4月的最后一周◈★，OpenAI发布了他们最新的图像生成模型GPT Images 2.0◈★。在演示中◈★，GPT Images 2.0展现了非常恐怖的出图能力◈★。这款新模型不仅能够快速地解读复杂指令◈★，几分钟就能完成数百字的文本解析◈★，更重要的是生成结果与数百字的提示文本展现出了惊人的一致性◈★，能够精准地分辨出哪一部分提示词是用户需要的“审美风格”◈★，哪一部分提示词是用户需要的“填充文案”◈★，生成直接可用的传播物料◈★。

　　所以产品发布后◈★，无数人开始感叹这是彻底革了美工和设计师们的命◈★。科技媒体Geeky Gadgets在测评后盛赞GPT Images 2.0“再次突破了AIGC的界限”◈★。

　　不过严格来说◈★，这一切都没有什么值得意外的◈★。OpenAI作为人工智能领域里估值最高◈★、人才最多◈★、资源最好的巨头◈★，理应扮演这样的角色◈★。真正让GPT Images 2.0成为硅谷焦点的◈★，其实是演示视频里的“人”◈★。

　　在视频中除了开场的萨姆·奥特曼◈★，四名负责讲解产品的工程师一字排开都是“亚洲面孔”◈★，其中有三个都是华人◈★，他们分别是项目技术负责人陈博远（Boyuan Chen）◈★、机器学习研究员加布里埃尔·吴（Gabriel Goh）◈★、Luma AI的联合创始人余思贤（Alex Yu）◈★。

　　这一幕传递出的信号很清晰◈★：在AI产业中女神教典◈★，华人技术人才已经不只是执行者◈★，而是站在核心位置的一群人◈★。更命运使然的是◈★，几乎在同一时间◈★，华人的硅谷故事还在另一个层面被进一步放大——

　　近日◈★，美国广告营销巨头AppLovin宣布◈★，自2026年7月1日起现任首席产品及工程官葛小川（Giovanni Ge）将成为AppLovin的下一任全球首席技术官(CTO)——届时◈★，葛小川将成为硅谷极少数进入核心决策层的华人◈★，也是目前硅谷少数同时具备“核心技术能力”和“组织决策能力”的技术负责人之一◈★。截至5月6日◈★，AppLovin的最新市值为1576亿美元（约合人民币10727.7亿元）◈★。

　　如果说OpenAI展示的是“谁在做AI”◈★，那么AppLovin的这次任命◈★，则指向另一个问题◈★：

　　首先需要明确的一个事实是◈★，在葛小川之前硅谷也并不缺乏“华人高管”◈★。前OpenAI多模态后训练研究负责人毕树超◈★、领导Meta超级智能实验室的汪滔◈★，时间线向前延伸还包括在微软和雅虎都担任过执行副总裁的陆奇◈★、Netscreen联合创始人邓锋等等◈★。他们的年龄从60后跨越到90后◈★，称得上一句“从未缺席”◈★。

　　但如果仔细复盘这些故事◈★，其实很容易发现“华人高管们”的上升路径有些过于雷同了◈★。华人高管主要通过“技术能力”进入高层◈★，而非直接参与核心决策◈★。比如陆奇之所以能够出任微软执行副总裁◈★，是因为他在雅虎期间从一线工程师干起◈★，一手开发了雅虎自己的搜索引擎以及后续的搜索广告技术——在微软看来◈★，邀请这样的人才加入有助于帮助他们在线上业务方面和谷歌展开竞争◈★。比如汪滔之所以能够领导Meta超级智能实验室◈★，是因为其一手创建的Scale AI◈★，是目前用户数量最大◈★、涉及领域最多的数据标注公司——在Meta看来J9九游会中国◈★，想要彻底在大模型竞争中扭转颓势◈★，赢得自己的一席之地◈★，就必须争取到这样的资源◈★。

