Meta刚宣布要加码押注AI、提高资本支出，股价应声下跌，信用风险指标创历史新高。
七巨头 vs. 四九三：一组被拉直的财务曲线
人均营收：Mag 7 在涨，S&P 493 没动
Apollo 首席经济学家 Torsten Slok 在报告中放出一组对照数据。自 2022 年起，「七巨头」（Alphabet、Amazon、Apple、Meta、Microsoft、Nvidia、Tesla）的人均营收从 55 万美元拉到接近 80 万美元。同期，标普 500 剔除这七家后剩下的 493 家公司，人均营收七年里一直趴在 55 万美元附近，画成图就是一条水平线。
493家公司的财报翻完，数字没变
利润率：近 30% vs. 10%，差距在拉大而不是收窄
第二组数据走势更直白。七巨头整体利润率已逼近 30%，S&P 493 仍停在 10% 上下。两条线不是在平行移动，是在分叉。Slok 没有用「意味着」或「预示」这类词，只写了一句：目前没有证据表明 AI 提升了这 493 家公司的生产效率。
AI 红利分配：从算力到利润的断裂链
全要素生产率微降 0.07%：宏观数据还没接住 AI
第三组数据来自旧金山联储。截至 2026 年第二季度，美国经生产要素利用率调整的全要素生产率同比下降 0.07%。没有加速，甚至微跌。AI 叙事最热的两年里，宏观生产率指标既没跳升，也没出现即将起飞的前兆信号。
把三张图叠起来看，一个事实浮出来：AI 的财务回报集中在构建算力基础设施的那七家。对撑起大盘的 493 家传统企业，Token 支出正在被重新写进成本科目，不再算作增长投资。Slok 给这组数据加了脚注：「AI 或许是一个强大的计算器，但商业里需要的智能，大多是判断力。」
"Token 支出"的身份转变：从增长引擎到成本中心
CFO 视角：账单厚了，收入行没出现
Slok 的原话可以直接贴进审计底稿：「主流企业正在把 Token 支出从增长引擎重新归类为成本中心，因为它在挤压利润率。」落到 CFO 桌上，意思是你上月续的 GPT-4o API 年费，下季度得从研发资本化挪到销售费用。MIT 南达实验室 2025 年 8 月的研究给出了一个数字，95% 的企业生成式 AI 项目没有可衡量的财务回报。CFO 看到这个比例，收缩预算几乎是条件反射。
VC 创业公司还在烧 Token，传统企业开始算 ROI
两边算的不是同一笔账。VC 投的 SaaS 公司把 Token 消耗当增长杠杆，烧钱换 ARR 是投资期叙事，亏损可以跟投资人讲。标普 493 里的制造业、零售、金融，CFO 面对的是季度盈利指引，没有「再给两个季度证明期」的余裕。同一个模型 API，在创业公司账单里叫基础设施投入，在传统企业损益表里叫未变现成本。
Meta 财报日的信号：加投 AI 反被当利空
上周 Meta 主动公布加码 AI 资本支出的计划。市场没有解读为跟上了节奏，而是又多了一张成本单。股价当日下跌，信用风险指标升至历史新高。一家市值超三千亿美元的公司，加投 AI 的消息被当作利润侵蚀信号消化。更狠的是，华尔街已经在给 AI 支出贴标签，它等于成本，除非你是那七家卖铲子的。
为什么「模型变强」不等于「利润变厚」
算力降价 ≠ 营收增速上升：Slok 的判断逻辑
推理成本每半年砍一刀，这件事本身不构成利润故事。Slok 的论证路径很直接：模型参数翻倍、token 价格跌到去年的三成，但 S&P 493 的人均营收七年没动过五十五万美元那个台阶。算力便宜了，买算力的人并没有因此多卖出一件货。他用的类比是计算器：算得再快，也替不了商务谈判桌上那句「这单能不能再压两个点」。AI 或许是一个强大的计算器，但商业里需要的智能，大多是判断力。
组织、信任、利益关系：AI 解不了的那层摩擦
一家中型制造商引入 AI 排产后，确实省了约 5% 的调度人力，但订单量没变、客户没多、竞争对手也没因此丢单。省下的五个人力成本被管理层重新分配到了别的部门预算里，利润行没动。Slok 把这类情况归为「组织摩擦」：部门间的利益博弈、供应商的长尾谈判、客户对替代方案的信任阈值，这些环节 AI 加速不了，只能绕过去。模型再聪明，也替不了销售在饭局上建立的那层信任。更狠的是，省下来的成本大概率被内部消化成新的预算科目，不会自动变成股东回报。
落地节奏差还是能力边界？Slok 持怀疑态度的理由
