非常明確地提及“自2022年11月加入AppLovin以來，葛小川曾擔(dān)任過多個高級工程職位，領(lǐng)導(dǎo)了Axon 2.0的開發(fā)，目前負(fù)責(zé)公司的工程和產(chǎn)品團(tuán)隊(duì)，這使得他能夠自然而然地過渡到首席技術(shù)官一職。”

一家廣告巨頭，為什么需要技術(shù)型決策者

還有一個重要的命題，那就是AppLovin為什么需要葛小川？

當(dāng)然這個問題也并不難回答。正如葛小川在一些采訪中提到的，當(dāng)年他加入的AppLovin是一家業(yè)務(wù)陷入瓶頸的公司——實(shí)際上自成立以來AppLovin始終在求變。

AppLovin成立于2012年，最早是一款游戲社交產(chǎn)品。用戶們可以在這個平臺上互相邀請朋友嘗試自己喜歡的游戲。隨著用戶量的增加，AppLovin也成為了游戲行業(yè)最重要的營銷平臺之一。2018年，隨著智能機(jī)普及帶動手游市場的快速崛起，AppLovin進(jìn)行了成立以來的第一次重要戰(zhàn)略轉(zhuǎn)型，組建了自己的游戲發(fā)行部門Lion Studios ，并收購了Machine Zone和PeopleFun等游戲工作室，成為了游戲開發(fā)者。

2020年AppLovin開始籌劃第二次轉(zhuǎn)型。這一年AppLovin的年化收入已經(jīng)超過了10億美元，日活用戶3億，并且保持了兩位數(shù)百分比的高速增長。然而那段時間，F(xiàn)acebook、蘋果、亞馬遜、Netflix、谷歌也逐漸開始重視“私域流量”的運(yùn)營，紛紛開發(fā)了自有的廣告營銷平臺，這對AppLovin帶來了非常直接的增長壓力。因此AppLovin先是推出了自己的廣告營銷平臺MAX，此后又收購了營銷系統(tǒng)Adjust以及推特的自動化廣告交易平臺MoPub，嘗試擺脫“游戲”這個單一標(biāo)簽，升級為面向全品類的廣告營銷平臺。本質(zhì)上，這三步補(bǔ)齊了廣告系統(tǒng)的核心要素：流量、數(shù)據(jù)和定價能力。

從結(jié)果來看，這些押注是成功的。2021年，AppLovin完成IPO，成為了一家納斯達(dá)克上市公司。AppLovin創(chuàng)始人亞當(dāng)·福魯吉（Adam Foroughi）在接受CNBC的采訪時如是描述公司的轉(zhuǎn)型目標(biāo)：“我們擁有一個面向應(yīng)用開發(fā)者的技術(shù)平臺，旨在幫助他們發(fā)展壯大，提升應(yīng)用的曝光度。而為了改進(jìn)軟件，我們需要的是自有受眾洞察。我們想要獲得關(guān)于我們所觀察到的受眾的第一方數(shù)據(jù)……我想，最恰當(dāng)?shù)念惐然蛟S是Netflix如何利用其平臺上的數(shù)據(jù)推出個性化推薦。如今，我們只是在新媒體形式中復(fù)制了同樣的成功模式。”

2022年， AppLovin開始了第三次的戰(zhàn)略轉(zhuǎn)型。這一年AppLovin推出了初代AXON。AXON的定位是人工智能驅(qū)動的廣告引擎，利用機(jī)器學(xué)習(xí)（ML）進(jìn)行廣告定向，從而提升了廣告活動的效果和效率。而葛小川加入后的主要工作則是主導(dǎo)AXON2.0的開發(fā)，從零開始搭建一個新的廣告推薦算法和平臺，進(jìn)一步提高廣告投放在公司營收層面的占比。這意味著公司開始從“流量驅(qū)動”轉(zhuǎn)向“算法驅(qū)動”。

從結(jié)果來看，AppLovin對葛小川的押注也是成功的。AppLovin在當(dāng)?shù)貢r間2026年5月6日公布的最新財報中透露，在過去一個財年AppLovin的營收增長遠(yuǎn)超預(yù)期，凈利潤增長至12.06億美元，同比上漲達(dá)到109%。參考今年3月公布的上一份財報顯示，其中Axon2.0為核心的人工智能驅(qū)動業(yè)務(wù)創(chuàng)造了8.36億美元的凈利潤，較去年同期增長92%。基于這樣的表現(xiàn)，AppLovin正在推動大獲成功的Axon2.0引擎應(yīng)用到汽車、保險等非游戲領(lǐng)域當(dāng)中，以激活更大的市場潛力。

