•
AI 成長樣本：Applovin、CrowdStrike、Palantir
本文選取三家成長路徑備受關注的 AI 公司：
· Applovin：模型最佳化投放，提升廣告轉化；
· CrowdStrike：AI 驅動安全，增強客戶留存；
· Palantir：嵌入決策流程，建構智能系統。
它們路徑不同，但有一個共通目標：建構出能脫離純競爭的結構，走出自己的增長軌道。
彼得·蒂爾在《從 0 到 1》中說：
“所有偉大的科技公司，都是某種意義上的壟斷者。競爭是給失敗者的，真正成功的公司，都有一套自己能控制的結構。”
01｜Applovin：從廣告撮合平台到 AI 投放引擎
｜商業模式：從撮合結構走向模型驅動
Applovin 起步於廣告撮合平台，為 App 開發者與廣告主提供增長與變現工具，初期依賴系統撮合與演算法分發抽佣。
2021–2022 年，公司探索內容側閉環，嘗試 “買量–變現–再投資” 的路徑，同時併購 Adjust（歸因分析）與 MoPub（庫存管理）以增強平台能力。
2023 年起，Applovin 全面剝離遊戲資產，轉型為純技術平台。當前收入結構圍繞三大系統建構：
AppDiscovery：廣告主投放入口；
- MAX：開發者變現聚合工具；
- Adjust：行為追蹤與歸因分析平台。
這三大系統由 AI 投放引擎 AXON 驅動，負責每一次展示背後的使用者匹配、價格判斷與素材分發，已成為整個平台的核心增長引擎。
Applovin 的底層邏輯已從 “連接供需” 演化為 “用 AI 放大投放效率”。
｜產品結構：從賣流量轉向賣轉化率
Applovin 不掌握流量入口，也不生產內容。平台真正售出的是一套 “以更少預算換取更高轉化” 的系統工具。
典型使用方式包括：
手游開發商通過 MAX 實現廣告變現，再用 AppDiscovery 買量形成閉環；
- 電商品牌在 App 與 CTV（聯網電視） 投放，由 AXON 自動尋找高轉化人群；
- 中小廣告主使用自助平台設定 ROI 目標，獲得系統投放反饋。
廣告主設定 CPI 或 ROAS 目標，其餘環節由 AXON 自動完成素材匹配、出價預測與分發調度。
平台賣出的不是展示量，而是投放效率。這也是 AI 在 To B 商業中最具代表性的場景之一。
｜AI 能力：AXON 是投放系統的中樞引擎
AXON 不是功能元件，而是整個平台的效能核心。
其主要能力包括：
轉化預測 + 即時競價：結合使用者畫像、上下文、歷史行為判斷轉化機率並動態出價；
- 預算自動最佳化：根據廣告主設定目標 CPI / ROAS 自動調整預算分配策略；
- 生成式創意模組：AXON 2.0 引入素材自動生成工具，縮短創作時間約 40%。
AXON 的模型精度依賴以下要素：
海量使用者行為資料（曝光 → 點選 → 留存）；
每次投放後的即時反饋用於持續訓練；
- 多場景適配，從 App 到 CTV 再到跨平台追蹤。
截至 2024 年底，AXON 已貢獻 AppDiscovery 超過 75% 的廣告收入，成為廣告效率與利潤率提升的核心來源。
｜客戶結構：分散流量，集中預算
Applovin 是典型的雙邊平台結構：
供給側：以移動遊戲開發者為主，廣泛整合 MAX 提供廣告庫存；
- 需求側：廣告主結構從手游逐步擴展至電商、品牌、CTV 客戶。
幾個關鍵特徵：
客戶分散：無單一客戶佔比超過 10%；
- 客戶粘性高：MAX SDK 整合後切換成本高，AXON 模型一旦跑通後預算持續加碼；
- 客戶結構在演化：非遊戲廣告客戶增速更快，電商與品牌預算不斷提升；
