导语：
过去两年，AI办公从一个新鲜的科技词汇，迅速膨胀为席卷全球的叙事洪流。从会议室里的PPT生成到财务部门的自动对账，几乎每家企业都在畅想用AI改写成本曲线。然而，阿波罗全球管理公司首席经济学家托斯滕·斯洛克的一份最新研报，给这股热潮泼了一盆冷水：剔除科技七巨头后，标普500中的其余493家公司，利润率与人均营收几乎原地踏步，AI并未给它们带来真金白银的增量。这究竟是时间差，还是AI商业化的结构性困境？
喧嚣背后的落差：AI投资热与财报冷感
打开任何一场科技峰会的议程，AI都是绝对的主角。云厂商在比拼算力规模，软件公司忙着给产品加上“Copilot”的后缀，风险投资人则把“AI Native”当作新的估值信仰。据IDC预测，全球AI支出将在2026年突破3000亿美元，中国市场的增速同样惊人。然而，当目光从发布会现场移向企业财报，画面立刻变得微妙。
阿波罗的斯洛克统计发现，标普500指数中剔除Alphabet、亚马逊、苹果、Meta、微软、英伟达、特斯拉后，剩余493家企业的利润率走势几乎是一条水平线，人均营收也未见显著跳升。换句话说，这些企业投入了大量资本购买GPU、订阅AI服务，却没能将这些成本转化为利润率或劳动生产率的提升。这就像烧钱买了一张健身年卡，一年后上秤，体重纹丝不动。
为何产生这种落差？一种常见的解释是“落地迟滞”：科技巨头有三至五年的技术储备，普通企业才刚刚开始用AI写周报。但斯洛克并不认同这种乐观。他认为，即便算力价格持续走低，企业也很难把廉价的智能算力自动换算为营收增长。因为商业世界里真正稀缺的不是计算能力，而是判断力。而这种判断力，恰恰是当前AI最不擅长的事情。
数据透视：标普493的“静默”说明了什么
斯洛克刻意聚焦“标普493”，是一个很聪明的统计切面。它剔除了AI技术创造者本身，只观察AI技术的潜在使用者，从而隔离了“卖水人”与“淘金者”的收益差异。数据显示，这批企业的营业利润率中位数在过去两年间仅微增0.2%，人均营收增速甚至低于疫情前五年均值。与此同时，它们在AI相关的资本开支和软件订阅上的支出，平均增长了22%。
这意味着什么？投入产出比出现了严重倒挂。企业花钱买AI工具，本意是替代重复劳动、优化决策流程，但实际效果却像往漏桶里倒水——成本看得见，收益摸不着。或许有人会说，AI带来的流程优化需要时间才能反映在报表上。可经济学家观察到，即便把观察窗口拉长到三年，非科技企业的生产效率指标也没有出现统计学意义上的跃迁。
更深层的问题在于，很多企业把AI用在了错误的环节。比如用大模型生成演讲稿、制作汇报PPT，这固然节省了白领的几分钟时间，但无法撬动供应链成本、库存周转率、客户留存率等核心经营指标。正如斯洛克指出，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。这种判断力包括对市场节奏的感知、对组织人性的洞察，以及对伦理边界的把握。AI可以帮你写出十版方案，却无法告诉你哪一版能在董事会上通过，更无法替CEO承担决策失误的责任。
算力便宜了，为什么商业智能依然昂贵
当我们谈论“最新科技”时，往往会被技术本身的炫目所迷惑。大模型参数从千亿跃升到万亿，推理成本一年下降十倍，英伟达的GPU依然供不应求。这些进步无疑激动人心，但它们属于供给侧的狂欢。需求侧的故事则要平淡得多：一家中型制造业企业，即便免费获得最强算力，也未必能提升5%的毛利率。
原因在于，商业智能不是一个单纯的算力函数。它涉及组织协作、风险控制、激励设计等大量隐性知识。斯洛克在研报中特别强调，AI理解不了责任、信任、企业文化、潜规则、伦理取舍与公平性，而这些因素决定声誉风险，最终左右营收增长与利润率。试想，一个AI客服可以流畅回答80%的常见问题，但剩下20%需要临时授权、需要体察用户情绪的交互，如果交给AI处理，很可能引发公关危机。这种隐性成本，往往不会被记入AI的ROI计算表。
换句话说，AI降低了信息处理的边际成本，但放大了决策失误的潜在代价。对企业管理者而言，真正的挑战不是“会不会用AI”，而是“该把哪些决策权交出去”。这已经超越了技术范畴，变成组织行为学议题。因此，我们看到的一种尴尬局面是：会用AI画图的市场部员工越来越多，但能够用AI重构供应链企业却凤毛麟角。
AI办公的真实价值：从工具赋能到流程再造
