Apollo 首席經濟學家托斯滕·斯洛克（Torsten Slok）這週丟了一顆直球：AI 燒了這麼多錢，財務回報只留在七巨頭裡，標普其餘 493 家公司的人均營收、利潤率、生產力成長全部原地踏步。這篇貼上 HN 當天就衝到 500 分、500 多則留言，吵出六派觀點。下面先放全文翻譯，再整理網友反應，最後附一頁式懶人包。
原文連結：No Signs of AI Payoff Outside the Tech Sector（Apollo Daily Spark，2026 年 10 月 24 日）
HN 討論串：item?id=50224463
原文翻譯
儘管對人工智慧投入巨資、市場熱炒，這項技術至今沒有為科技業以外的美國企業帶來任何財務回報。
七巨頭（Mag 7）的人均營收持續上升，但標普其餘 493 家公司（S&P 493）原地踏步，見原文圖一。七巨頭的利潤率持續上升，但 S&P 493 的利潤率持平，見原文圖二。生產力成長也看不到 AI 的拉抬跡象，見原文圖三。
由於對獲利毫無貢獻，主流企業正在收手，開始把詞元（token）支出視為拖累利潤率的成本中心，而非成長動能。
拿創投錢的新創公司，詞元花費越來越多，但主流企業不需要最新模型，也不願為此付費。只要代理式 AI（agentic AI）與詞元支出侷限在少數企業，AI 的總體經濟效應就會非常有限，見原文圖四、圖五。
展望未來，問題在於：即使模型走向商品化、智慧越來越便宜，主流企業能不能把便宜的智慧，變成更高的營收成長與利潤率。這可能比想像中更難。AI 或許是很好的計算機，但在商業世界裡，智慧多半是判斷力。判斷力仰賴脈絡，答案會因人、因模型而異。最重要的是，AI 不懂問責、信任、文化、不成文規則、倫理取捨與公平，而這些正是形塑聲譽風險、最終驅動營收成長與利潤率的關鍵。
結論：AI 的故事要在 S&P 493 定勝負，而不是七巨頭；目前為止，沒有任何證據顯示科技業之外的營收成長或利潤率正在改善。
HN 網友怎麼看
這串同時踩到三條神經：工程師的自身經驗、總體經濟的統計方法，以及那筆越來越像泡沫的資本支出。意見大致分成六派。
一、電力老劇本，時間還沒到
@secabeen 用電氣化當類比開場：科技業最「軟體定義」、最虛擬，率先改變很自然，其他產業得先做資本投資才能接上。
「科技業是所有產業裡最『軟體定義』、最虛擬的一行，它率先改變是很自然的。」
原文：”The tech sector is the most software-defined and virtual of all sectors, it’s natural that they are first to change.”
@jstanley 只丟一句 1987 年索洛（Robert Solow）的名言就收工，@msabalau 補上時間尺度，說電力與蒸汽機花了約四十年才對生產力有明顯貢獻。
「你到處都看得到電腦時代，就是在生產力統計裡看不到。」（1987）
原文：”You can see the computer age everywhere but in the productivity statistics.”
反方還手。@ForHackernews 指出這個類比有個致命的不對稱：
「差別當然在於：在這個類比裡，Commodore 必須在 1989 年前長成兆元企業，否則整個股市會爆掉。」
原文：”The difference, of course, is that in this analogy Commodore has to become a trillion dollar business by 1989 or the entire stock market implodes.”
@ijustlovemath 補刀，說 1987 年可沒有國家級債務與「必須使用」合約在補貼單位經濟。
二、軟體有驗證閘門，其他產業沒有
這是全串技術含量最高的一條主線。@tapoxi 一句話點破為什麼工程師敢用非確定性系統：
「我們敢用非確定性的系統，是因為我們有測試套件當驗證閘門。其他產業沒有，所以除了人工複核，他們根本無從知道 AI 是不是在唬爛他們，而那比自己做還貴、還慢。」
原文：”We can use a non-deterministic system because we have test suites that act as validation gates.”
@mbil 把同一件事講成資訊流問題：軟體可以自動驗證，驗證迴圈才是讓系統迭代到可用答案的關鍵。@renegade-otter 從訓練端補充：軟體幾乎是唯一能用強化學習直接取得回饋的領域，編譯過不過，大量自動試錯就跑得出來。@1718627440 的說法最精煉：
「要拿到一個『正確程式』的範例，比描述『所有正確程式』的集合容易太多了。」
原文：”getting a single example of a correct program is way easier than describing the set of all correct programs.”
