Apollo 首席經濟學家 Torsten Slok 在 2026 年 10 月 24 日的報告中直言：AI 對科技業以外企業帶來的是「零財務回報」。他把 S&P 500 扣掉 Mag 7、稱之為 S&P 493，發現這 493 家公司的每工營收與利潤率雙雙走平，也量不到 AI 帶動的生產力加速。
這份報告的殺傷力不在於「AI 沒用」，而在於它把問題換了一個位置：AI 的故事不會在 Mag 7 決定，而是在 S&P 493 決定。 而目前為止，那 493 家的財報上看不出任何變化。
先搞清楚「S&P 493」是什麼
| 項目 | 內容 |
|---|---|
| 名詞來源 | Apollo Global Management 首席經濟學家 Torsten Slok 的 Daily Spark 系列 |
| 定義 | S&P 500 扣掉 Alphabet、Amazon、Apple、Meta、Microsoft、Nvidia、Tesla 這 7 家 |
| 報告標題 | 《No Signs of AI Payoff Outside the Tech Sector》 |
| 發布日 | 2026-10-24（週六） |
| 圖表數 | 5 張，資料來源包含 Bloomberg、Macrobond、舊金山聯準銀行、Ramp AI Index |
| 一句話結論 | 「AI 故事會在 S&P 493 決定，而目前為止，科技業以外看不到營收成長或利潤率改善的證據。」 |
之所以要切出「493」這個數字，是因為整體 S&P 500 的漂亮數字幾乎全被 7 家公司撐起來。只看指數，你會以為企業獲利全面創高；拆開來看，才知道是七根柱子撐著一整個屋頂。
三張核心圖表：兩條線，一條往上、一條不動
Slok 用來對比的是三個指標，Mag 7 與 S&P 493 的分野清楚到有點刺眼：
| 指標 | Mag 7 | S&P 493 | 報告怎麼說 |
|---|---|---|---|
| 每工營收（通膨調整，2019 Q4 為基期） | 明顯走升 | 長期平坦 | 「Revenue per worker is rising for the Mag 7 but is flat for the S&P 493」 |
| 利潤率（Profit margin） | 大幅擴張 | 走平 | 「Profit margins are rising for the Mag 7 but are flat for the S&P 493」 |
| 全要素生產力 TFP | — | 看不出 AI 加速 | 引用舊金山聯準銀行經利用率調整的 TFP 序列（Fernald, 2014），「still no signs」 |
商業媒體對圖表數字的解讀更直接。《Business Insider》引用圖表指出，科技業的每工營收自 2022 年以來從約 55 萬美元一路上升到接近 80 萬美元，而 S&P 500 其餘公司則在 55 萬美元附近「卡了七年」。利潤率的部分，科技業 2022 年後大幅走揚，其餘公司則長期停在 10% 上下。
第三張圖是整篇報告最難反駁的一張。Slok 用的不是廠商自報的問卷，而是舊金山聯準銀行（San Francisco Fed）經濟學家 John Fernald 建構、經產能利用率調整的 TFP 序列，再串上美國勞工統計局（BLS）的資料。結論是：即使生成式 AI 帶動了史上罕見的資本支出潮，在總體 TFP 上仍看不到統計上可辨識的加速。
第四、五張圖：token 支出其實是「創投在燒錢」
報告的後半段換了一個角度：不看財報，看支出結構。這兩張圖的資料來源是支出管理平台 Ramp 的首席經濟學家 Ara Kharazian，以及 Ramp AI Index。
Slok 在另一篇 10 月 22 日的 Daily Spark 裡把這件事講得更白：
Ramp 的資料顯示，全美 AI 支出前 1% 的企業裡，有 80% 是創投（VC）資助的新創；而在中位數支出者裡，這個比例只有 13%。
換句話說，目前最兇的 token 買家，錢不是從本業賺來的，是從募資來的。 這正是外界質疑 AI 產業「循環性」（circularity）的同一條線索——超級雲端商與模型商之間的資金循環，在 token 支出這一層也看得到。
Slok 的推論因此是：當代理型 AI 與 token 支出還被關在經濟體的一小塊區域裡，AI 的宏觀效果就會非常有限。他也觀察到主流企業行為的轉變：
- 不再把 token 支出當成長來源，而是當成壓縮利潤率的成本中心（cost center）
- 不需要最新、最貴的模型，也不願意為它付錢
- 開始對 AI 預算設限
這段話對做產品、賣 AI 服務的人來說，是比「AI 泡沫論」更實用的訊號：買方已經在算 ROI 了，而且算不過的就不續約。
他真正的論點：智慧不是判斷力
Slok 最常被引用的一段話，其實不是數據，而是對「為什麼轉化不了」的解釋：
“AI may be a great calculator, but in business, intelligence is mostly judgment. Judgment depends on context, and the answer varies with which human or which model you ask. Perhaps most importantly, AI does not understand accountability, trust, culture, unwritten rules, ethical trade-offs or fairness, all of which shape reputational risk and ultimately drive revenue growth and profit margins.”