- 客戶獲取門檻下降：自助式投放工具降低中小廣告主接入門檻，帶來長尾增長。
客戶關係完全依賴 AXON 所提供的投放效果與模型可視化反饋能力。
｜財務表現：13 季度資料驗證結構性躍遷
Applovin 的財務結構在過去三年經歷了明顯分化：2022 年承壓，2023 年轉折，2024–2025 年進入高利潤兌現階段。
以下為 2023 Q1 至 2025 Q1 共 13 個季度核心財務資料（單位：億美元）：
核心趨勢觀察：
- 2023 Q2 是 GAAP 盈利拐點，利潤與 FCF 同步提升；
- 2024 年進入利潤率躍升期，FCF 利潤率維持在 40–50% 區間；
- AXON 能力提升 + 廣告主 ROI 改善 → 模型驅動平台盈利結構轉正；
- 投放結構最佳化帶動留存 + 長尾客戶拓展，增長不再依賴單一行業或客戶。
Applovin 的盈利路徑，已由內容驅動轉為結構驅動，是 AI 驅動平台型公司的典型財務躍遷路徑。
｜競爭位置：廣告生態中的中立效率引擎
Applovin 是全球第三大移動廣告平台，僅次於 Google（AdMob）與 Meta（FAN），市佔率約 15–20%。
區別在於：
技術中立：不掌握內容、不干預流量，不與開發者競爭；
- 效果可量化：AXON 模型主導轉化效率，客戶為結果買單；
場景多元拓展：在 CTV、新品類廣告管道具備先發與靈活性。
Applovin 正成為 “非 Google / Meta 路徑” 下最具性價比的投放技術平台。
｜創始人與組織基因：聚焦效率，控制節奏
CEO Adam Foroughi 出身金融交易行業，團隊決策風格偏謹慎務實。
過去幾年，公司在組織路徑上呈現出較為明確的一致性：
在移動廣告市場調整期，主動剝離遊戲業務，聚焦平台能力；
- Unity 拒絕併購後，反向加大 MAX 與 AXON 系統打磨投入；
- 自由現金流用於回購，資本使用節奏相對清晰；
未主動追逐 AI 概念，而是圍繞投放效率持續最佳化模型系統。
這些舉措並不激進，但體現出較高的節奏控制力與產品聚焦方向。Applovin 更像是一家以工程效率為核心、持續打磨系統結構的技術型公司。
02｜CrowdStrike：AI 安全的產品化範本
｜商業模式：從 EDR 起步，走向平台型安全系統
CrowdStrike 起步於端點檢測與響應（EDR），通過 Falcon 平台切入企業安全市場。
與傳統安全公司不同，CrowdStrike 從創立起即堅持雲原生架構，採用輕量代理、雲端分析、統一管理的模式。
Falcon 平台基於模組計費，每個客戶可以從基礎安全開始，逐步解鎖更多模組：如身份保護、雲安全、日誌分析等。截至 2024 年底，平台已覆蓋超 28 個功能模組，具備高度組合彈性。
客戶部署起點通常較輕，但通過 “著陸–擴張（land and expand）” 策略逐步擴展，形成持續增值路徑。
這種結構讓 CrowdStrike 具備了 SaaS 平台公司的典型特徵：可預測的訂閱收入、高客戶留存、高 ARPU 提升空間。
｜產品結構：模組即能力，平台即防禦系統
CrowdStrike 賣出的不是一款安全軟體，而是一整套可擴展、即時進化的安全操作平台。
Falcon 各模組構成了其系統性能力矩陣：
EDR/XDR：提供威脅檢測、事件回溯、行為阻斷；
- Falcon Identity：身份攻擊檢測與存取控制；
- Falcon Cloud Security：雲帳戶、容器與 Kubernetes 安全。
- Falcon LogScale：日誌管理，具備 SIEM 替代能力。