　　聪明◈★、勤奋◈★、专注◈★，愿意啃下“难但有开创性”的技术领域◈★，这就是绝大部分华人高管何以为“高管”◈★。饶是苏姿丰◈★、黄仁勋◈★、陈立武也绕不开这层叙事◈★，毕竟在绝大部分时间里半导体就是一个应用场景局限◈★、研发投入占比过高◈★、严重依赖国家扶持的战略性产业◈★。哪怕是在2014年到2018年这5年间◈★，全球最大的21家半导体设计◈★、制造◈★、封测企业也无一例外全部都在积极争取政府资金支持◈★，累计超过500亿美元——这样的行业◈★，太需要“华人特质”了◈★。

　　而这也是葛小川备受瞩目的核心原因◈★。一家万亿市值的成熟公司决定聘用一位华人高管进入“核心决策”层◈★，而非“技术执行”层◈★，这简直太反直觉了◈★。

　　不由得让我想起黄仁勋最近那段爆火的视频切片里◈★，他言辞犀利地指出中国拥有世界上“最充裕的能源”和“最庞大的研究人员库”◈★，完全有能力解决包括算力短缺在内的一切问题——人工智能竞争的核心变量之一◈★，是人才规模与结构◈★。

　　因此◈★，即使黄仁勋女神教典◈★、苏姿丰◈★、陈立武为代表的华人面孔已经占据了半导体的半壁江山◈★，即使李飞飞◈★、毕树超◈★、贾洪钟◈★、汪滔为代表的华人面孔已经成为了大模型研发的中坚力量◈★，华人在科技创投领域的影响力仍然是被严重低估的◈★。

　　2005年也许是葛小川人生最值得骄傲的一年◈★。因为这一年他进入了“中科大少年班”◈★，成为了名副其实的“天才少年”◈★，是标准意义上的“别人家的孩子”◈★。但葛小川并不开心◈★，因为他不知道自己想要做什么◈★。之所以选择了“凝聚态材料物理（condensed matter materials physics）”这个专业◈★，只是因为当时“成绩好的孩子都会选物理或者数学”◈★。他不确定自己是否对物理真的感兴趣◈★，也不知道学习物理之后未来会从事什么样的工作◈★，对未来的一切都很“困惑”◈★。

　　更重要的是◈★，他感受到了前所未有的压力◈★。葛小川从小就是人们口中的“聪明孩子”◈★，他也曾经很享受这样的夸奖◈★。但到了中科大的校园里◈★，“聪明孩子”开始扎堆出现◈★，这句夸奖悄然变成了一种负担◈★，葛小川开始忍不住思考自己是否需要证明“自己值得这个称号”◈★。

　　后来葛小川回中科大进行分享的时候◈★，他回忆◈★，进入中科大的第一感受并不是兴奋◈★，而是一种轻微的错位感——他开始意识到◈★，自己并没有想清楚要走哪条路◈★。

　　现在回看◈★，这大概就是葛小川第一次意识到“迷茫”◈★。更准确地说女神教典◈★，是第一次意识到自己需要去试——去试不同的方向◈★，用真实的反馈告诉自己“这条路对不对”◈★，而不是沿着别人画好的直线往前走◈★。

　　大学毕业之后◈★，大部分同学都选择前往美国继续深造◈★，葛小川却去了欧洲◈★。他在意大利国际高等研究院拿到了凝聚态及材料物理学博士学位◈★。选择欧洲的理由是◈★，这里文化更多元◈★，或许能帮自己“接受更多的可能性”——这是他第一次主动跳出主流路径◈★，试试看视野会不会不一样◈★。

　　博士阶段◈★，他又把研究方向从凝聚态物理转向了计算物理◈★，物理的底子还在◈★，但更多时间花在写代码和建模型上试——这是他第二次尝试◈★，试试看自己是不是真的喜欢写代码◈★，往工程和应用的方向靠会不会更对◈★。

　　加入Meta的时候◈★，葛小川已经30岁了◈★。在此之前◈★，他已经在贝莱德（BlackRock）和Uber工作过一段时间◈★，也接触了机器学习的相关业务◈★。而Meta这份工作◈★，其实是他毕业之后第一次深度参与到推荐算法为基础的效果广告系统中◈★。