翻成中文：AI 可能是很棒的計算機，但在商業裡，智慧主要是判斷力；判斷力依賴脈絡，而且答案會因為你問哪個人、哪個模型而變。更重要的是，AI 不懂責任歸屬、信任、企業文化、不成文規則、倫理權衡與公平——而這些正是形塑商譽風險、最終驅動營收與利潤率的東西。
這是把「AI 能不能做這個任務」與「AI 能不能改善這家公司的財務」之間，插進了一個過去很少被認真計算的變數：責任（accountability）。一個不會被問責的決策者，很難被授權去做真正影響損益的決定。
反方證據：不是所有人都同意「沒有生產力提升」
如果只寫到這裡，這篇會變成一篇漂亮的空頭文宣。但同一批資料裡，支持「AI 已經在提升生產力」的證據也相當硬，必須並列：
| 來源 | 時間 | 主要發現 | 對 Slok 論點的作用 |
|---|---|---|---|
| Kansas City Fed 經濟通報（Çakır Melek & Miller） | 2026-02 | 美國私部門勞動生產力 2022:Q3–2025:Q2 年化 2.5%，高於疫情前的 1.2%；AI 採用率越高的產業，生產力成長越快（R²≈0.19） | 直接挑戰「沒有生產力加速」 |
| NBER Working Paper 34984（CFO 調查，約 750 家） | 2026-03 | 2025 年 AI 帶動的勞動生產力提升，CFO 自報 1.8%、以營收推估 0.6%；2026 年預期 3.0%／1.8%。大型企業 2026 年 AI 支出中位數 30 萬美元，小型企業僅 1.25 萬美元 | 支持「支出極度集中」，但也顯示效果存在、只是有時間差 |
| 聖路易聯準銀行（Rubinton & Patro） | 2026 | 2025 年 AI 相關投資對 GDP 成長的貢獻，規模已達甚至超過 1990 年代 dot-com 時期 IT 設備的貢獻 | 承認 AI 已是總體變數，只是集中在少數企業 |
| Brad DeLong（經濟學者） | 2026-10-24 | 只量 GDP 與非科技業利潤，會漏掉使用者剩餘（user surplus）、新企業成立、平台護城河加深；引用史丹佛數位經濟實驗室 Brynjolfsson 等人 2026 年研究，指消費者剩餘「顯著超過」生成式 AI 的營收 | 認為指標選錯，不是效果不存在 |
| Coinpaper 等第三方分析 | 2026-10 | 總體財務數據會掩蓋個別企業的改善，因為生產力收益可能被薪資、融資成本或轉型費用抵銷 | 提醒「總量」不等於「個體」 |
NBER 那份 CFO 調查裡有個細節特別值得注意：CFO 自己感受到的生產力提升（1.8%），遠大於用營收推估出來的效果（0.6%）。研究者把這個落差稱為典型的「生產力悖論」——技術先在流程、任務效率、組織能力上產生效果，營收上的反映會慢半拍。同樣的落差，2026 年的預期值是 3.0% 對 1.8%。
換句話說，Slok 與樂觀派的差距，有一部分不是「有沒有」，而是**「什麼時候」**。
還有一點必須標明：網路上流傳的一些「AI 導入後營收成長 15%～40%、毛利率 +29%」的漂亮數字，來源是廠商自家白皮書（例如 Helport AI 2026-10-01 的個案報告），文末自己寫了「未經對照組獨立驗證，不應視為未來績效保證」。這種數字可以當作個案參考，不能當成產業證據。
對台灣讀者的實務意義：三個可以馬上用的檢查點
這篇報告最實用的地方，不是叫你不要做 AI，而是給你三個判斷座標：
| 檢查點 | 問自己的問題 | 如果答不出來 |
|---|---|---|
| ① 你算的是任務效率還是損益？ | 導入 AI 後，哪一項「財報科目」會動？營收、人力成本、還是毛利率？ | 那你很可能只買到「感覺變快」，沒買到財務回報 |
| ② token 成本誰在付、付多久？ | 用量成長時，成本是線性上升還是有上限？有沒有 per-seat 或吃到飽方案？ | 就會走上 Slok 說的「成本中心化」路線，預算遲早被砍 |
| ③ 誰為 AI 的決定負責？ | 出錯時，是誰簽核、誰被問責？ | 決策就不會被真正下放，AI 永遠停在「建議」層，不會改變損益 |
第三點是我認為整篇報告最容易被台灣企業忽略的。很多公司導 AI 卡住，不是模型不夠強，而是沒有人願意把自己的名字簽在 AI 的判斷上。Slok 那句話之所以刺人，是因為它指出了一個組織問題，而不是技術問題。