在這一前提下，如果AppLovin想要繼續(xù)保持人工智能業(yè)務(wù)方面的競爭力，繼續(xù)推動AppLovin向一個不拘泥于游戲的全品類營銷平臺轉(zhuǎn)型，鞏固自己在廣告領(lǐng)域的領(lǐng)先地位，那么葛小川的確是一個安全且理性的選擇。

當(dāng)然正如前面所提到的那樣，AppLovin也遠(yuǎn)不僅僅期待著葛小川成為“技術(shù)帶頭人”。在過去的很長一段時間里，葛小川非常熱衷于思考“團(tuán)隊(duì)”與“價值觀”的話題。最有代表性的一個觀點(diǎn)出現(xiàn)在一年前的一次播客訪談里，當(dāng)時他說“我覺得這個世界上沒有任何一個技術(shù)是技術(shù)本身，其實(shí)技術(shù)的背后是人和文化。今天你可以把Google的算法，復(fù)制一份，然后搬到另一個公司去。六個月之后，這個公司也不可能和Google一樣，因?yàn)槿撕臀幕瘜σ粋€產(chǎn)品的影響是最深遠(yuǎn)的。”

在前不久剛剛結(jié)束的Google Next上，葛小川也分享了這樣一個案例：一年前，Axon2.0的模型推理系統(tǒng)還建立在一個相對簡單的架構(gòu)上，也就是每塊GPU同時承載多個模型。這種架構(gòu)雖然方便自動擴(kuò)縮容，但問題也很明顯：GPU利用率偏低，而且GPU消耗量在每個季度之間快速增長。因此，團(tuán)隊(duì)決定徹底推翻原有架構(gòu)，從頭重建。

在新的設(shè)計(jì)中，他們采用了單模型獨(dú)占GPU的架構(gòu)，從而實(shí)現(xiàn)更好的緩存優(yōu)化和上下文管理。團(tuán)隊(duì)用Python編排工作流，以提升實(shí)驗(yàn)和迭代效率；同時通過pybind綁定原生C++進(jìn)程，繞過 Python全局解釋器鎖帶來的瓶頸。他們還構(gòu)建了一套模型生命周期管理系統(tǒng)，用于統(tǒng)一管理模型控制與版本演進(jìn)。而要支撐這樣一套架構(gòu)，需要非常強(qiáng)大的擴(kuò)縮容能力和可靠的網(wǎng)絡(luò)路由能力——Kubernetes正好提供了這些關(guān)鍵能力。

最終的結(jié)果非常顯著：新的推理服務(wù)上線后，GPU利用率從45%提升到75%；整體GPU消耗減少了一半；推理延遲也顯著下降。而團(tuán)隊(duì)并沒有停留在“更省資源”這一層面，而是把節(jié)省出來的延遲預(yù)算重新投入到更大規(guī)模的模型上，進(jìn)一步提升了業(yè)務(wù)效果。

本質(zhì)上，這是通過工程優(yōu)化提升ROI，而不是單點(diǎn)技術(shù)突破。更重要的是，這種優(yōu)化并不是一次性的技術(shù)突破，而是一套持續(xù)做出正確決策的能力。

葛小川對這樣的成果非常驕傲，但他強(qiáng)調(diào)自己最感慨的并不是“技術(shù)層面”的突破，而是他們以“一支極其精干的團(tuán)隊(duì)運(yùn)營著一個真正意義上的超大規(guī)模系統(tǒng)”。在葛小川看來，這正是“正確的基礎(chǔ)設(shè)施合作伙伴關(guān)系所能帶來的價值”。

這不是一次單純的工程優(yōu)化，而是葛小川作為技術(shù)管理者的典型能力：在成本、效率、延遲和模型規(guī)模之間做取舍，并讓一個精干團(tuán)隊(duì)支撐超大規(guī)模系統(tǒng)。

從工程師到CTO，這不僅是個人路徑的變化，更是AI產(chǎn)業(yè)中技術(shù)人才開始進(jìn)入決策層的體現(xiàn)。

在這一趨勢下，類似的任命可能才剛剛開始。