　　效果广告和单纯的信息流推荐不一样◈★，信息流还涉及很多产品层面的特征◈★，有时候推荐本身不需要做到极致◈★，产品设计得好也能拿到好结果◈★。但效果广告“真的就是真枪实弹地考验推荐算法到底有多好”◈★，模型好不好◈★，收入和用户反馈说了算◈★，没有地方可以躲◈★。他后来说◈★，去Meta之前自己还是一个“比较注重生活和工作平衡的人”◈★，那三年“彻底沦为了一个工作狂”◈★。

　　更重要的变化发生在认知层面◈★。在Meta◈★，他开始把此前十年攒下的各种东西拼到了一起——物理训练带来的建模直觉◈★、计算物理的工程方法◈★、在贝莱德（BlackRock）和Uber积累的基建经验——然后看清楚了一件事◈★：一个技术决策是怎么一步步传导到商业结果的◈★，一个团队的组织方式又是怎么反过来影响技术决策的◈★。

　　从这时候开始◈★，他养成了一套自己的判断习惯◈★：不追风口女神教典◈★，不堆指标◈★，在一个完全不确定的环境里反复做判断◈★，拿到反馈◈★，再回头修正◈★。他开始学会不只看“模型本身的正确”◈★，而是看“这件事在整个系统里对不对”◈★。

　　但瓶颈也随之而来◈★。Meta太大了◈★，品牌太强◈★，组织太成熟◈★。他看到了自己在Meta事业发展的天花板◈★，希望去一个“能做更多决定◈★、承担更多风险和责任◈★，并拿到结果的地方”◈★。他聊过早期的初创公司◈★，想过自己去创业◈★，也接触过几家像AppLovin这样已经上市但业务上核心技术遇到瓶颈的公司◈★。

　　打动他的原因有两个◈★。第一个◈★，是AppLovin业务里遇到的技术瓶颈正好是他最擅长的◈★。面试的时候◈★，他问当时的CTO一个最简单的问题◈★：“你们现在最大的痛点是什么？”对方花了五分钟跟他解释当时算法里遇到的种种痛点◈★，想解决的问题解决不了◈★，想达到的效果达不到◈★。听完之后他跟对方说◈★：“我的技能是有限的◈★，不是所有东西都会◈★，但是你现在面临的这个问题◈★，我非常擅长解决它◈★。”

　　第二个原因更关键◈★。在加入之前◈★，他和公司高层有过交流◈★，觉得大家的价值观◈★、看待问题的方式甚至性格都很有共鸣◈★。他这样描述那种感受◈★：大家有什么想法都会非常坦诚地交流◈★，而不是像大厂一样“说一句话需要反复揣测才能知道真实意思”◈★。他自己是一个追求效率的人◈★，不希望在一些非核心工作之外的地方浪费太多时间◈★。AppLovin的文化跟他想要的特别接近◈★。

　　后来的故事◈★，如今超过一万亿元的市值已经给出了回答◈★。但葛小川自己在访谈里说过一段话◈★，或许更能解释这三年到底发生了什么◈★。他说◈★，大家总以为完成一件很难的事◈★，背后一定有一两个关键决策做对了◈★。但在现实里不是这样的◈★。“一个很困难的东西◈★，它之所以成功◈★，其实是每一天都要经历几十个甚至上百个micro decision◈★，当把这所有的决策都做好◈★，或者说你做了更多正确的选择◈★，日积月累之后◈★，就会把困难的问题解决得比别人更好◈★。”

　　从这个阶段开始J9九游真人游戏第一品牌◈★，葛小川的能力不再只是“把技术做好”◈★，而是在不确定中做判断◈★，并让判断转化为结果◈★。这也是为什么他能够从技术角色J9九游会中国◈★，走到真正参与公司决策的位置◈★。

　　还有一个场景◈★，或许能说明这家公司的做事方式◈★。去年5月◈★，团队正在讨论要不要启动电商业务◈★，其中涉及一个核心技术问题——归因引擎该怎么设计◈★。当时葛小川和CTO◈★、负责数据的VP正好在拉斯维加斯参加Google的一个会议◈★。三个人在酒店餐厅吃早饭◈★，等餐间隙◈★，就开始讨论这个问题◈★。手边没有草稿纸◈★，就拿起餐巾纸在上面画图J9九游会中国◈★，菜上来之前把思路理清楚了◈★。他赶紧吃完饭回宾馆写代码◈★。那个周末结束◈★、回到湾区的时候◈★，第一代电商归因引擎已经做好了◈★。

