Apollo首席经济学家：AI在科技业之外零回报
美国资产管理公司 Apollo Global Management 首席经济学家托斯滕·斯洛克（Torsten Sløk）在 10 月 24 日的一份备忘录中，给火热的 AI 投资泼了一盆冷水：尽管美国企业在人工智能上投入巨大，但科技业之外的美国企业至今没有从中获得财务回报。这一判断经彭博社在 10 月 25 日报道后迅速引发讨论——正值财报季，投资者正在逐家追问一个问题：AI 的钱，到底花出了什么结果？
事件详情：一句“零回报”，与一组分化的数据
斯洛克在备忘录中写道：“尽管在人工智能上投入巨大、炒作铺天盖地，但这项技术给科技业之外的美国企业带来的财务回报为零。”他用来支撑这一判断的核心指标是人均营收：七巨头（Magnificent 7，即亚马逊、苹果、谷歌、Meta、微软、英伟达和特斯拉）的人均营收在上升，而标普 500 其余 493 家公司的人均营收却原地踏步。
备忘录还指出，主流美国企业已经开始“收缩”，并开始把 Token 支出视为成本中心而非增长来源——也就是说，在许多非科技公司的账本上，调用大模型的费用正在侵蚀利润，而不是创造利润。这个措辞很关键：它描述的不是企业拒绝 AI，而是企业对 AI 支出的定性变了，从“面向未来的投资”变成了“需要控制的成本”。
这一判断出现的时点同样值得注意。彭博社指出，投资者正密切关注 AI 支出及其回报，财报季是检验的窗口。就在此前一周，Meta 公布财报并表示未来在 AI 相关资本开支上会更加激进，股价随之下跌。按 PYMNTS 此前的报道，Meta 第三季度资本开支达 349 亿美元，同时自由现金流为负 21 亿美元。在财报电话会上，Meta 首席执行官马克·扎克伯格提到，公司的 Muse AI 模型在美国和加拿大上线六周内已有超过 1000 万人使用，其中约四分之一每天使用。PYMNTS 的评论是：扎克伯格押注 Muse 能让这些投入最终获得回报，但它能否产生足够的收入来证明支出的合理性，仍未得到验证。
背景分析：用得多，不等于赚得多
斯洛克的“零回报”之说，严格来讲针对的是科技业之外的企业财务回报，而不是 AI 技术本身有没有用。这个区分很重要：卖 AI 的公司和买 AI 的公司，处在同一轮浪潮的两端。人均营收的分化恰恰说明，AI 带来的生产率红利目前更多体现在提供模型、芯片和云服务的七巨头身上，而购买并使用这些服务的普通企业，还没有把效率转化为可衡量的财务收益。
PYMNTS Intelligence 的调研勾勒出了这种“用得多、赚得少”的中间状态。2025 年，只有 7% 的受访高管正在使用或试点 AI 智能体，67% 表示不会授予智能体访问公司系统的权限；到了 2026 年，89% 的高管已在至少一个业务环节使用智能体，只有 2% 会拒绝授予访问权限。但细看权限的深浅：78% 的公司只允许智能体读取公司系统而不采取行动，18% 允许智能体在人工批准下执行任务，只有 2% 允许智能体自主处理日常工作。换句话说，智能体已经进了门，但大多数还停留在“只看不动”的阶段——没有行动权，自然也难以产生可观的成本节约或收入增长。
这种落差也解释了为什么“Token 支出变成成本中心”的说法会在此时出现。当智能体只能读取、不能自主干活时，每一次调用都在产生费用，却没有相应地省下人力或创造订单。企业不是不相信 AI，而是在现有的部署深度下，账算不过来。于是，收缩支出、收紧审批，成了最直接的反应。
影响与展望：财报季成了 AI 的“验算期”
对资本市场而言，斯洛克备忘录的直接影响是把检验标准推到了财报里。投资者不再只听“AI 战略”的叙事，而是要看两组数字：一是科技巨头的资本开支是否还在加速，二是非科技公司的生产率和利润率是否真的改善。如果第二组数字继续原地踏步，市场对 AI 基建估值的耐心可能会进一步收紧。彭博社在报道中提到的另外两个信号也指向这一点：澳大利亚数据中心公司 Firmus Grid 在投资者对其 300 亿美元目标估值犹豫后 IPO 遇挫，数据中心开发商 Nscale 的上市计划也面临投资者反对。
对非科技企业来说，接下来的关键问题不是“要不要用 AI”，而是“怎么让 AI 干活”。从“只读”走向“在人工批准下执行”，再走向“自主处理日常工作”，每一步都需要流程改造、权限治理和效果度量，而不是多买 Token 就能自动完成。那些能把智能体从试点推向真正替代重复劳动的企业，才有可能率先在人均营收上看到变化。
对中国读者而言，这场争论同样有参照意义。中国企业的 AI 投入同样汹涌，但“投入”与“回报”之间的时滞是全球共性问题。斯洛克的判断未必是最终结论——人均营收是一个粗糙的代理指标，AI 对产品质量、客户体验和组织能力的改善未必立刻体现在当季财报里。但它提醒了一个朴素的道理：AI 竞赛的下半场，比拼的不只是谁投得多、谁的模型强，而是谁能把算力支出变成可审计的收益。当财报季逐家验算时，这个问题的答案会比任何口号都更实在。