- Charlotte AI（2023 起）：生成式 AI 助手，輔助調查與響應。
所有模組共享資料平台，統一介面，無需重複部署。使用場景涵蓋安全營運中心（SOC）、DevOps 流程、IT 管理團隊等全域角色。
｜AI 能力：從檢測模型到全流程 AI 安全協同
CrowdStrike 的 AI 能力分兩階段推進：
階段一：IOA 模型建構威脅識別引擎
- 自創立起即內嵌 AI 檢測模型，用於識別攻擊指標（IOA）；
- 模型運行在雲端，基於數萬億等級遙測資料持續訓練；
- 可檢測零日攻擊、無檔案攻擊與橫向移動等複雜威脅。
階段二：生成式 AI 助手 Charlotte AI
- 2023 年推出，嵌入 Falcon 控制台；
- 支援自然語言提問、攻擊路徑分析、安全事件總結與報告生成；
結合結構化平台資料，支援 SOC 分析師完成快速響應、歸因與修復。
AI 不再是檢測輔助工具，而是嵌入整個安全維運流程的智能引擎，標誌著 Falcon 平台進入 “識別–推理–解釋–響應” 的全流程 AI 協同時代。
｜客戶結構：高留存、大客戶、多模組深化
截至 2025 Q1，CrowdStrike 擁有超 24,000 家客戶，覆蓋多個關鍵行業的財富 500 強企業。
客戶結構特徵如下：
高黏性：Falcon 代理 + 雲控制台深度整合，替換成本極高；
- 高模組使用率：平均使用模組數從 2021 年的 4 個增長至 2025 年的 7 個+；
- 高價值客戶加速：ARR 超 $100 萬的客戶增長快於整體客戶數；
全球化擴展中：美洲為主陣地，EMEA 與亞太增速強勁；
交叉銷售能力強：新模組上線後，老客戶擴容意願高，部署迅速。
CrowdStrike 的客戶營運核心，不是靠低價獲客，而是靠產品縱深和營運連續性實現結構性 ARPU 提升。
｜財務表現：平台效應釋放盈利能力
以下為 2023 Q1 至 2025 Q1 的 13 個季度核心財務資料（單位：億美元）：
拐點與趨勢觀察：
- Charlotte AI 發佈節點（2023 Q2）後 GAAP 利潤逐季加速釋放；
- 自由現金流高位穩定，FCF 利潤率長期維持在 40%+；
- 訂閱結構最佳化 + 模組深度提升 → 盈利質量同步增強。
CrowdStrike 已進入結構型 “高增長 + 高利潤” 平台週期。
｜成長驅動：從多模組訂閱走向平台效應
CrowdStrike 的成長路徑由三大結構驅動：
1）模組擴張效應顯著
- 客戶平均模組數從 4 增至 7+；
- 高 ARR 客戶中，半數部署超過 8 個模組；
- 模組越多 → 留存率、利潤率、ARPU 同步抬升。
2） Falcon Flex 架構上線（2024 Q3）
- 客戶可按需啟動模組，降低前期門檻；
- 縮短銷售週期、提升模組啟動率、增強客戶心智繫結。
3）橫向場景擴展 + 行業拓展
- 日誌模組 LogScale 正衝擊傳統 SIEM（安全資訊與事件管理）市場；
- 身份與雲模組進入 DevOps、安全合規等新預算場景；
醫療、製造、金融等行業與亞太、歐洲市場客戶數加速。
｜競爭位置：一體化、AI 化的第一梯隊安全平台
在企業安全市場，CrowdStrike 不一定最大，但在三類核心維度中具備領先地位：
平台整合度高：模組協同部署，體驗一致性優於 Palo Alto 等收購整合型平台；
AI 應用深度領先：無論檢測精度、響應效率，還是生成式 AI 應用水平；
客戶掌控力強：不同於 Microsoft Defender 等生態型產品，客戶組態自主權高。
其競爭優勢不是價格，而是技術整合 + 交付體驗 + 客戶成功率。
