阿波罗首席经济学家泼冷水：除科技巨头外，AI 的财务回报接近于零

过去两年，企业界对 AI 的叙事几乎是单向的：不投就落后。但一份来自阿波罗全球管理公司首席经济学家的报告，给这股热潮泼了一盆冷水。他盯住的不是科技巨头，而是“标普 493”——标普 500 里剔除七大科技公司之后的绝大多数美国企业。

一分钟速览

• 阿波罗首席经济学家托尔斯滕·斯洛克发布报告，聚焦标普 493。
• 结论：除科技行业外，美国大型企业的利润率和人均收入基本持平。
• 没有证据表明 AI 正在提升这些企业的生产率。
• 斯洛克称，AI 对美国科技行业以外的企业“零财务回报”。
• 他的判断是：AI 是很好的计算器，但商业决策主要靠判断力。

标普 493 是什么

标普 500 里有七家市值巨大、AI 投入最激进的科技公司：Alphabet、亚马逊、苹果、Meta、微软、英伟达和特斯拉。把这七家剔除，剩下的 493 家，才更能代表“普通美国企业”。

斯洛克发现，这 493 家公司的利润率和人均收入看起来是平的，没有证据显示 AI 改善了生产率。换句话说，AI 投资在财报上还没有变成可测量的回报。

这个结论并不让人意外。AI 的收益往往先出现在科技公司的收入里——卖芯片、卖云、卖模型——而不是出现在传统企业的成本结构里。后者需要重构流程、培训员工、清理数据，这些都需要时间。

“零财务回报”是怎么得出的

斯洛克的判断基于一个简单的观察：如果 AI 真的提升了生产率，那么人均收入应该上升，利润率应该改善。但标普 493 的数据没有出现这种变化。

他并不认为这只是“非科技公司慢了一拍”。相反，他怀疑企业很难把“越来越便宜的智能”转化为更高的收入增长和更高的利润率。

他的原话很锋利：“AI 可能是一个很棒的计算器，但在商业中，智能主要是判断力。”他进一步解释，AI 不理解问责、信任、文化、潜规则、伦理权衡和公平，而这些因素塑造了声誉风险，最终驱动收入增长和利润率。

为什么“便宜”不等于“赚钱”

AI 让生成文本、图片、代码的成本大幅下降。但成本下降不等于利润上升，因为企业卖的不是“智能”，而是被智能改善过的产品和服务。

举个例子：一家保险公司用 AI 写理赔说明，单份成本从 20 元降到 2 元。但如果理赔流程、审核权限、客户沟通方式不变，省下的 18 元可能被新增的复核环节吃掉。真正的收益，来自重新设计流程，而不是把 AI 塞进旧流程。

这也是为什么很多企业的 AI 项目停留在试点：技术部门能证明“模型能做什么”，业务部门却无法证明“这能带来多少利润”。

科技巨头为什么不一样

科技巨头既是 AI 的使用者，也是 AI 的卖家。它们可以把算力卖给其他公司，把模型能力打包进云服务，把 AI 功能变成订阅费。对它们来说，AI 的回报直接体现在收入端。

而标普 493 大多是 AI 的买家。它们要付算力费、软件订阅费、咨询费，还要承担员工培训和流程改造的成本。在收益兑现之前，这些支出先是成本。

这不是说 AI 对传统企业没有价值，而是说价值兑现的路径更长、更分散，也更难在季度财报里被看见。

反方观点也值得听

把 AI 的回报等同于“利润率和人均收入的变化”，是一种偏宏观的观察方式。它可能低估了两类收益：一是新产品和新收入，二是风险规避和决策质量。前者需要时间才能体现在报表上，后者很难被量化。

此外，企业采用 AI 的节奏并不一致。头部企业可能已经开始收获，尾部企业还在试点，平均下来就变成了“看不出变化”。这也是宏观数据容易掩盖的结构性差异。

趋势洞察

这份报告的意义，不是证明 AI 没用，而是提醒企业不要把“采用 AI”当成目的。真正的分水岭，是能不能把 AI 嵌入到决策流程里，并且让某个人为结果负责。

接下来一年，企业 AI 的叙事可能会从“我们用了多少模型”转向“我们省了多少钱、赚了多少钱”。能回答后一个问题的人，才会拿到下一轮预算。对 AI 公司来说，这也是一个信号：客户越来越不吃“能力演示”这一套，他们要的是可审计的投资回报。

参考链接：TechCrunch 报道