科技业之外，还没看到 AI 的回报

AI 基建烧掉了天文数字的钱，但在科技行业之外的报表上，这笔投资还没有兑现任一分钱回报。这是华尔街一位首席经济学家的最新观察。

一、发生了什么

资产管理机构阿波罗的首席经济学家 10 月 24 日发布观察笔记，用几组数据说明「AI 红利目前只属于科技业」。第一组：几家头部科技公司的人均营收在涨，而标普 500 里其余 493 家公司的同一指标是平的。第二组：利润率同样分叉，头部七家持续走高，其余近五百家原地踏步。第三组：调整后的全要素生产率数据里，看不到 AI 带来的抬升。

他的结论是，主流企业正在退潮：VC 支持的公司 token 消耗一路猛增，但传统企业既不需要最新模型，也不愿为它付费，开始把 token 支出从「增长来源」重新归类为「压利润率的成本项」。往前看的悬念在于，当模型商品化、智能越来越便宜，传统企业能不能把便宜下来的智能转化为收入增长。他给出了一个清醒的注脚：AI 或许是极好的计算器，但商业里的智能主要是判断，判断依赖语境；而问责、信任、文化、公平这些真正影响收入的软性东西，AI 目前一概不懂。

这份笔记的分量在于说话的人不是唱空者。发布方管理的资产规模庞大，其判断历来贴着数据走，这次连图表口径都注明了通胀调整和数据源，属于可以直接拿去做汇报材料的级别。

二、跟你有什么关系

在非科技企业负责 AI 落地的人，这份笔记是向上汇报时的挡箭牌：不是你做得差，是整个非科技板块都还没跑出可归因的回报，别接不切实际的指标。

投资者要注意叙事风险：AI 概念的资本开支故事和最终利润兑现之间存在巨大时差，目前证据站在「时差还没结束」这边。

政策研究者关心生产率数据：历史上通用技术从投入到可见的生产率抬升常以十年计，眼下的空白期并不反常，但也不能拿它证明兑现就在眼前。蒸汽机、电力和互联网都留下过同样的「生产率悖论」：技术无处不在，统计报表上迟迟看不见，然后某一年突然齐涨。问题在于，谁也没法提前预言那个拐点落在哪个季度。

三、怎么判断

1. 评估自己公司的 AI 投入，别用「用了多少」做指标，直接盯人均营收和利润率的移动平均。
2. 区分两类采购：能省人力成本的算防守，指望它开新收入的算进攻，进攻型投入要单独立项核算。
3. 看到「AI 重塑某行业」的报告，先找有没有该行业的人均产出数据，没有的当愿景文件处理。

四、三个别信的说法

「科技业之外没回报，说明 AI 是泡沫。」 电力和互联网都经历过同样的静默期，基础设施投入与下游回报本就不同步，静默不等于无效。

「token 便宜了，回报自然会来。」 便宜只解决成本端，判断、信任和责任归属这些真正的瓶颈不会随价格下降而消失，这正是笔记的核心提醒。

「头部几家赚钱，说明模式成立。」 头部公司赚的主要是卖铲子的钱，它们的利润来自别人的投入而非自己的产出，恰好说明兑现还在后头。

五、一句话结论

AI 的宏观经济故事不取决于造模型的七家，而取决于等着被改变的四百九十三家——后者的报表，暂时还是白纸。

信息来源

• 阿波罗首席经济学家的观察笔记（2026-10-24）

功能与价格以官方公告为准。本文写于 2026 年 10 月 25 日。