{"id":"mb-20261026-866105","kind":"deep","title":"为什么除了科技巨头，AI在大部分企业里一分钱没多赚？","summary":"阿波罗全球管理公司首席经济学家托斯滕·斯洛克指出，AI浪潮下七大科技巨头人均创收飙升至近80万美元，而标普493家传统企业的人均创收与利润率却毫无起色。在传统商业中，核心价值在于承担责任与真实判断，AI往往沦为新增成本中心。与此同时，高德纳预警上游数万亿算力基建正面临硬件折旧与需求落差的双重夹击。","body":"给全公司配上最新的智能助手，折腾了快三年，到底能多赚多少钱？\n算完账发现，除了卖算力的几家科技巨头，剩下的主流大公司一分钱都没多赚。\n连员工的人均产出，都死死停在三年前的原地。\n\n阿波罗全球管理公司（Apollo Global Management）的首席经济学家托斯滕·斯洛克（Torsten Slok），最近拉出了一组对比数据。\n看标准普尔 500 指数。\n如果把英伟达、微软、苹果、谷歌、亚马逊、Meta、特斯拉这七大科技巨头单拎出来。\n从 2022 年大模型爆发到现在，七巨头的员工人均创收，从 55 万美元一路飙到了近 80 万美元。\n利润率也在往上走。\n这很符合直觉，全世界都在排队给他们送钱买芯片、租算力。\n真正耐人寻味的，是剩下的 493 家公司。\n这 493 家主流企业，涵盖了全美的银行、零售、医疗、航空、制造和物流。\n它们也是过去几年买模型席位、搭自动化流水线最积极的大客户。\n结果这 493 家公司的员工人均创收，三年来几乎是一条横线，一直停在 55 万美元附近。\n平均净利润率，也常年锁在 10% 左右，没有泛起任何波澜。\n\n天天听着大模型颠覆一切、代码写得飞起、报表一秒生成。\n怎么落到全美最顶尖的几百家大企业账本上，生产率连一点水花都看不见？\n钱到底卡在哪了？\n\n在真实商业里，聪明和赚钱从来不是同一回事。\n大模型确实是个算力惊人的计算器，写文案、总结资料、润色邮件，速度比人快几十倍。\n但绝大部分实体商业的立足点，靠的从来不是生成文字，靠的是判断与责任。\n一个银行的信贷经理，关键不在于能不能五秒钟写出一份漂亮的评估，在于他敢不敢在这笔贷款上签字、承担违约坏账的后果。\n一家医院的医生，核心不在于能不能列出十种罕见病的可能性，在于诊断出了差错谁来承担法律责任。\n航空公司的航班调度、物流网络的实体履约、工厂车间的现场装配，每一个环节都在物理世界里贴地运行。\n大模型没有现实语境，不承担任何法律后果，更无法建立客户与机构之间的信任。\n你可以让它帮你草拟一份合同，但最后逐条审核签字的，依然得是年薪几十万的资深法务。\n结果就是，办公室里的员工都在用智能工具提高个人效率，但公司一个岗位都没敢撤，一道工序都没法省。\n\n人工成本省不下来，公司的采购账单反而更长了。\n引入智能助手，得按人头按月交企业版软件费。\n搞业务流程自动化，得买模型接口，智能体在后台跑，每一个 Token 都在消耗真金白银。\n原本以为花钱买的是生产率飞轮。\n买回来才发现，它在财务报表上成了一个实打实的运营成本中心。\n很多传统企业试了一大圈之后发现，日常绝大部分业务流程，根本不需要天天调用最前沿、最贵的大模型。\n写一段基础代码或者用个开源小模型，效果差不多，成本还便宜得多。\n493 家企业开始捂紧钱包，不再愿意为用不上的前沿算力溢价买单。\n\n如果只是企业觉得工具多收了点服务费，那还只是商业摩擦。\n真正凶险的连锁反应，挂在产业链的上游。\n高德纳（Gartner）最近给全球算力基础设施算了一笔账。\n到 2030 年，全球投在 AI 基础设施上的资本开支，可能会有超过 3.5 万亿美元面临资产减记的风险。\n这笔账是这么算出来的。\n光是 2026 年这一年，全球云厂商和科技巨头投在数据中心上的开支就逼近 1 万亿美元。\n按照目前的扩建节奏，从 2027 年到 2030 年，还要继续往芯片、机房、电力和水冷系统里砸进去 6 万亿美元。\n算力机房不是印钞机，资本要看回报。\n按照行业标准的 12% 投资资本回报率（ROIC）和融资成本推算，到 2030 年底，这些数据中心累计至少需要产生 8.5 万亿美元的收入才能覆盖成本。\n但高德纳测算，到 2030 年，全球企业和消费者愿意为 AI 掏出的总支出，满打满算顶多只有 3.6 万亿美元。\n这中间留下了将近 4.9 万亿美元的巨大缺口。\n\n这个缺口最残酷的地方，在于物理折旧不等人。\n软件公司要是用户增长不及预期，代码放在服务器里不会腐烂，慢慢熬着转型就行。\n但算力机房全是硬邦邦的物理硬件。\n一张高性能显卡插进机柜，经济寿命也就三到五年。\n三五年一过，新架构出来了，能效比落后了，资产价值就要按规定计提折旧。\n如果在硬件报废的窗口期里，下游那 493 家传统行业始终找不到把算力转化成真金白银的落地场景，上游这些疯狂建设的算力就会沦为闲置资产。\n高德纳预计，到 2030 年，超过 80% 依赖租售显卡为生的小型专业算力云厂商，会在成本挤压和缺乏差异化中倒闭或被收购。\n只有那些拥有搜索广告和庞大传统云业务造血的科技巨头，才能靠老本硬抗这轮沉重的基础设施折旧。\n\n商业逻辑最终都要回归最朴素的算术。\n这场技术浪潮能不能真正立住，从来不取决于上游巨头又宣布了多少千亿级别的芯片采购。\n胜负手始终在那些看似平淡的传统商业手里。\n什么时候那 493 家卖商品、搞运输、做制造、审账本的实体公司，能在自己的损益表上算出正向回报，算力的狂飙才算找到了真正的地基。","topic":"为什么除了科技巨头，AI在大部分企业里一分钱没多赚？","frame_type":["机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-10-26 07:18:59","legal_anchor_count":0,"transcript_citation_count":0,"seo_title":"为什么除了科技巨头，AI在大部分企业里一分钱没多赚？","description":"阿波罗全球管理公司首席经济学家托斯滕·斯洛克指出，AI浪潮下七大科技巨头人均创收飙升至近80万美元，而标普493家传统企业的人均创收与利润率却毫无起色。在传统商业中，核心价值在于承担责任与真实判断，AI往往沦为新增成本中心。与此同时，高德纳预警上游数万亿算力基建正面临硬件折旧与需求落差的双重夹击。","domain":"ai","domain_label":"AI 与大模型","domain_label_en":"AI & LLMs","domain_url":"https://mubeitech.com/deep?domain=ai","canonical_url":"https://mubeitech.com/deep/mb-20261026-866105","markdown_url":"https://mubeitech.com/deep/mb-20261026-866105/markdown","json_url":"https://mubeitech.com/api/interpretations/mb-20261026-866105","published_at":"2026-10-26T07:18:59Z"}