　　这就是葛小川在AppLovin的状态◈★。成功不是一个瞬间的灵光一现J9九游会中国◈★，而是一个判断接着一个判断的紧凑节奏◈★，反复验证自己一直追求的第一性原理到底靠不靠谱◈★。后来的任命证明J9九游会中国◈★，它靠谱◈★。

　　换句话说◈★，成为CTO◈★、进入AppLovin的核心决策层◈★，对于葛小川来说是一个必然的结果◈★。从这个角度看◈★，他并不是传统意义上的CTO◈★，更接近于一个用技术做决策的人◈★。在4月官宣最新任命决定的时候◈★，AppLovin也非常明确地提及“自2022年11月加入AppLovin以来◈★，葛小川曾担任过多个高级工程职位◈★，领导了Axon 2.0的开发◈★，目前负责公司的工程和产品团队◈★，这使得他能够自然而然地过渡到首席技术官一职◈★。”

　　当然这个问题也并不难回答◈★。正如葛小川在一些采访中提到的◈★，当年他加入的AppLovin是一家业务陷入瓶颈的公司——实际上自成立以来AppLovin始终在求变◈★。

　　AppLovin成立于2012年◈★，最早是一款游戏社交产品◈★。用户们可以在这个平台上互相邀请朋友尝试自己喜欢的游戏◈★。随着用户量的增加◈★，AppLovin也成为了游戏行业最重要的营销平台之一◈★。2018年◈★，随着智能机普及带动手游市场的快速崛起女神教典◈★，AppLovin进行了成立以来的第一次重要战略转型◈★，组建了自己的游戏发行部门Lion Studios ◈★，并收购了Machine Zone和PeopleFun等游戏工作室◈★，成为了游戏开发者j9九游会官方网站◈★，◈★。

　　2020年AppLovin开始筹划第二次转型◈★。这一年AppLovin的年化收入已经超过了10亿美元◈★，日活用户3亿◈★，并且保持了两位数百分比的高速增长◈★。然而那段时间◈★，Facebook◈★、苹果◈★、亚马逊◈★、Netflix◈★、谷歌也逐渐开始重视“私域流量”的运营◈★，纷纷开发了自有的广告营销平台◈★，这对AppLovin带来了非常直接的增长压力◈★。因此AppLovin先是推出了自己的广告营销平台MAX◈★，此后又收购了营销系统Adjust以及推特的自动化广告交易平台MoPub◈★，尝试摆脱“游戏”这个单一标签J9九游会中国◈★，升级为面向全品类的广告营销平台◈★。本质上◈★，这三步补齐了广告系统的核心要素◈★：流量◈★、数据和定价能力◈★。

　　从结果来看◈★，这些押注是成功的◈★。2021年◈★，AppLovin完成IPO◈★，成为了一家纳斯达克上市公司◈★。AppLovin创始人亚当·福鲁吉（Adam Foroughi）在接受CNBC的采访时如是描述公司的转型目标◈★：“我们拥有一个面向应用开发者的技术平台◈★，旨在帮助他们发展壮大◈★，提升应用的曝光度◈★。而为了改进软件◈★，我们需要的是自有受众洞察◈★。我们想要获得关于我们所观察到的受众的第一方数据……我想◈★，最恰当的类比或许是Netflix如何利用其平台上的数据推出个性化推荐J9九游会中国◈★。如今◈★，我们只是在新媒体形式中复制了同样的成功模式◈★。”

　　2022年◈★， AppLovin开始了第三次的战略转型◈★。这一年AppLovin推出了初代AXONj9九游会官网登录入口◈★，◈★。AXON的定位是人工智能驱动的广告引擎◈★，利用机器学习（ML）进行广告定向◈★，从而提升了广告活动的效果和效率◈★。而葛小川加入后的主要工作则是主导AXON2.0的开发◈★，从零开始搭建一个新的广告推荐算法和平台◈★，进一步提高广告投放在公司营收层面的占比◈★。这意味着公司开始从“流量驱动”转向“算法驱动”◈★。