｜創始人基因：平台意識 + 工程化執行
CrowdStrike 於 2011 年由 George Kurtz 和 Dmitri Alperovitch 聯合創立。Kurtz 擁有 McAfee CTO 與 FBI 合作背景，產品風格偏向工程可擴展性。
公司從創立起即明確定位為 “雲原生 + 平台型” 安全廠商，拒絕傳統本地部署路徑。內部將 Falcon 打造為高度模組化、統一資料底座的產品結構，具備 SaaS 化迭代節奏。
在執行層面，CrowdStrike 注重產品、銷售、安全服務之間的配合，客戶留存率與訂閱深度是關鍵衡量指標。平台建構也高度依賴於對 AI 模型與遙測資料的持續打磨。
整體來看，CrowdStrike 的公司風格更接近一家 “安全基礎設施提供商”，而非單點功能軟體公司。
03｜Palantir：從國防分析，到企業級 AI 作業系統
｜商業模式：軟體平台 + 高客單價服務結構
Palantir 起步於美國政府情報系統，後擴展至企業市場，形成 “政府 + 商業” 雙引擎結構。客戶通過長週期合同訂閱 Gotham 或 Foundry 平台，並獲得部署、建模、資料治理等服務。
業務本質是標準化平台 + 嵌入式交付，服務強度高、部署週期長、客單價極高。
2023 年起，公司收入結構向訂閱和平台使用費傾斜：
政府端強調資料融合與建模深度；
- 商業端加速標準化部署，AIP 上線後引入 Bootcamp 模式，縮短簽約週期。
Palantir 不依賴廣告、交易撮合或標準 SaaS 模型，而是建構 “作業系統級平台 + 嵌入式團隊 + 私有化部署” 的商業結構。
｜核心產品：Gotham、Foundry、AIP 三層協同
Palantir 現有三大平台：
Gotham：面向政府機構，用於情報整合、目標建模、作戰模擬；
Foundry：面向企業客戶，覆蓋資料整合、預測建模、流程執行；
- AIP（Artificial Intelligence Platform）：將大模型嵌入業務流程，用於建構私有 AI 工具鏈。
三個平台共享統一的資料權限、建模邏輯和可視化操作底座，支援模組化部署、私有化運行和多語言介面。
AIP 則作為上層 “推理鏈路管理系統”，可組合模型、指派任務、呼叫資料，幫助客戶建構企業級 Copilot。
在製造、能源、醫療等行業中，Palantir 已從 “資料平台” 擴展為 “模型落地工具 + 工作流引擎”。
｜客戶結構：高價值客戶主導，結構演化中
客戶結構分為：
政府端：包括美國國防部、英國 NHS、烏克蘭政府等；
- 商業端：包括空客、現代重工、再保險公司、富國銀行等。
特點：
客戶增長快：截至 2025 年 Q1，商業客戶同比增長超 40%，美國商業營收年化突破 10 億美元。Foundry 與 AIP 成為新簽與續約擴容的主力。
- 客單價高：2024 年客戶近 490 家，年營收約 28 億美元，平均每客戶貢獻超 570 萬美元，遠高於傳統軟體公司。
- 合同週期長：商業合同多為 3–5 年期，政府客戶則以多年期大額合同為主，收入更穩定可預期。
- 平台粘性強：平台深度嵌入客戶權限、語義模型與工作流，形成 “行為繫結 + 資料依賴” 的結構性壁壘。
這是一種典型的 “高起點、快擴容、難替代” 的企業客戶結構，也構成 Palantir 高 LTV（客戶生命週期價值）的底層支撐。
｜AI 能力：從建模工具到企業私有 AI 系統
Palantir 的 AI 技術演進可分為三階段：
階段一：傳統建模工具嵌入
