阿波罗经济学家：AI 为科技行业以外的大多数公司带来“零财务回报”
2026 年 10 月 25 日，TechCrunch 报道称，阿波罗全球管理首席经济学家 Torsten Slok 认为，对于科技行业以外的大多数大型公司，AI 带来了“零财务回报”。这一说法之所以重要，是因为它用一个简单的宏观观察反驳了最有力的 AI 生产力叙事：在标准普尔 493 指数中，利润率和人均收入基本持平。
阿波罗的 Torsten Slok 实际测量了什么
阿波罗的报告是对标准普尔 493 指数的总体观察，而非公司层面的投资回报研究。Slok 将标准普尔 493 指数定义为标准普尔 500 指数减去 Alphabet、亚马逊、苹果、Meta、微软、英伟达和特斯拉。在该群体中，他发现利润率和人均收入基本持平，没有证据表明 AI 正在提高生产力。
Slok 的核心结论直截了当：“尽管对人工智能进行了大规模投资并大肆宣传，但该技术为科技行业以外的美国企业带来了零财务回报。”
他还对非科技公司会先落后于科技巨头、然后迎头赶上的观点表示怀疑。他认为，美国企业很难“将日益廉价的智能转化为更高的收入增长和更高的利润率”。他的解释是，商业价值不仅仅取决于计算：“AI 可能是一个很好的计算器，但在商业中，智能主要在于判断。”他补充说，“AI 不理解责任、信任、文化、不成文的规则、道德权衡或公平，而这些都塑造了声誉风险，并最终推动收入增长和利润率。”
最强的反驳论点：数据无法孤立 AI 的回报
阿波罗的报告无法证明 AI 支出没有产生任何价值，因为它没有将 AI 支出与公司层面的结果进行对比，也没有建立反事实。即使非科技大公司从 AI 中获得了实际价值，其总体收入图表也可能看起来持平，尤其是在 AI 支出相对于总收入较小的情况下。
Hacker News 评论者 hyperpape 直接提出了这一批评：
“这是对阿波罗报告实际能证明内容的完全误述，因为它没有衡量 AI 投资的‘回报’，而只是衡量了这些公司的总体收入。”
hyperpape 还认为，分析需要一个反事实：如果这些公司没有在 AI 上支出，它们的收入和利润率会是什么样子？他还指出，“虽然 AI 支出正在快速增长，但普通公司并没有将其 1% 的收入花在 AI 上。”如果 AI 支出只占收入的一小部分，那么一张嘈杂的总体收入图表对于检验 AI 是否有用来说是一个薄弱的测试。
评论者 cl42 提出了一个相关的测量问题：标准普尔 493 指数可能不是大多数 AI 支出发生的地方。cl42 写道：
“我真正想看到的是随时间推移的每员工收入和利润，与 token 使用量/支出进行对比，并且不限于标准普尔 493 指数。”
这是一个更可测试的框架：将 AI 使用量或 token 支出与每员工收入、每员工利润、周期时间或产出质量联系起来，在公司或流程层面进行衡量，而不是从总体利润率中推断投资回报率。
AI 在哪些方面显示出可衡量的运营收益
一些 Hacker News 评论者报告了在狭窄、定义明确的工作流程中取得的具体收益，这支持了 AI 的回报是不均衡的，而不是普遍为零的观点。评论者 ManBeardPc 描述了在数据科学和专业化学中使用 AI 来查找和优化公式：
“我们可以从想法到原型在一天内完成，而以前需要 1-2 周。所有处理数据的样板代码都需要手工编写很长时间，尤其是对于不是程序员的数据科学/数学人员。现在我们实际上可以尝试所有想法，而不是猜测最有希望的那个并只尝试那个。”
这是一个流程层面的生产力提升：更快的迭代、更多的实验，以及更少的时间花在样板代码上。这不一定会在整个标准普尔 493 指数公司中体现为更高的每员工收入，尤其是在短期内。
其他评论者强调，AI 只有在适合任务时才能发挥作用。doginasuit 写道，AI “肯定可以加快开发速度，但你必须走一条狭窄的道路。它产生垃圾比产生有价值的产品容易得多。”Damogran6 提出了类似的观点：“当它是合适的工具时，它就是银弹。当它是错误的工具……或者还不是合适的工具时，你花在引导它上的时间可能比你自己做还要多。”
组织瓶颈也可能吸收 AI 的收益。victor9000 描述了一个销售流程，仍然需要将工程、产品和销售人员送到客户现场：“我个人使用 AI 的效率要高得多，但当完成交易仍然遵循一个停留在 50 年代的流程时，这只能起到有限的作用。”
零和与“AI 税”假说