這對 AI 產業意味著什麼
把 Slok 的兩篇報告放在一起看，時間軸其實很清楚：
- 2026-08-09《The Buyers of AI Are Still Waiting for the Payoff》：AI 資本支出熱潮只反映在「賣方」的利潤率上，不在「買方」。同一篇裡他拆了 S&P 493 各產業：醫療保健利潤率自 2015 年以來腰斬、日常消費品卡在 6% 附近、非必需消費品卡在 8% 附近、能源與材料把 2022–23 的循環漲幅吐回大半、房地產橫盤。
- 2026-10-24《No Signs of AI Payoff Outside the Tech Sector》：把視角擴大到宏觀效果、token 支出結構與非技術阻力，並加上一句風險提示——S&P 493 產生 ROI 的時間拖得越久，對一個高度集中在 AI 交易的市場與經濟，下行風險就越大。
「賣方賺、買方等」這個架構，比單純喊泡沫更難反駁，因為它同時承認了 AI 真的在賺錢——只是賺錢的是賣鏟子的人。
而這也正好接上站上長期追蹤的另一條線：當資本支出集中在少數企業、且部分資金來自循環融資時，一旦買方的 ROI 遲到太久，調整的力道會集中在最擁擠的那一側。相關的循環融資與泡沫論辯，可以延伸閱讀文末兩篇舊文。
我的判讀
Slok 的資料是對的，但他的指標有一個盲點：每工營收與利潤率量的是「已實現」的財務結果，而 AI 目前多數效果還停在「流程層」。 Kansas City Fed 與 NBER 的資料都指向同一件事——效果存在，但只出現在特定產業與特定職能（資訊、專業技術服務、金融、零售），而且反映到營收有時間差。
所以兩邊其實可以同時成立：總體上看不到回報（Slok 對），個別高採用率企業已經有回報（Kansas City Fed 對），只是還沒擴散到 493 家。
真正的問題因此不是「AI 有沒有用」，而是「為什麼效果沒有擴散」。Slok 給的答案（判斷力、問責、信任、文化）與其說是經濟學解釋，不如說是組織學診斷。而組織問題，通常比模型能力更難解。
對讀者最實際的結論只有一句：如果你導入 AI 六個月，卻說不出哪一項財報數字變好了，那你正站在那 493 家裡面。
資料來源與查證方法
- Apollo Daily Spark 原文（2026-10-24）：No Signs of AI Payoff Outside the Tech Sector
- Apollo Daily Spark 前篇（2026-08-09）：The Buyers of AI Are Still Waiting for the Payoff
- Apollo Daily Spark（2026-10-22）：Circularity in AI Shows Up in Token Spending Too（Ramp 80% / 13% 數據出處）
- TechCrunch（2026-10-25）：AI delivers ‘zero financial payoff’ to most companies, Apollo economist says
- Business Insider（2026-10-25）：Apollo says AI has delivered ‘zero financial payoff’ outside the tech industry（55 萬→80 萬美元、利潤率 10% 的圖表解讀出處）
- Bloomberg（2026-10-25）：AI Provides ‘Zero Payoff’ to S&P 493 Outside Tech, Apollo Economist Says
- Kansas City Fed 經濟通報（2026-02）：AI 採用與勞動生產力 2.5% vs 1.2%
- NBER Working Paper 34984（2026-03）：CFO 調查，AI 支出中位數與自報生產力
- Brad DeLong, Grasping Reality（2026-10-24）：對 Slok 方法論的批評與使用者剩餘論點
查證說明：本文所有數字均逐一比對 Apollo 原文與至少一家第三方報導；Slok 報告的圖表為圖片檔，具體金額（55 萬→80 萬美元、10%）採用 Business Insider 對圖表的解讀，並已標明出處。文中「未經獨立驗證」的廠商自報數據已明確標示，不與研究機構數據混用。