　　从结果来看◈★，AppLovin对葛小川的押注也是成功的◈★。AppLovin在当地时间2026年5月6日公布的最新财报中透露◈★，在过去一个财年AppLovin的营收增长远超预期◈★，净利润增长至12.06亿美元◈★，同比上涨达到109%◈★。参考今年3月公布的上一份财报显示◈★，其中Axon2.0为核心的人工智能驱动业务创造了8.36亿美元的净利润◈★，较去年同期增长92%◈★。基于这样的表现◈★，AppLovin正在推动大获成功的Axon2.0引擎应用到汽车◈★、保险等非游戏领域当中◈★，以激活更大的市场潜力◈★。

　　在这一前提下◈★，如果AppLovin想要继续保持人工智能业务方面的竞争力◈★，继续推动AppLovin向一个不拘泥于游戏的全品类营销平台转型◈★，巩固自己在广告领域的领先地位◈★，那么葛小川的确是一个安全且理性的选择◈★。

　　当然正如前面所提到的那样◈★，AppLovin也远不仅仅期待着葛小川成为“技术带头人”◈★。在过去的很长一段时间里◈★，葛小川非常热衷于思考“团队”与“价值观”的话题◈★。最有代表性的一个观点出现在一年前的一次播客访谈里◈★，当时他说“我觉得这个世界上没有任何一个技术是技术本身◈★，其实技术的背后是人和文化◈★。今天你可以把Google的算法◈★，复制一份◈★，然后搬到另一个公司去◈★。六个月之后女神教典◈★，这个公司也不可能和Google一样◈★，因为人和文化对一个产品的影响是最深远的◈★。”

　　在前不久刚刚结束的Google Next上◈★，葛小川也分享了这样一个案例◈★：一年前◈★，Axon2.0的模型推理系统还建立在一个相对简单的架构上◈★，也就是每块GPU同时承载多个模型◈★。这种架构虽然方便自动扩缩容◈★，但问题也很明显◈★：GPU利用率偏低◈★，而且GPU消耗量在每个季度之间快速增长◈★。因此女神教典◈★，团队决定彻底推翻原有架构◈★，从头重建◈★。

　　在新的设计中◈★，他们采用了单模型独占GPU的架构◈★，从而实现更好的缓存优化和上下文管理◈★。团队用Python编排工作流女神教典◈★，以提升实验和迭代效率◈★；同时通过pybind绑定原生C++进程◈★，绕过 Python全局解释器锁带来的瓶颈◈★。他们还构建了一套模型生命周期管理系统◈★，用于统一管理模型控制与版本演进◈★。而要支撑这样一套架构◈★，需要非常强大的扩缩容能力和可靠的网络路由能力——Kubernetes正好提供了这些关键能力◈★。

　　最终的结果非常显著◈★：新的推理服务上线%◈★；整体GPU消耗减少了一半◈★；推理延迟也显著下降◈★。而团队并没有停留在“更省资源”这一层面◈★，而是把节省出来的延迟预算重新投入到更大规模的模型上◈★，进一步提升了业务效果◈★。

　　本质上◈★，这是通过工程优化提升ROI◈★，而不是单点技术突破◈★。更重要的是◈★，这种优化并不是一次性的技术突破◈★，而是一套持续做出正确决策的能力◈★。

　　葛小川对这样的成果非常骄傲◈★，但他强调自己最感慨的并不是“技术层面”的突破◈★，而是他们以“一支极其精干的团队运营着一个真正意义上的超大规模系统”◈★。在葛小川看来◈★，这正是“正确的基础设施合作伙伴关系所能带来的价值”◈★。

　　这不是一次单纯的工程优化◈★，而是葛小川作为技术管理者的典型能力◈★：在成本◈★、效率◈★、延迟和模型规模之间做取舍◈★，并让一个精干团队支撑超大规模系统◈★。