AI很热闹,科技业之外的利润在哪里?Apollo提出疑问
Mag 7
用来称呼美国特别庞大的七家公司。
S&P 493
标准普尔500指数中除去Mag 7后的493家公司。
模型调用令牌
AI处理文字时用来计算处理量的小单位。
发生了什么
2026年10月24日,Apollo Global Management(投资管理公司)的首席经济学家Torsten Slok发布了一篇分析,讨论AI是否已经为科技行业之外的美国企业带来经济回报。文章的结论很明确,但范围有限:截至目前,Apollo没有看到科技行业之外的企业收入增长或利润率改善的明显证据。这并不是说AI在任何地方都没有用,而是在问,巨大的AI投入是否已经改善了更广泛经济中的企业结果。
比较的是哪些公司
文章将Mag 7与S&P 493放在一起比较。Mag 7指美国特别庞大的七家公司;S&P 493指标准普尔500指数中除去这七家的其余493家公司。图表显示,Mag 7的每名员工收入上升,而S&P 493基本持平。利润率也呈现相同差异。文章还说,目前没有看到AI推动生产率增长的明确迹象。这里的生产率,是指现有员工和资源能够产生多少工作成果。
为什么这件事重要
如果AI的收入和投入主要集中在少数模型公司及其周边企业,AI的经济故事就不能代表全部企业。Apollo指出,获得风险投资支持的公司正在增加模型调用令牌,也就是token的支出。与此同时,普通企业不一定需要最新模型,也不愿意为最新模型付费。只要AI代理和令牌支出仍集中在经济的一小部分,AI对整体经济的影响就会有限。
文章提出了下一层问题:如果模型越来越便宜,普通企业能否把更便宜的智能变成更高的收入和利润率?Apollo认为这可能比想象中困难。商业判断不只是计算,还需要理解具体情况。责任、信任、企业文化、没有写下来的规则、伦理取舍和公平,也会影响企业的声誉风险,最后影响收入和利润。
证据能说明什么
图表来源包括Bloomberg、Macrobond、Apollo首席经济学家、旧金山联邦储备银行、美国劳工统计局和Ramp AI Index。图表分别观察每名员工收入、利润率、生产率、AI支出的集中程度,以及令牌支出是否在少数公司之间循环。它提供的是宏观数据的整理和解释,不是逐家公司做的控制实验。因此,图表能显示目前没有明显的行业外改善,却不能单独证明AI永远不会带来改善,也不能证明Mag 7的变化完全由AI造成。
这篇文章在Hacker News(技术新闻社区)上也受到关注。不过,积分和评论数量只表示社区的注意力,不是原文正确性的证明。
还不知道什么
Apollo没有逐一说明哪些非科技行业已经受益,也没有给出每家公司的AI使用量。文章也没有确定,科技行业之外的改善是否会在之后出现。它把核心问题留给未来:当模型更便宜时,普通企业能不能真正提高收入增长和利润率?
接下来观察什么
接下来可以观察S&P 493的每名员工收入、利润率和生产率是否上升。还要看AI支出是否从少数公司扩展到更多普通企业。另一个信号是,普通企业是否因为AI确实改善业务结果,而开始购买更新的模型。现在最重要的区别是:模型能力很强,不等于整个经济已经获得同样的利润。
AI变多了,科技业外的利润为什么还没上来?
📰 完整报道: AI很热闹,科技业之外的利润在哪里?Apollo提出疑问
一份分析说,AI投入很热,但普通企业的收入和利润暂时没有明显改善。
利润率
公司收入中最后留下的钱所占的比例。
生产率
同样的人和资源能够做出多少工作。
模型调用令牌
用来计算AI处理了多少文字的小单位。
💡 一句话总结
- AI的投入和讨论正在变多。
- 科技行业以外的利润还没有明显增加。
- 便宜的AI能否帮到普通公司,仍要观察。
2026年10月24日,Apollo Global Management(投资管理公司)的首席经济学家Torsten Slok发布了一份分析。Apollo比较了两组美国大公司。
第一组是Mag 7,也就是特别大的七家公司。第二组是S&P 493,也就是标准普尔500指数中剩下的493家公司。
Mag 7中,每名员工带来的收入上升了。S&P 493的这项数字基本不变。利润率也有相同差别。生产率没有显示出被AI明显推高的迹象。生产率可以理解为,同样的人和资源能做出多少工作。
Apollo说,AI花费集中在少数公司。得到投资的公司增加了模型调用令牌,也就是token的支出。很多普通公司不需要最新模型,也不愿意为它付高价。这样一来,AI还没有传到整个经济中。
文章还问了一个重要问题。更便宜的AI以后能让普通公司的收入和利润增加吗?企业工作不只是算得快。还要了解具体情况。还要有人负责。信任和公平也会影响公司能不能赚钱。
这篇文章在Hacker News(技术新闻社区)上受到关注。但积分和评论数只说明很多人看到了它。它们不能证明文章一定正确。
接下来要观察S&P 493的收入、利润率和生产率。还要看AI花费是否扩展到更多普通公司。AI能做什么,和公司最后赚多少钱,仍是两件事。
💬 为什么AI的好处还没有出现在所有公司的数字里?
