当众多游戏公司尚在摸索如何整合人工智能时，广告科技巨头AppLovin已先行一步，通过AI技术全面革新其运营模式。
近期，AppLovin的首席执行官亚当·福鲁吉（Adam Foroughi）在《20VC》播客访谈中透露，公司多个部门在过去几年中经历了40%至50%的大规模裁员，例如人力资源团队就从80人锐减至15人。
福鲁吉甚至直言不讳地指出，如果一个团队未能适应AI趋势，那么公司可能需要“彻底重塑该组织”。
值得注意的是，此番激进的变革并非源于企业面临困境，恰恰相反，AppLovin近年来一直是全球增长最快、盈利能力最强的广告技术公司之一，其市场估值已突破1600亿美元。
据访谈中披露的数据，AppLovin年收入已达到54.8亿美元，EBITDA利润率超过80%。在推出Axon 2.0广告模型后，公司收入同比增长了70%，而员工规模却几乎没有显著扩张。福鲁吉本人也戏称：“许多人看到这样的财务结构，会怀疑我们是否在作弊。”
这或许是游戏广告行业首次清晰地认识到，AI的真正影响并非仅仅在于提升工作效率，而是从根本上改变了企业对人力资源需求的逻辑，从而颠覆了传统公司的结构模式。
在访谈中，福鲁吉多次提及“AI原生公司”这一概念。他所理解的AI原生并非简单地为员工配备ChatGPT等工具。
他认为，当AI深度融入公司核心运营流程后，许多既有的组织结构可能已经无法适应当前效率至上的逻辑。
福鲁吉明确表示，如果某个岗位未来很可能被自动化替代，或者某个团队长期无法与AI协同，那么公司就应该考虑“重建该组织”。
他指出，许多企业面临的真正问题并非“AI能力不足”，而是内部存在大量“阻碍AI化”的人员和流程。
福鲁吉强调，AI并非仅仅会取代员工，而是正在使许多曾被认为是理所当然的组织结构变得低效。
他透露，在过去几年里，AppLovin的许多部门都经历了40%至50%的人员精简，公司甚至没有首席营销官、首席运营官或首席产品官等高管职位。与此同时，公司营收却保持高速增长。他认为这不仅仅是“降本增效”，更像是推动公司进入一种新的运作模式：促使团队更加自动化、更依赖高素质人才、更适应AI协作的新常态。
这种逻辑正日益明显地渗透到游戏广告行业。过去，手游买量行业之所以会形成庞大的素材团队、用户获取执行团队、中台运营、广告优化师以及外包产能，很大程度上是因为广告创意和内容迭代本身属于“高人力消耗型工作”。
然而，当AI能够自动生成素材、批量测试创意、分析投资回报率、生成文案并迭代广告版本之后，许多中间层级被直接压缩。行业真正需要的不再是“更多执行人力”，而是更少但更精通策略、更擅长AI协同的人才。
在组织结构之外，福鲁吉还在访谈中阐述了他对“AI使用方式”的独特见解，这同样是另一个核心观点。
他观察到，当前许多公司内部出现了一种危险的趋势：将“Token消耗量”作为关键绩效指标（KPI），认为使用AI越多、生成内容越多、Token运行越多的团队就“越AI原生”。
但福鲁吉认为，这是一个非常错误的导向。
尽管AppLovin内部“80%-90%的代码”已由AI辅助生成，但他强调，真正重要的并非“AI生成了多少代码”，而是这些代码是否真正创造了商业价值。他警告说，如果企业仅仅追求AI生成比例，最终只会产生大量的“AI垃圾”。
这一观点与过去几年游戏买量行业经历的一次变革如出一辙。长期以来，许多团队曾盲目相信：素材数量越多越好、视频版本越多越好、测试规模越大越好、广告覆盖越广越好，导致行业一度陷入“素材海战术”阶段。
然而，后来业界逐渐认识到，真正决定投资回报率的，往往并非“生成了多少内容”，而是能否产生真正有效的创意，能否在有限时间内抓住用户情绪，实现转化并提升用户生命周期价值（LTV）。
当AI使“内容生产成本”趋近于零时，行业中最稀缺的资源不再是“生产内容的能力”，而是“判断哪些内容值得被生产”的能力。
这也是福鲁吉反复强调的原因：AI真正应该优化的，不是“Token使用量”，而是实实在在的业务成果。
在这次访谈中，福鲁吉还提出一个对游戏行业极具启示性的观点：当今的信息流广告正从“营销工具”转变为“消费内容”。
他指出，如今Instagram上许多广告已越来越难以与普通内容区分开来。尤其是在推荐算法不断强化的背景下，平台不再仅仅是“将广告推送给潜在需求者”，而是直接参与到用户兴趣的塑造中去了。
福鲁吉甚至提到一个关键变化：即便平台不了解你的具体身份，它仍可能通过推荐算法，精准地将你真正想要购买、点击或停留的内容推送至面前。在谈及TikTok时，他更是对这款应用的推荐算法引擎赞不绝口。
所有这些变化都表明，推荐算法正在快速模糊“广告”与“内容”之间的界限。
过去，广告更像是一种“打断用户”的行为；但如今在信息流平台上，广告越来越像是“用户乐意继续观看的内容”。
对于游戏行业而言，这一点尤为重要。
因为过去几年，游戏买量本身就越来越趋向于“内容化”。从策略类游戏（SLG）的副玩法广告、可玩广告，到短剧情广告、AI生成素材，许多游戏广告的目标早已不仅限于“告知用户这是什么游戏”，而是首先要抢夺用户的注意力。
可以说，游戏行业是最早适应“广告内容化”趋势的行业之一。而现在，AI短剧、互动视频、AI内容工业化等进一步加速了这一进程。
这也促使一个日益明显的趋势浮出水面：未来用户消费的，可能不再是单纯的“广告”或“内容”，而是所有能够被推荐算法成功推送并吸引用户停留的事物。
在讨论AppLovin的Axon广告模型时，福鲁吉反复强调了一点：他们并不完全清楚模型内部是如何做出判断的。
很多时候，团队只能看到结果——例如投资回报率提升了、转化率提高了、用户质量变好了；但模型为何能够实现这些优化，即使是工程师也无法完全解释。
在某种程度上，这与当前大型模型行业中常提及的“黑盒AI”概念非常相似。
在过去很长一段时间里，游戏买量行业本质上遵循的是一套“人类可理解”的优化逻辑：哪些素材的点击率更高、哪些文案更容易转化、哪些用户更有价值、哪个时间段的投资回报率更稳定。
许多优化师的核心价值，本质上在于“理解规律”。然而现在，这种对规律的理解正越来越多地转移到AI模型本身。
随着AI模型的日益复杂，广告系统正进入一个新阶段：系统不再仅仅是“执行人类的策略”，而是开始自主探寻规律。
福鲁吉提到，当前许多广告效果的提升，并非团队预先设计，而是模型在海量数据中发现了某些人类根本无法察觉的模式。
这意味着，未来广告行业的竞争，可能会越来越趋向于一种“算法黑盒竞争”，比拼的是谁拥有更多数据、模型训练更强大、反馈循环更快，以及谁能持续优化推荐结果的能力。
AI真正改变的，可能从来不仅仅是“广告效率”，而是整个互联网获取用户、生产内容、分发注意力的方式。而游戏买量行业，或许只是最先被AI彻底重构的领域之一。