对总体利润率持平的一种解释是，AI 的生产力收益被竞争掉了。如果一个行业中的每家公司都使用 AI 来提高产出，那么没有哪家公司能独享剩余价值；客户或竞争对手可能会将其夺走。评论者 kozikow 描述了这种动态：
“你的公司使用 AI，它领先了很多。然而，你的竞争对手也是如此。经济的许多领域都是零和游戏——所以你的钱最终和以前一样。然而，现在还要向 AI 模型提供商支付‘税’……”
在这种观点下，AI 成为一种竞争必需品，而不是持久超额利润的来源。公司可能不得不向模型提供商付费以保持不落后，而总体利润率的好处则消失了。
评论者 variadix 提出了一个更简单的限制：“许多行业根本不是受智能瓶颈限制的。”如果限制因素是监管、物理产能、分销、信任或销售周期，那么更好的推理或代码生成可能不会对收入产生太大影响。评论者 tantalor 提出了一个相关的观点：除非一家公司“销售代码行或数学定理”，否则它可能销售的是 AI 代码生成器无法直接解锁的东西。
判断、责任和组织转型
Slok 关于判断的论点引起了一些评论者的共鸣，他们认为 AI 的采用是一个组织问题，而不是模型能力问题。评论者 mgdev 认为，大多数公司不知道哪些人、流程或行为真正驱动了它们的最佳结果：
“90% 的业务成果由 10% 的人交付。问题在于他们不知道是哪些人。因此，他们也不知道哪些流程（如果自动化或用 AI 增强）将实现目标结果。所以他们只能乱枪打鸟。”
mgdev 补充说，现有的基于人的系统具有稳定机制，可以防止错位使整个运营偏离轨道，而 AI “强调并经常破坏这些机制”。这意味着成功的 AI 采用可能需要将其视为组织转型：从一个从头开始构建的小团队开始，最终吸收或取代旧工作流程的一部分。
并非所有人都接受 Slok 的计算器类比。评论者 kazinator 反对道：“计算器不会产生幻觉。”这是一个合理的区分：AI 系统不是确定性的计算器，它们的失败模式——捏造、不一致和不可靠的判断——是难以捕捉可衡量的业务回报的部分原因。
为什么标题可能夸大了证据
阿波罗的报告是对“AI 将迅速改变整个经济”这一极端说法的一个有用的纠正，但它并不是对 AI 商业价值的最终裁决。评论者 simonw 指出，阿波罗发布了一份被广泛引用的 2025 年 9 月报告，题为“大型公司 AI 采用率呈下降趋势”，并表示：“我认为那个报告并没有很好地经得起考验。”
simonw 后来在注意到阿波罗的发布节奏后缓和了批评：
“我要稍微收回这个说法：事实证明阿波罗每天都会发布这样的文章，所以偶尔出现一个吸引‘渴望 AI 负面故事’人群的标题，比他们发布频率更低时更不构成一种模式。”
这个背景对于解读标题很重要。一份每日研究简报可以揭示一个真实的宏观模式，而不必是对 AI 投资回报率的全面研究。HN 讨论串还指出了之前关于同一主题的大规模讨论，表明这场辩论是反复出现的，而不是已经解决的。
什么会让这场辩论变得可测试
对 AI 财务回报进行更有力的测试，需要将采用与 AI 实际使用层面的结果联系起来。这意味着将每员工收入、每员工利润、周期时间、错误率、客户响应时间或实验吞吐量与 token 使用量或 AI 支出进行对比。这也意味着要包括标准普尔 493 指数以外的公司，因为许多 AI 支出和实验可能发生在较小的公司、私营公司或初创公司中。
一项可信的研究还需要一个反事实：如果没有 AI 投资，会发生什么？没有这一点，利润率持平既与“AI 无用”一致，也与“AI 有用但规模太小，还无法推动总体利润率变化”、“AI 收益被竞争掉”或“AI 在特定工作流程中有价值，但被组织摩擦抵消”一致。
结论
阿波罗的 Torsten Slok 认为宏观数据尚未显示科技行业以外出现明显的 AI 驱动的利润激增，这一点是正确的。标准普尔 493 指数利润率持平且每员工收入持平，这是一个合理的警告，提醒人们不要假设廉价智能会自动转化为更高的收入或利润率。
但“零财务回报”的说法比证据所支持的更强。阿波罗的报告衡量的是总体结果，而不是公司层面的 AI 回报，并且没有确定如果没有 AI 支出会发生什么。Hacker News 的讨论补充了缺失的细微差别：一些团队在狭窄的工作流程中获得了巨大收益，许多行业并不受智能瓶颈限制，竞争动态可能将 AI 变成保持不落后的成本，而不是超额利润的来源。真正的问题不是 AI 是否在所有地方都产生了零价值，而是在哪里、为谁、以及在什么条件下，AI 支出会转化为可衡量的业务成果。