Foundry 與 Gotham 長期支援圖演算法、蒙特卡洛模擬、貝葉斯建模等，側重規則與可視化流程建構。
階段二：內嵌機器學習訓練能力
支援企業在平台中訓練、部署模型，用於供應鏈預測、欺詐檢測、調度與推薦。
階段三：AIP 推出，建構企業私有 AI 系統
2023 年推出的 AIP 支援：
私有大模型部署（LLM）、外掛機制；
- 資料權限封裝與安全審計；
- UI 層建構業務 Assistant，實現自然語言控制、指令執行、程式碼生成。
公司通過 Bootcamp 模式幫助企業試用並加速部署。至 2025 年 Q1，AIP 已簽約超 100 家客戶，成為合同增長的核心引擎。
Palantir 不追求開源或模型參數領先，而專注於建構 “可控、安全、嵌入業務流程” 的 AI 基礎架構 —— 讓 AI 不止可用，而是可部署、可執行、可審計。
｜財務表現：持續盈利，FCF 結構躍升
以下為 2023 Q1 – 2025 Q1 財務資料（單位：億美元）：
拐點簡述：
- 2023 Q1：首次實現 GAAP 盈利；
- 2023 Q4：FCF 躍升，進入履約兌現期；
- 2024 Q4：一次性費用擾動淨利，但現金流表現突出；
- 2025 Q1：淨利潤創單季新高，FCF 維持高位。
Palantir 已從 “線性營收 + 低利潤釋放” 的成長路徑，轉入 “穩定盈利 + 高現金流釋放” 的結構平台階段。
｜成長路徑：企業市場主導的新週期
幾個趨勢明確顯示：Palantir 增長引擎已由政府端轉向商業端。
收入結構最佳化：商業收入佔比從 2022 年的 43% 提升至 2025 年 Q1 的約 50%，逐步擺脫對政府合同的依賴。
- 美國業務高增：美國商業收入 2023 年同比增長 67%，2025 年 Q1 再增 71%，成為最強增長動能。
- 簽約轉化加速：AIP 推出後，客戶簽約週期從數月縮短至數週，Bootcamp 模式成為部署主通道。
- 大單集中爆發：2024 年 Q4 單季簽下 32 份千萬美元以上訂單，合同總額達 8.03 億美元，同比增長 134%。
與多數依賴拉新和補貼的成長公司不同，Palantir 的增長來自老客戶的持續擴容：多數企業從單一場景起步，半年內擴展至多個部門，形成高頻復購與長期合約，LTV 極高。
AIP 的推出，則使 Palantir 從 “項目交付制” 轉向 “平台擴展型”：客戶將更多核心流程遷移至平台，進入一個長期共建、持續演進的合作週期。
｜競爭位置：強系統整合 + 客戶粘性高
Palantir 的直接對手並不多。可比公司如下：
Snowflake / Databricks：資料處理強，但缺乏建模與推理執行；
- SAP / Oracle：流程複雜但產品陳舊，靈活性弱；
- Microsoft Azure / Copilot：模型強但封閉，難以部署私有化 AI 系統。
其護城河主要體現在：
客戶資料、權限、模型深度繫結，不易遷移；
- 模組建構嵌入營運流程，難被覆制；
- 合同週期長，客戶依賴高，平台整體不可拆解。
客戶眼中，Palantir 不再是 “資料工具提供商”，而是 “組織結構的技術延伸”。
｜創始人與企業基因：哲學結構驅動產品設計
Palantir 由 Peter Thiel（投資）與 Alex Karp（CEO）推動創立，團隊同時具有工程、法律、哲學背景。
組織文化有幾個核心信條：
從設計層強調資料主權與權限控制；
- 平台支援全鏈路可解釋性，拒絕 “黑箱 AI”；
- 鼓勵私有部署、模組自治、權限解耦；
- 長期警惕中心化 AI 模型與平台壟斷。
Karp 雖非技術出身，但對產品邊界、資料使用邏輯控制極強。他曾公開表示：
