原始标题: AI App Crisis, OpenAI Does Math, Big Nvidia Deal

发布日期: 2026-03-11 | 来源频道: @ai-in-business-v2

📝 深度摘要

1. AI 应用危机：用户留存困境与行业洗牌

现状与数据

根据 Revenue Cat 发布的 2026 年订阅应用报告，分析了超过 75000 名开发者的超过 10 亿笔应用内订阅交易，总计约 110 亿美元的年度开发者收入。数据显示，尽管 AI 应用在变现能力上表现强劲，但长期留存却是致命短板。订阅 12 个月后，AI 应用的留存率仅为 21%，而传统非 AI 应用则高达 30.7%，差距接近 10 个百分点。月度留存同样堪忧，AI 应用为 6.1%，非 AI 应用为 9.5%。更值得关注的是，AI 应用的退款率比传统应用高出约 20%，中位数达到 4.2%，部分 AI 应用的退款率甚至高达 15.6%。

原因分析

主播认为问题核心在于过度承诺与交付不足。许多 AI 应用在营销中夸大其能力，用户下载后发现实际体验与宣传相去甚远，随即放弃。此外，当前用户尝试新应用的习惯比以往任何时候都更频繁，但一旦失望就几乎不会回头。以视频生成工具 Runway 为例，主播曾是早期用户，但体验不佳后再未使用，后来转向 Suno、Higgsfield 等新平台。此外，AI 应用间的竞争极为激烈，用户倾向于不断切换寻找最佳工具，而非长期忠于某一平台。

行业 Adoption 现状

尽管 AI 概念火热，但实际只有 27% 的应用被归类为 AI 驱动，73% 仍是传统应用。Photo 和 Video 类应用的 AI 渗透率最高，达到 61%； Gaming 仅有 6.2%；Travel 更是低至 12.3%——这与 AI 公司普遍将旅行规划作为核心演示用例的现象形成有趣对比。每周订阅模式在 AI 应用中更常见（2.5% vs 1.7%），这反映出开发者试图通过更低门槛的付费周期吸引用户尝试。

变现优势

虽然留存堪忧，AI 应用在变现效率上却领先。中位数下载变现率为 2.4%，高于非 AI 应用的 2%；用户生命周期价值（LTV）也更高，月度中位数达到 18 美元对比 13 美元，年度则达到 30 美元对比 20 美元。这说明用户愿意为 AI 功能支付溢价，但前提是应用能在短期内提供足够价值。

2. ChatGPT 交互式可视化：教育功能的重大升级

新功能发布

OpenAI 宣布为 ChatGPT 推出动态视觉解释功能，支持数学和科学概念的交互式学习。用户不再只是获得静态文本或图表，而是可以直接操纵变量，实时观察方程和概念的变化。例如，探索勾股定理时可以拖动三角形边长，即时看到斜边如何变化。该功能目前覆盖超过 70 个数学和科学概念，包括复利、指数衰减、线性方程、欧姆定律、动能、胡克定律等。

教育意义

这一功能标志着 AI 从单纯给出答案的工具，向辅助学习的教育伙伴转变。OpenAI 数据显示，每周有超过 1.4 亿用户使用 ChatGPT 解决数学和科学问题，占其 9 亿周活用户的相当比例。交互式可视化有望帮助学生和用户更深入理解概念本质，而非仅仅获得解题结果。主播放言，AI 不仅不会让人变笨，反而是绝佳的教育工具，能让人们学习更多、理解更深。

竞争格局

这一方向并非 OpenAI 独有。谷歌 Gemini 也在 2025 年底引入了交互式图表功能，教育领域已成为 AI 巨头竞争的焦点。随着 AI 基础设施持续升级，更多类似功能将逐步普及，AI 教育市场可能成为下一个爆发点。

3. Thinking Machine Labs 超级计算协议：AI 基础设施军备竞赛

交易详情

前 OpenAI 超级对齐团队负责人玛瑞安·玛拉迪创办的 Thinking Machine Labs 宣布与英伟达达成多年战略协议，将部署大规模计算系统。该协议计划于 2027 年启动，部署至少 1 吉瓦（1 Gigawatt）的英伟达 Vera Rubin AI 系统。英伟达同时对 Thinking Machine Labs 进行战略投资该公司成立于去年，已融资超过 20 亿美元，估值超过 120 亿美元。其首款 API 产品 Tinker 已于去年发布。

行业背景

这不是孤例。OpenAI 去年与甲骨文达成了 300 亿美元的计算合作协议。英伟达 CEO 黄仁勋预测，到本十年末，行业将在 AI 基础设施上投入 3 到 4 万亿美元。1 吉瓦的协议规模显示了 Thinking Machine Labs 对其产品前景的高度信心——如此大规模的计算资源部署，意味着公司预计其产品将拥有相当的用户规模和使用需求。

战略意义

Thinking Machine Labs 的定位是构建能产生更可复制、更可靠输出的 AI 模型，这与当前大语言模型容易产生幻觉、不确定输出的痛点直接相关。在 AI 应用层竞争日趋激烈的当下，基础设施层的军备竞赛同样激烈。拥有稳定、强大的计算资源，是未来 AI 公司竞争的基础门槛。

总结与展望

本期播客揭示了 AI 行业的三个关键趋势：应用层面临留存挑战、 教育功能正在被重新定义、基础设施竞争进入白热化。短期看，AI 应用的变现能力强劲，但长期用户粘性仍是难题；ChatGPT 的交互式可视化功能有望重新定义 AI 教育；而 Thinking Machine Labs 的超级计算协议则预示着未来 AI 竞争将更加依赖底层资源。对于从业者而言，打造真正有用、能兑现承诺的产品，比单纯追逐 AI 概念更为重要。

📺 播客地址

播客时长: 19分钟