最自然的反驳是「非科技企业落地慢，再给两三年」。Slok 没接这个假设。他调了美国普查局每两周一次的大规模调查（覆盖 120 万家企业），发现拥有 250 名以上员工的大企业 AI 采用率正在回落，不是「还在爬坡」，而是试过了、算了 ROI、决定不续了。叠加 MIT 南达团队那组 95% 生成式 AI 投资零回报的数据，节奏差的解释站不住脚。更准确的说法是：多数传统企业的业务瓶颈不在计算速度，而在判断力、信任和利益分配，这三样当前一代模型解不了。
模型能力到利润的断裂链路
数据没骗人，只是没人想听
上一段把 Sloc 对"落地节奏差"的怀疑讲清楚了。怀疑归怀疑，财报季是检验怀疑的硬时刻。未来四个季度，493 家公司要把 AI 支出从叙事里拽出来，放到损益表上对质。
财报季该盯什么：AI 支出的新读法
资本支出项下 AI 占比：从"可选项"变成"必答题"
AI预算终于被CFO单独拎出来审了
过去两季，"我们在布局 AI"还能当定性描述塞进 10-K 的风险披露页。这一季不行了。卖方研究员开始逐行拆 capex 和 opex：哪部分是 GPU 集群折旧，哪部分是 API 调用费，哪部分是内部数据标注人力。拆完，问题就具体了。你花了 3000 万美元买推理算力，对应的 AI 归因营收是多少。如果答案是零，这笔钱在 CFO 的表格里就是一条纯粹的侵蚀项。
对 493 里的传统企业，还有一个更实在的取舍。它们不需要每天追最新前沿模型，需要的是一个稳定接进 ERP 和 CRM 的推理层。问题不再是"选哪个模型"，而是"这条流水线到底改变了哪个决策节点"。答不上来，Token 账单就是成本，不是投资。
投资者关注点迁移：从"AI 叙事"到"AI 损益"
两年前的财报电话会，CFO 说一句"我们正加大 AI 投入"，股价就吃一波叙事溢价。现在分析师翻到 P&L 页，问的是另一套问题。AI 专项收入多少，AI 专项成本多少，两者差额在扩大还是收窄。
卖方研究框架也跟着换。TAM 幻灯片少了，AI 边际影响敏感性分析多了。对利润率本来就在 10% 附近徘徊的 493 公司来说，每多烧一块钱 Token 而收不回一块钱营收，净利率就从 10.0% 滑向 9.7%。按年营收几百亿的盘子算，这个差值一年下来吃掉几千万利润。你买的旗舰款推理服务，瞬间变成平替套餐。
一个还没人回答的问题：判断力能不能被定价
Sloc 那句"AI 或许是一个强大的计算器，但商业里需要的智能，大多是判断力"，落到资产负债表上就变成一道还没人做过的题。判断力能不能被摊销。
一个 CFO 能给 Token 定价、给 GPU 小时定价、给 SaaS 席位定价。但"客户对你做错一次决策后仍然选择续约"的信任值多少，进不了表。组织内部的问责链条、利益相关方之间的博弈，也不存在一个折旧模型。
所以这一季财报里真正该追问的不是"AI 花了多少"，而是"AI 改变了哪个本来不会改变的决策"。如果答案是"没有，只是做同一批决策快了一点"，支出性质就锁死了：运营成本，不是增长投资。
这一季可以做的三件事。看 493 公司财报时，把 AI capex 加 opex 和 AI 归因收入做成一列差值，连续四个季度差值为负且不收窄，叙事溢价就该撤了。做传统企业业务的，下次董事会前备一个数：AI 改变了决策 X，省了或赚了 Y。拿不出这个数，坦白讲，你买的是计算器，不是智能。这套判断框架在 AI 能力还停在"加速执行"阶段时成立；下一代模型如果真正移动了决策边界本身，成本中心的归类需要推倒重来。
参考文献
- Torsten Sløk, Apollo Global Management, "AI has delivered zero financial payoff outside the tech industry," Oct 2026. finance.yahoo.com/economy/art...
- 格隆汇, "阿波罗首席经济学家：AI尚未给科技业以外的美国企业带来回报," 2026-10-25. caifuhao.eastmoney.com/news/202610...
- PANews/TradingView, "阿波罗首席经济学家：AI尚未给科技业以外的美国企业带来回报," 2026-10-25. es.tradingview.com/news/panews...
- IT之家/搜狐, "阿波罗首席经济学家：除科技七巨头外，AI还没帮美国企业赚到真金白银," 2026-10-26. m.sohu.com/a/109281900...
延伸入口
- 原文归档：tobemagic.github.io/ai-magician...
- 公众号：计算机魔术师