“Palantir 不服務於掌控使用者資料的平台，而要幫助客戶掌握自身智能資產。”
正因這套 “技術非中性” 文化，Palantir 在政府與高敏感性行業中建立了長期信任基礎，也成為少數能在大模型時代提出 “企業私有智能架構” 方案的公司之一。
04｜三家公司對照：三種成長路徑
｜結構差異定位：效率引擎、防禦平台、決策系統
這三家公司走出了三條不同的 AI 成長路徑，分別強化了效率、響應與決策能力。
｜AI 嵌入方式：AI 是否真正成為產品引擎？
三家公司都已將 AI 融入產品主邏輯，不再只是識別工具，而是直接參與客戶使用、決策生成與收入轉化。
Applovin 和 CrowdStrike 已建立 AI 閉環，模型越成熟，商業表現越強；Palantir 則為客戶搭建整個平台，路徑更重，潛力同樣顯著。
｜財務結構與增長路徑：誰已兌現？誰仍在加速？
幾點觀察：
Applovin 是結構最輕的公司，不依賴部署服務，演算法效果直接驅動收入，現金流轉化最快；
- CrowdStrike 平台性最強，訂閱結構與客戶深度帶來長期留存與利潤累積；
- Palantir 合同大、釋放慢，但客戶 LTV（客戶生命週期價值）極高，增長節奏開始從政府轉向企業。
三家公司都已進入 “從估值講故事” 階段過渡到 “結構兌現” 階段，FCF 利潤率均已穩定落入 35–50% 區間，是典型的 “結構跑通 → 利潤釋放” 的組合。
｜護城河與可複製性：技術、資料與客戶路徑的差異
總結幾點：
Applovin 的優勢在於效率優先，但長期壁壘仍在效果領先；
- CrowdStrike 建構了平台型產品結構，客戶離開成本極高；
- Palantir 最大的護城河來自服務深度 + 系統嵌入，是一種組織等級的繫結結構。
路徑不同，結構各異，但它們都為理解成長型公司的演進方式，提供了具像樣本。
05｜延伸思考：成長型公司分析框架
一家成長型公司如果能真正走通，結構上往往會經歷以下幾個關鍵變化：
1）產品與核心能力
- 產品價值主張清晰：客戶為什麼為它持續付費？是否具有不可替代性？
- 技術能力嵌入主軸：AI 或核心技術是否已成為產品結構的一部分，而非附加模組？
- 使用反饋機制明確：產品是否因使用而變得更強？是否具備飛輪結構，形成正向累積？
2）客戶與市場結構
- 客戶結構穩定：是否為高頻、高黏性、高留存的客戶群？是否存在結構性依賴？
- 可擴展性與復用能力：平台是否能橫向擴展到更多客戶、場景或業務路徑？
3）收入與財務表現
- 收入增長路徑穩定：收入是否來自產品結構本身？是否具備可持續性？
- 正向營運槓桿已顯現：是否已實現正現金流？增長是否隨規模放大而改善盈利？
- 單位經濟模型健康：客戶獲取成本與生命週期價值之間的關係是否最佳化？邊際成本是否下降？
4）成長路徑與組織能力
- 增長由產品與結構推動：是否靠產品力與客戶結構自然擴張，而非依賴投放或戰術刺激？
- 創始人與組織穩定：是否由創始人主導？組織是否支援產品演化與方向一致性？
- 具備第二增長曲線：是否已出現新增產品、收入路徑或客戶層級？
5）行業位置與護城河
- 是否形成真實定價權？
- 是否建立起長期壁壘（技術 / 資料 / 組織結構）？是否具備結構性不可替代性？
今天我們討論的三家公司，在巨頭之外，是否真的能長出來，還是未知數。
它們當下的結構路徑，構成了我們分析和持續觀察的基礎。
但更高一層的問題仍然存在：
是否能建構出一個屬於自己的結構？
是否能像彼得·蒂爾在《從 0 到 1》中所說的那樣，逃離競爭、建立不可複製的優勢？ (複利貓的慢思考)