阿波罗首席经济学家Torsten Slok：AI收益集中在科技七巨头，其他行业只见成本不见回报

美国资产管理公司阿波罗全球管理（Apollo Global Management）首席经济学家Torsten Slok近期发布分析，核心判断是：尽管AI投资规模巨大且市场热情高涨，这项技术尚未为美国科技行业以外的企业带来任何可衡量的财务收益。

Slok的研究框架聚焦于标普493指数（S&P 493），即刻意剔除科技七巨头（Magnificent Seven，包括特斯拉、微软、英伟达、苹果、Meta等）后的其余大型企业。他的数据显示，自2023年初以来，科技七巨头的人均营收显著上升，利润率从2020年约10%的水平攀升至约30%；而标普493中其他行业的企业，利润率和人均营收在轻微波动之外基本未变。

Slok给出的机制解释是：当AI支出无法体现在损益表上时，企业界正在重新评估这笔投入的性质。他在阿波罗的报告中写道，美国企业界正将Token支出从增长来源重新归类为成本负担。这一判断与德国信息技术协会Bitkom的一项调查相呼应——约三分之一的受访德国企业表示被AI的高费用打了个措手不及。

面对成本压力，部分企业开始采用所谓Modelmaxxing策略，即按任务选用不同的AI模型，而非一律调用最昂贵的旗舰模型。从这一趋势中，已出现首批自动进行模型路由的初创公司。

但Slok的论证不止于成本层面。他提出了一个更根本的判断：AI可能是一台出色的计算机器，但商业中的智能主要是判断力。判断力依赖上下文，答案因人而异、因模型而异。AI不理解责任、信任、文化、潜规则、伦理权衡和公平——而这些恰恰是塑造声誉风险、最终决定营收增长和利润率的因素。因此他认为，AI发展的最终决定权不在科技七巨头手中，而在标普493中那些尚未看到回报的企业手中。

需要指出的是，这是Slok作为阿波罗首席经济学家的分析判断，而非独立验证的结论。科技七巨头利润率上升可能同时受到多种非AI因素推动，将其单独归因于AI需要更严格的因果识别。此外，S&P 493的定义本身排除了AI最直接的商业受益者，在其中寻找AI回报存在一定程度的循环论证。Slok关于判断力与计算力的区分是一个有启发性的概念框架，但尚未提供可操作的量化标准来区分哪些商业任务真正需要判断力、哪些可以被计算替代。