尽管宏观数据令人沮丧，但并不意味着AI办公是一场骗局。相反，问题恰恰在于我们对AI办公的期待过于肤浅——总想用一个聊天机器人解决所有问题，却忽略了流程再造的系统工程。
实际上，AI在垂直场景中的效率提升已经有大量实证。比如在客服领域，基于知识库的智能应答可以缩短80%的响应时间；在法务审阅中，AI合同审查能将单份合同的耗时从40分钟压缩到3分钟；在AI画图、文生图等创意场景，设计师的方案产出速度提升了整整一个量级。这些亮点为什么没有反映在标普493的财报里？因为它们大多停留在部门级优化，尚未形成企业级的收入推动力。
换句话说，AI办公的价值释放遵循“先点后面”的规律。单点应用如抠图、背景去除，能帮设计师节省两小时；但只有将AI嵌入招聘、采购、生产、交付的全链路，才能真正改变人均产出。斯洛克所观察的利润率和人均营收，是企业整体经营结果的汇总，局部优化不足以撼动大数。因此，当下更务实的策略，不是追问“AI有没有用”，而是找到ROI最高的业务环节，用AI工具导航寻找适配的解决方案，并围绕它重组工作流。
好消息是，AI基础设施的成本正在快速下降。OpenAI、Anthropic和国内厂商的竞争让大模型调用价格几乎每年减半。这意味着，中小企业即便没有自研AI能力，也能以低成本接入智能服务。关键在于，企业是否愿意打破原有的部门墙和流程惯性，真正按照AI的逻辑重构运营模式。
科技巨头与普通企业的AI分水岭
为什么唯独七家科技巨头能从AI中获益？答案不在于它们拥有更强的模型，而在于它们拥有围绕模型的完整商业闭环。英伟达卖铲子、微软卖订阅、谷歌卖广告、亚马逊卖云服务，七巨头的AI收益来自“输出技术”而非“使用技术”。它们的客户遍布全球，每一笔AI资本开支都能通过价格上涨或增值服务传导出去。而普通企业作为技术买方，则要独自承担AI改造的试错成本。
这种结构性差异决定了，AI对利润率的贡献天然倾向于技术卖方。但分水岭并非不可跨越。审视历史，历次通用目的技术（如电力、互联网）都经历过类似的“生产率悖论”阶段：早期投资巨大但宏观数据无明显改善，直到配套的商业模式和组织形态成熟后，红利才集中释放。经济学家罗伯特·索洛曾在1987年感叹“计算机无处不在，除了生产率统计中”，而今这句话几乎原封不动地扣在AI头上。
不过，我们也不必走向另一个极端。AI与以往技术最大的不同，在于它具备自我迭代能力。即使今天标普493的利润率没有提升，但它们在数据积累、算法磨合和员工技能上的投资，正在形成复利效应。当这些企业完成组织调整，AI所带来的效率改善可能呈J型曲线爆发。斯洛克自己也承认，他的判断基于当前数据，而非对AI未来潜力的否定。
破局路径：企业如何跨越AI价值鸿沟
面对“一边是星辰大海，一边是报表惨淡”的现实，企业应该如何调整AI战略？首先，放下“AI万能”的幻觉，把资源集中在能直接产生现金流的环节。与其让每个部门都试水AI聊天，不如聚焦供应链预测、动态定价、客户流失预警等高价值场景。其次，建立“人机协同”的决策机制，让AI提供候选方案，人类负责最终判断。AI Agent技术的兴起正是这一趋势的体现——AI从被动应答转向主动执行复杂任务，但关键节点的审批权仍掌握在人类手中。
对于中小团队，不妨从轻量化工具入手。例如需要快速产出营销素材时，可以借助文生图工具降低设计成本；需要客户端个性化沟通时，使用AI网名或艺术签名等趣味应用提升互动率；想了解最新科技动态，也可以常刷AI工具箱中的效率利器。这些看似微小的投入，有助于团队建立AI直觉，为后续深度改造积累经验。
同时，企业要重建相应的绩效评估体系。如果考核指标依旧是“工时”而非“成果”，员工自然缺乏用AI重构流程的动力。前沿管理实践表明，将AI生产力纳入OKR，并允许IT部门与业务部门共同分享AI节约的成本，能显著加速技术吸收。阿里、华为等国内企业已经开始在内部推行“AI使用率”指标，这预示着下一阶段的竞争焦点将从“买不买AI”转向“用得好不好”。
回到斯洛克的报告，它真正提醒我们的不是“AI没价值”，而是“价值尚未普惠”。科技革命从来不是匀速扩散的。任何一项最新科技从实验室走向工厂车间，都需要经历基础设施、组织形态与人才技能的协同进化。AI办公的下一程，属于那些能耐心穿过泡沫期，把技术融入组织毛细血管的长期主义者。
在这个意义上，阿波罗首席经济学家的冷水, 或许恰恰是让AI避开“郁金香”命运的最好清醒剂。