科技巨头利润率达25%，其余493家公司仍徘徊在10%附近：Apollo认为AI尚未带来回报

新闻摘要

Apollo Global Management首席经济学家Torsten Slok表示，迄今为止，科技行业以外的企业界尚未从人工智能中获得可衡量的财务回报。在TechCrunch于太平洋时间2026年10月25日上午9:57重点报道的一份研究报告中，Slok指出，尽管AI支出和市场热情持续攀升，但美国大多数大型企业的利润率和人均收入却表现平平。他的结论是：这项技术“对科技行业以外的美国企业没有带来任何财务回报”。

Slok究竟说了什么

这份题为《科技行业之外尚无AI回报迹象》的报告聚焦于分析师所称的“标普493”：即剔除七大巨头（Alphabet、Amazon、Apple、Meta、Microsoft、Nvidia和Tesla）后的标普500指数成分股。通过剔除那些开发和销售AI的公司，Slok将研究对象锁定为主要尝试使用AI的企业。在这一群体中，他没有发现利润率改善或人均收入提高的证据。

Slok还反驳了一种流行观点，即非科技公司只是比科技领军者落后了几个季度。他怀疑这一差距不会轻易缩小，并认为美国企业很难将廉价的机器智能转化为更快的收入增长和更丰厚的利润。

他将这一观点建立在技术本身的局限性之上。他写道：“AI不懂责任、信任、文化、潜规则、伦理权衡或公平。”他还补充说，“AI或许是一台出色的计算器，但在商业领域，智能更多体现为判断力。”TechCrunch指出，Apollo曾拥有TechCrunch。TechCrunch的报道并未公布该报告中的具体百分比、样本量或金额数据。

论点背后的数据

此前对Slok分析的报道提供了相关数据。Fortune于美东时间2026年7月6日援引Bloomberg和Macrobond的数据报道称，从2023年第一季度到2026年第一季度，“科技七巨头”的利润率从约15%上升至约25%。同期，其余标普493成分股的利润率徘徊在10%左右，而涵盖范围更广的彭博500指数则稳定在约12%。

换言之，迄今为止，AI带来的利润激增几乎完全集中在提供技术、芯片和云算力的公司身上。

为何科技行业之外的应用可能较慢

据Fortune和The Decoder总结，Slok在7月的评论中解释了这种差距为何可能持续存在。软件和技术公司可以相对轻松地将AI融入其产品。而经济体的其他大部分领域则面临监管障碍、数据保护规定以及重新设计工作流程的艰巨任务。医疗保健、银行、能源、制药和制造业被列为典型行业，在这些领域中，流程改造和隐私要求可能会使收益的到来“远远晚于市场目前的预期”。

衡量标准是另一个问题。在知识型工作中，生产力的提升难以量化，因此管理者无法据此轻松采取行动。节省下来的时间可能会被日常事务所消耗，而不会体现在财务报表中。Slok这样总结道：“关键问题在于科技行业之外实现投资回报所需的周期有多长。”

其他研究提供的佐证

Fortune的文章指出了几个符合这一图景的数据点：

• 麻省理工学院2025年的一项研究发现，只有5%的公司从生成式AI试点项目中获得了有意义的回报。
• 波士顿咨询集团2026年对约1.2万名一线员工的调查显示，42%的人表示借助AI每周节省了8小时，但大多数人对于如何利用这些时间几乎没有得到指导。
• 在Ricoh的一个保险理赔案例中，尽管部门生产力提高了三倍，但成本大约是人工处理的三倍。
• Nvidia的Bryan Catanzaro表示，AI的成本仍然远高于人力成本。
• Ford聘请了350名资深工程师来培训初级员工并改进其AI工具。

这些例子表明，个别员工可能会感觉工作效率提升了，但公司整体的财务状况却保持不变，至少目前如此。

投资者为何需要关注

Slok的担忧既关乎市场，也关乎技术。AI公司的估值依赖于整个经济体利润率都将上升的预期。他警告称，如果生产力的提升需要五年而非五个月才能实现，预期收益与实际现金流之间可能会出现严重背离，从而引发他所称的“痛苦的估值重估”。他还指出，如果企业未能迅速看到回报，往往会放缓AI支出，而Token价格的下跌可能会限制大型云服务商的收入。

他并未断言AI永远不会带来回报。他的观点是，收益最终可能会到来，但或许要等到市场预期已经完全消化之后。

关于措辞的说明

标题中“零财务回报”的说法是对Slok报告最强烈的解读。它指的是标普493成分股公司整体的利润率和人均收入，而非每一个单独的项目或团队。即使某些特定应用场景节省了时间或金钱，整体利润率也可能保持平稳，这就是为什么麻省理工学院、BCG和Ricoh的例子可以同时成立。

接下来关注什么

关注此事的读者可以追踪几个简单的指标：在未来几份季度报告中，标普493的利润率是否会突破约10%的水平；人均收入是否开始上升；以及在回报依然不可见的情况下，企业是否会继续增加AI预算。对于技术研究者而言，这一事件提供了一个有益的启示：一项工具令人印象深刻与它真正改变组织的经济效益是两回事，后者往往需要新的流程、培训和衡量体系，而不仅仅依靠软件本身。