AppLovin同時跨足手遊、軟體,靠「飛輪策略」循環吸金!但為何一上市就出師不利?
AppLovin同時跨足手遊、軟體,靠「飛輪策略」循環吸金!但為何一上市就出師不利?

又有一間遊戲公司加入上市的資金列車!2011年創立的美國手機遊戲公司AppLovin在4月15日在美國那斯達克上市,雖然首日出師不利,收盤價比發行價還下跌18.5%,但估值仍突破200億美元大關。

同樣瞄準手機娛樂產業, AppLovin看到的商機並非遊戲本身,而是讓許多玩家恨得牙癢癢的廣告 。因此雖然AppLovin營收有七成來自遊戲,嚴格來說,他們並非「遊戲公司」。

「自從我們投入手遊產業,我們看到人們平均每天花在手機上的時間大約4到5小時,而 手機App則是最容易上手、進入門檻最低的娛樂形式,同時也是最佳商機切入點 。」執行長Adam Foroughi接受CNBC專訪時分析。

applovin
Applovin執行長Adam Foroughi。
圖/ 截圖自YouTube

具體而言,AppLovin主要營收來源可分為企業與消費者兩端:在消費者端,旗下超過200款遊戲App,收取玩家購買遊戲內虛擬道具的「課金」費用。而在企業端,同時這些遊戲App也是廣告內容平台,向廣告主收取費用。

延伸閱讀:任天堂與Pokémon Go開發商攜手,推新款AR手遊!能再次掀起「走路旋風」嗎?

非典型手遊公司,「飛輪式」策略幫遊戲公司變現

但AppLovin主力產品其實是提供給遊戲開發商,提升其變現能力與行銷能力的工具軟體 。主要解決方案包括: 「AppDiscovery」行銷軟體能媒合遊戲開發商與廣告主,透過機器學習的人工智慧,提高客戶App的能見度;「MAX」導入「應用程式內競價(in-app bidding)」廣告模式,向出價最高的廣告伺服器取得廣告,達到廣告版位收益最大化;「Compass」則是MAX的分析工具,提供客戶測試成效。

Applovin
圖/ Applovin

從自建App、收取廣告費用,到提供強化廣告與行銷成效的工具軟體,合而為一就成為AppLovin獨有的「飛輪式」策略 :只要AppLovin自有App的廣告成效愈好,自然廣告主就願意提高廣告經費,並且吸引更多手機App開發商起而效尤。在此同時,AppLovin就能獲得更多元的廣告投放資料,讓市場分析工具更加精準,帶來更多的企業端客戶。

要啟動飛輪,就必須要有動能,而玩家就是這台飛輪的動能。AppLovin積極併購遊戲與技術開發商,藉以擴大玩家與技術版圖。自2018年至今已經,完成15次的併購行動。外界預期,這次IPO所獲得的資金,AppLovin將加速購併工作。事實上就在上市後第一周,收購德國手遊發布與分析平台Adjust,看中的就是這家公司既有的業務網絡。

為何一上市遭滑鐵盧?財務、公司治理都有隱憂

但為何上市第一天,AppLovin會以幾乎20%的跌幅作收呢?科技分析師Leo Sun在財經網站Motely Fool上撰文寫出不看好AppLovin後續表現幾大原因:

  • 1、缺乏領先地位: AppLovin不論在廣告工具或是手遊市場均非領先者,先不論已是一片紅海的手遊市場,即便在具有優勢的企業端,真正領現市場的並非AppLovin,而是同樣在美國上市的Unity Software,甚至還獲得新股神Cathie Wood的青睞,持續加碼。

  • 2、營收成長放緩: 雖然自2016年到2020年,AppLovin的營收維持以76%的年均複合成長率的速度擴大版圖,但是在2020年成長幅度卻是46%,與19年的106%相比遜色不少。

  • 3、淨損持續擴大: 另一個讓營收數字黯然失色的原因,則是來自Apple Store與Google Play兩大平台,高達30%的交易費用抽成。再加上AppLovin大幅透過購併擴張,自2018年至今,就投入10億美元在15次的購併案中。

  • 4、新的隱私政策: AppLovin的商業模式大量仰賴廣告,而廣告成效好壞相當程度取決於追蹤用戶行爲。但如今的網路世界已經走向縮緊隱私政策,使得未來的環境對於AppLovin將相當不利。

  • 5、債台高築: 攤開財務報表,AppLovin負債已經逼近16億美元,利息費用也逐年增加,從2018年的4.8億美元、19年的7.4億美元,到20年來到7.7億美元。以20年仍是營業淨損高達1.26億來看,債務恐怕會是一大問題。

  • 6、專制的股東投票制度: 從公司治理角度來看,也有隱憂。這次上市發行的是具有投票權的Class A股份。但是公司高層與早期投資者所持有的Class B股份,卻有20倍的投票權。而其中72.4%的Class B股份落在AppLovin大股東,全球第三大私募股權基金KKR手上,換句話說,散戶股東除非賣掉股票,不然對公司管理階層的影響力幾乎為零。

延伸閱讀:半數玩家不超過13歲!Roblox如何靠遊戲收服青少年,估值逼近300億美元?

簡而言之,雖然「內容結合工具」的商業模式,具有自帶動能的好處,但為了推動飛輪,必須大量擴充自有App內容與購併活動,讓這套商業模式既是優勢也是負擔,也讓這次IPO不只是一次擴張行動,更是延續公司營運的救命丹—— 但如果操作失當,營運不見起色,恐怕也將加速資金退潮

到底是手遊商機能否持續推動AppLovin,在資金市場乘風破浪,還是會因為債務問題與隱私政策等逆風打落水中?儘管目前市場似乎並不看好,就看銀彈已經到手的AppLovin,能否以此為基礎,打出更多兼具消息面與基本面的決策。

資料來源:CNBCSECThe Motley Fool

責任編輯:文潔琳、錢玉紘

關鍵字: #app #手遊
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