Apollo Global Management 首席經濟學家 Torsten Slok 於二零二六年十月二十四日《Daily Spark》指出：儘管企業大舉投入、市場對人工智能炒作不斷，該技術對美國企業界在科技業以外「零財務回報」；「Mag 7」人均收入與利潤率上升，但剔除 Alphabet、Amazon、Apple、Meta、Microsoft、Nvidia、Tesla 後的 S&P 493 人均收入與利潤率均平坦，且尚無跡象顯示 AI 正在推高生產力增長。主流企業開始把 token 支出視為拖累利潤率的成本中心；TechCrunch 十月二十五日亦引述同篇論點並指 Bloomberg 等媒體跟進。本文已核對 Apollo 官方 Daily Spark 原文與 TechCrunch 報道，來源真實性已驗證。

Apollo／首席經濟學家：AI 對科技以外企業「零財務回報」——S&P 493 人均收入與利潤率平坦；Mag 7 獨升

對香港與亞洲企業而言，這則經濟學筆記的價值不在「唱衰 AI」，而在把回報邊界畫清楚：資本開支與模型熱度集中在少數科技巨頭，並不自動等於非科技企業的人均收入或利潤率改善。若內部把 token 帳單當成增長引擎、卻沒有可量度的流程與責任歸屬，Slok 所形容的「成本中心」很快就會出現在財報討論裡。

一、事件核心：Mag 7 上升、S&P 493 平坦

已核對的官方說法（Apollo Daily Spark，2026-10-24）

根據 Apollo 官網《The Daily Spark》文章 No Signs of AI Payoff Outside the Tech Sector（作者 Torsten Slok，Partner, Chief Economist）：

核心判斷：儘管大規模投資與廣泛炒作，人工智能對科技業以外的美國企業界交付了 「zero financial payoff」（零財務回報）。
人均收入（revenue per worker）：Mag 7 上升；S&P 493（S&P 500 扣除 Alphabet、Amazon、Apple、Meta、Microsoft、Nvidia、Tesla）平坦。
利潤率（profit margins）：同樣是 Mag 7 上升、S&P 493 平坦。
生產力：文中寫明仍 沒有跡象 顯示 AI 正在推高生產力增長（productivity growth）。
企業行為轉向：在對底線沒有可見影響下，主流企業美國（mainstream corporate America）開始後撤，並把 token spending 視為拖累利潤率的成本中心，而非增長來源。

TechCrunch（Anthony Ha，2026-10-25）以同一 Apollo 筆記為主軸報道，標題與導語聚焦「AI delivers ‘zero financial payoff’ to most companies」，並交叉說明 S&P 493 定義與利潤率／人均收入平坦、尚未見生產力改善等論點；Bloomberg 等跟進以標題／導語層引用即可，本文不以付費牆全文為依據。

誰在為 token 買單

Apollo 原文進一步區分兩類買家：

VC 支持的公司：在 token 上的支出愈來愈多。
主流企業：並不需要最新模型，也不願為最新模型付費。

Slok 寫道：只要 agentic AI 與 token 支出仍局限於經濟的一小部分，AI 的宏觀經濟效應就會非常有限。

二、技術與商業含義：便宜智力 ≠ 更高利潤

展望下一階段，Apollo 提出的關鍵問題是：即使模型日漸商品化、智力變得更便宜，主流企業能否把它轉成更高的收入增長與更高的利潤率——「聽起來可能比實際更難」。

原文對比：

AI 可能是出色的計算器（calculator），但在商業裡，智力多半是判斷（judgment）。
判斷依賴情境，答案會隨你問哪個人、哪個模型而變。
尤為重要的是：AI 不理解問責（accountability）、信任、文化、潛規則、倫理取捨或公平——而這些因素塑造聲譽風險，並最終驅動收入增長與利潤率。

對產品與營運團隊，這意味著「換更新、更貴的 frontier 模型」本身不是策略；要把判斷場景拆成可審計步驟、清楚誰對輸出負責，否則 token 帳單只會在財報上顯成成本。

三、底線與讀法：故事在 S&P 493，不在 Mag 7

Apollo 的結語非常直接：

The bottom line is that the AI story will be decided in the S&P 493, not the Mag 7, and so far, there is no evidence that revenue growth or margins are improving outside the tech sector.