评论中有两种主要解释:AI的好处还需要时间扩散,或者错误和实际部署工作抵消了好处。
- 有人怀疑13%的数字,因为调查没有清楚说明数了哪些公司,也没有说明公司投入了多少钱。
- 过去的电脑用了很长时间,才在整个经济的生产率数字中明显体现出来。有人认为AI也会这样。
- 另一种预测是,AI可能传播得更快,因为现在的服务业已经普遍使用电脑和互联网,新进步可以建立在已有系统上。
- 软件比较容易测试;医院和工厂则要面对安全规则、法律责任、旧设备和其他障碍。
- 使用者自述中,有人认为整体改善约为2倍至2.5倍;也有人说错误让一些工作多花30%至50%的时间,还有一家工厂因为工作变多而减少了AI预算。
- 评论者也不确定该怎样衡量效果:除了利润,还要不要看质量、便利性、维护和返工?
这是评论数为402时的增长中(修订1)。获取300条,并从整体抽取120条总结。内容属于HN用户自述,并非编辑部核实的事实。
AI让每家公司都赚更多了吗?
📰 完整报道: AI很热闹,科技业之外的利润在哪里?Apollo提出疑问
AI很有名,但很多公司的钱还没有变多。
S&P 493
特别大的七家公司以外的493家大公司。
Hacker News
人们讨论技术新闻的网站。
先说简单的事
Apollo Global Management(给公司投钱的公司)写了一份报告。Torsten Slok(研究公司钱的人)写了这份报告。
他看了许多美国大公司。七家特别大的公司,员工带来的收入变多了。另外493家公司,变化不大。这组公司叫S&P 493。公司留下的钱,也没有明显变多。
报告说,AI用的钱集中在少数公司。许多普通公司没有买最新的AI。所以AI还没有帮助所有公司赚钱。
AI可以让一件事做得更快。但做得更快,不一定让公司更有钱。公司还要懂事情。还要有人负责。别人也要相信它。
这篇报道在Hacker News(技术新闻社区)很受注意。但很多人看见,不等于报道一定正确。
以后要看另外493家公司。要看它们的收入和钱有没有增加。还要看便宜的AI能不能帮助它们。
💬 为什么AI还没有帮助所有人?
评论里有几种不同的答案。
- 13%的数字可能不太清楚,因为我们不知道它数了哪些公司。
- 电脑改变大数字用了很久。有人觉得AI也会很慢,也有人觉得AI会更快,因为电脑和互联网已经到处都是。这些都只是预测。
- 使用者自述说,有些工作变好了约2倍至2.5倍;但另一些使用者自述说,错误让工作多花30%至50%的时间,还有一家工厂减少了AI预算。
- 软件容易检查,但医院和工厂有安全规则和旧机器。人们也还没有决定,帮助到底应该只用钱来衡量,还是也要看方便和质量。
这是评论数为402时的增长中(修订1)。获取300条,并从整体抽取120条总结。内容属于HN用户自述,并非编辑部核实的事实。
💬 人工智能的收益仍难以在整个经济中看见
HN评论者争论的是:AI尚未在科技行业之外带来广泛收益,还是统计、组织适应和实际部署落后于技术发展。
这是评论数为402时的增长中(修订1)。获取300条,并从整体抽取120条总结。内容属于HN用户自述,并非编辑部核实的事实。