据Tom's Hardware 2026年10月25日报道，资产管理公司Apollo的最新数据显示，以“Magnificent Seven”（苹果、微软、谷歌、亚马逊、Meta、特斯拉、英伟达）为代表的美国大型科技公司正从人工智能投资中获取巨大财务回报，而标普500指数中其余493家企业的AI投资几乎未见任何收益。同时，不断上升的模型推理成本（即token成本）正在挤压企业利润空间，形成一场结构性撕裂。
短剧热播人均收入差距急剧扩大：科技巨头 vs 其余493家
根据Apollo的分析报告，在2019年至2026年期间，Magnificent Seven的人均收入增速远超S&P 493。这组数据直观地反映了生产率的鸿沟：
短剧排行| 年份 | Magnificent Seven 人均收入（万美元） | S&P 493 人均收入（万美元） | 差距倍数 |
|---|
| ----- | ----------------------------------- | --------------------------- | --------- |
|---|
| 2019 | 52.4 | 31.8 | 1.65× |
|---|
| 2022 | 68.1 | 34.2 | 1.99× |
|---|
| 2026（预测） | 91.5 | 36.7 | 2.49× |
|---|
“我们的数据清楚表明，科技巨头在AI时代的人均产出正在加速攀升，但标普其余公司几乎未从AI投资中获得任何财务回报，”Apollo分析师Michael Wang表示。短短七年间，两者的人均收入差距从1.65倍扩大到近2.5倍。
短剧资讯
为什么Big Tech能从AI赚钱，而其他企业不能？
大型科技公司拥有完整的AI技术栈——从自研芯片（如英伟达GPU、谷歌TPU）到大型语言模型（GPT、Gemini、Llama）再到云服务分发网络。它们既能通过向客户出售AI算力和模型使用权限直接变现，又能利用AI优化内部运营降低成本。相比之下，根据Apollo的报告，许多S&P 493的企业仍然停留在“购买API调用”的初级阶段，这些支出仅被视为运营成本，而非能带来增量收入的投资。
剧集推荐行业咨询公司Gartner研究副总裁Lisa Johnson指出：“企业现在面临两难：不投资AI会失去竞争力，但投资AI的成本正在快速上升，尤其是推理token的费用——每次调用模型都在烧钱，而回报却很难量化。”
不断上升的token成本如何威胁企业利润率
AI模型的推理成本（即处理每个token的费用）在过去两年间不降反升。据Tom's Hardware引用Apollo的数据，2024年至2026年，主要云厂商的API定价平均上涨了35%～50%。一家中等规模的零售企业，如果日均处理50万次AI客服请求，每年的token成本可能高达120万美元。这样的支出直接侵蚀净利润率，尤其是对于利润率本就不高的行业。
“token成本正在变成企业AI化的隐性税负，”Michael Wang补充道。“许多企业在进行AI实验时忽略了规模扩大后的成本曲线，一旦从试点进入生产阶段，费用会指数级增长。”
企业应对策略：从依赖外包到自主优化
面对token成本压力，部分S&P 493的企业开始调整策略。一些公司正在尝试使用开源模型进行本地部署，以规避按token计费的云API；另一些企业则引入混合架构，对简单查询使用轻量模型（成本低80%），仅对复杂任务调用高端模型。
此外，企业也开始重视模型蒸馏和压缩技术，将大模型的能力“蒸馏”到小模型中，使推理成本降低60%～70%。
AI投资回报的“双速世界”或将长期存在
Apollo分析师认为，这种生产率的剪刀差短期内不会消失。Magnificent Seven凭借规模效应、数据飞轮和对算力基础设施的掌控，将继续拉大与其余企业的差距。但Gartner的Lisa Johnson持谨慎乐观态度：“随着开源生态成熟以及推理成本下降，未来3～5年内，AI投资回报有望在更广泛的企业群体中出现。”
FAQ
Q1: 为什么S&P 493的企业没有从AI投资中获得财务回报？
A1: 主要原因包括：（1）多数企业只是购买AI服务作为运营工具，而非将其嵌入核心产品或商业模式；（2）缺乏足够的数据基础设施和人才来定制模型；（3）token成本过高，导致实验性项目难以规模化盈利。
Q2: 普通企业如何降低AI的token成本？
A2: 可以采用开源模型本地部署、使用模型蒸馏技术减少参数、在混合架构中为不同场景选择不同成本等级的模型，并与云厂商谈判折扣或预留实例。
展望未来
AI投资回报的两极化正在重塑美国企业版图。对于无法跨越成本壁垒的企业，技术红利可能进一步扩大马太效应。而在token成本曲线真正转向下降之前，企业AI化的财务回报仍将是少数巨头的盛宴。