反方認為這套驗證例外論被高估了。@mr_toad 冷冷列出回測、保留集、交叉驗證，補一句「這些東西以前都發生過」。@Madmallard 則對測試套件本身開火：能保證可靠的系統，簡單到有沒有 AI 都無所謂。
三、價值沒消失，是被模型公司當租金收走
@fwlr 的阿斯匹靈比喻，整串被引用最多：
「如果你借了一兆美元去蓋一台成本一美分的阿斯匹靈機器，來跟一美元一顆的學名藥競爭，你會有極強動機把價格訂在 99 美分。我們看不到生產力提升，因為幾乎所有好處都被 AI 公司當營收收走了。」
原文：”If you borrow a trillion dollars to build a 1¢ aspirin machine to compete with $1 generic aspirin, you are strongly incentivized to sell your aspirin for 99¢.”
反駁也很直接。@extraextra 指出開源權重模型存在，而 OpenAI 與 Anthropic 至今仍在虧錢，真能完全拿走價值，大家早就跳去開源了。@augment_me 用算術挑戰：花 9.9 萬美元算力取代 10 萬美元工程師、產出變五倍，為什麼不算五倍生產力。@kristianp 則給出時間解方：等債務透過倒閉、還清或通膨消化掉，前沿模型便宜到改善直接反映在使用者的財報上。
四、瓶頸是組織慣性，不是模型能力
@zmmmmm 認為科技圈對在複雜組織裡推動改變有多難毫無概念，而且一半以上的阻力根本不是技術問題：
「你得改變人的做事習慣，而人的慣性大得驚人，改變週期是以十年計的。」
原文：”You have to shift the practices of humans and they have incredible inertia.”
@trzy 提供一個罕見的微觀樣本：某大型有線電視業者負責合約審批的主管，把每天八小時的工作砍到剩幾小時。「大家確實在用，只是用來換回自己的時間」，所以統計上看不到。@spawrks 稱現在還在價值發現期：真正有效率的做法是把職位拆解、蒸餾成 AI 回應加上確定性工作流，但那需要前期投資，多數產業連開始轉型都還沒準備好。
五、連科技業有回報這件事本身都可疑
@Luker88 指標題該改寫：不是科技業之外，而是七大巨頭之外。@dweinus 認為科技業人均營收的跳升，有很大一部分來自裁員與吃老本：
「我認識的科技業工作者，沒人把現在描述成一個可持續的 AI 新環境，而是被操爆的骷髏團隊。」
原文：”Most tech workers I know do not describe a sustainable new environment with AI, but rather over-worked skeleton teams”
@mbesto 對方法論的批評值得記一筆：Mag 7 利潤率 2020 年起走揚，跟疫情期間的營收暴衝與六年裁員潮一致，單方面歸因於 AI 是偷懶。
六、財報外的小樣本已經看到效果
顧問 @dolebirchwood 反駁沒有回報的說法：
「我有一些中小型客戶，在 AI 之前根本付不起他們現在請我規劃的這些工作。現在我能用更低的報價，幫他們做出以前想像不到的客製方案。」
原文：”I have small/mid-size clients who, in pre-AI times, would have never been able to afford the work they’re currently scoping out for me.”
@kolinko 帶非技術人員上手，產出直接飆升。@stbenjam 轉述多位醫師說 AI 寫病歷讓他們能看更多病人。@davedx 只回一句：你去跟律師事務所和專利事務所講。
但另一邊，@cmiles8 說預算季到了，一家接一家的公司正在砍 AI 預算，兩年前成立的 AI 實驗室團隊被清剿，而資料中心的債務還在堆。
正反分歧總表
| 面向 | 正方 | 反方 |
|---|---|---|
| 時間差還是泡沫 | 電力、個人電腦都花數十年才進統計，現在判斷太早 | 1987 年沒有國家級債務與強制使用合約補貼單位經濟 |
| 軟體是否真的例外 | 編譯器與測試是自動驗證閘門，別行只能人工複核 | 回測、交叉驗證別行早有，更多工作根本沒有回饋迴圈 |
| 價值被誰拿走 | 好處全被模型公司當租金收走，所以一般企業的財報看不到生產力提升 | 開源權重存在、兩大實驗室仍在虧錢，並無獨占或卡特爾 |
| 現在到底有沒有回報 | 中小企業、醫療、法務已經在省錢增量，只是不在 S&P 500 的財報上 | 預算季正在砍 AI 團隊、資料中心債務堆積，該自動化的客服與倉儲仍原地不動 |
一頁式懶人包
把上面的六派觀點做成一頁圖文版，方便轉傳：
直連備援：https://static.blog.derekhsu.net/ai-payoff-outside-tech.html
譯註
人名依慣例加註原文，之後只寫中文。token 譯為詞元，agentic AI 譯為代理式 AI。圖表請見原文連結，本文只譯文字。