亦即：AI 敘事的勝負場域是科技以外的廣泛企業；截至該筆記發布，沒有證據顯示科技業以外的收入增長或利潤率正在改善。TechCrunch 亦引述 Slok 對「非科技企業只是落後、遲早追上」說法持懷疑態度——把便宜智力轉成更高收入與利潤率「會很艱難」。

寫作與投資溝通時應分開三層，避免混讀：

Mag 7 的人均收入／利潤率改善（Apollo 圖表結論，非本文自製數字）；
S&P 493 平坦與「尚無生產力增長跡象」；
宏觀上「token 支出仍局限於經濟一小部分」時的有限外溢。

四、專業評價與潛在考量

較清晰之處

官方筆記清楚給出 Mag 7 vs S&P 493 對照框架，以及「零財務回報」這句可核對引語。
同時寫出企業行為（主流後撤、把 token 當成本中心）與能力邊界（判斷／問責／文化），避免把問題簡化成「再等幾季就會有 ROI」。
TechCrunch 獨立轉述並標示 S&P 493 組成，便於交叉核對。

仍須注意

這是首席經濟學家的市場筆記與圖表解讀，不是單一公司財報重述；「零財務回報」指科技以外企業界的總體觀察，不宜改寫成「每間非科技公司都沒有任何 AI 效益」。
圖表來源標註包括 Bloomberg、Macrobond、Apollo Chief Economist 等；本文不轉載圖內未在正文寫明的精確百分點。
生產力數列涉及經週期調整的全要素生產力（TFP）等技術定義，轉述時保留「尚無跡象」層級即可，勿外推成長期預測。

五、與香港企業的對照

香港團隊若正在編 AI 預算、或被要求「跟上最新模型」，可把 Apollo 筆記讀成三條作業清單：

可量度 ROI：先定義人均產出、週期時間、錯誤率或毛利率等業務指標，再決定 token／模型檔位；否則支出容易落入 Slok 所說的成本中心。
判斷場景與問責：把需要信任、合規、倫理取捨的決策留在可審計的人工／流程節點；模型當計算器與草稿，不當最終責任人。
企業私有部署優先於追新：主流企業「不願為最新模型付費」的另一面，是用穩定、可託管、資料不出境的方案，把智力成本壓在可預測區間——這與香港金融、法律、醫療等對 NDA 與本地託管的要求一致。

需要把生成式 AI 做成可量度回報的企業流程、或以香港私有 LLM 落地時，可參考 YSK Limited 的人工智能自動化與私有模型託管服務（https://ysk.hk/services/ai-automation）。企業私有 LLM 全託管年費方案等細節以 https://ysk.hk/llms.txt 及官網為準。

結語

Apollo 首席經濟學家把 AI 熱潮拆成兩條曲線：Mag 7 的人均收入與利潤率在升，S&P 493 仍平坦，並直言科技以外「零財務回報」、尚無生產力增長跡象。故事會在廣泛企業而非七巨頭身上決定——對香港企業，這是把 token 帳單改寫成可審計流程與私有部署 ROI 的時機。若你正籌劃可量度的企業 AI 自動化或本地私有模型，歡迎由 YSK 協助對齊指標、流程與託管：https://ysk.hk/services/ai-automation

參考來源

Apollo Global Management, The Daily Spark — Torsten Slok, “No Signs of AI Payoff Outside the Tech Sector”（2026-10-24；已核對「zero financial payoff…outside of tech」、Mag 7 vs S&P 493 人均收入／利潤率、生產力尚無跡象、token 成本中心、VC vs 主流付費意願、判斷 vs 計算器、S&P 493 決定敘事之底線）— https://www.apollo.com/wealth/insights-news/insights/daily-spark/no-signs-of-ai-payoff-outside-the-tech-sector
TechCrunch — Anthony Ha, “AI delivers ‘zero financial payoff’ to most companies, Apollo economist says”（2026-10-25；已核對對 Apollo 筆記之轉述、S&P 493 組成定義、判斷／問責引語）— https://techcrunch.com/2026/10/25/ai-delivers-zero-financial-payoff-to-most-companies-according-to-apollo-economist/
YSK Limited services map — https://ysk.hk/llms.txt ；AI 自動化／企業私有 LLM — https://ysk.hk/services/ai-automation