作者 | 瀟湘
2026年的全球資本市場，正被一場由AI引發的“脈沖式震蕩”死死扼住喉嚨。一方面是存儲與芯片巨頭在巨額資本開支下的瘋狂博弈，另一方面則是大批傳統軟件與應用端巨頭因“終端價值遭質疑”而深陷估值重塑的泥潭。
在這一過程中，人們不難發現，市場正變得越來越動蕩，哪怕是站在風口上的部分熱門股，也會時不時在業內的質疑聲中經歷短線殺跌。
對此，阿波羅全球管理公司首席經濟學家斯洛克(Torsten Slok)在周二發布的最新市場觀察報告中，試圖尋找這背后的真正癥結。他一針見血地對人工智能未能在科技行業以外提升利潤率這一現象進行了尖銳批評——而這本應是AI理應發揮的作用，因為它的初衷便是提升整個經濟體的生產力，而不僅僅是惠及少數芯片制造商。
正如斯洛克在下圖中所示，到目前為止，科技行業以外的利潤率依然毫無起色。
他指出，“這正是市場最終在苦苦等待的破局點，因為當前AI概念股的高估值，完全建立在(七巨頭以外的)標普另外493只成分股的利潤率終將迎來攀升的預期之上。”
正如斯洛克所言，利潤率普遍提升的預期，本身是當前飆升的市場價格的支撐基礎，因為人工智能公司的估值中隱含著對未來盈利的假設。正因如此，當前關于Token成本、模型路由（能根據任務難度自動把請求分配給最合適的大語言模型）和Token交易市場的討論才至關重要。
斯洛克警告稱，如果大多數AI應用場景中的Token成本大幅下降甚至趨近于零，那么即使在算力需求激增的情況下，所有超大規模云服務商(Hyperscalers)也無法獲得足夠的收入。
他以此徹底駁斥了如今已成陳詞濫調的“杰文斯悖論”的論點。“杰文斯悖論”是1865年英國經濟學家威廉·斯坦利·杰文斯在《煤炭問題》一書中提出的，指效率提升會降低單位成本，反而激發更廣泛的應用需求，最終推高資源的總消耗。
回到當前議題，斯洛克認為，關鍵問題在于科技行業以外行業投入產出比(ROI)的見效周期有多長。
在少數幾個行業——尤其是軟件和科技行業——AI的落地幾乎是立竿見影的，因為這些企業可以一夜之間將人工智能融入自身的產品和流程中。諷刺的是，正是軟件行業股價在2026年遭受重創，因市場開始質疑這些企業的最終價值——它們很可能還沒來得及靠AI提振利潤，就已經被AI本身所淘汰。
但這僅僅是特例。在經濟的大部分領域，尤其是資本密集型和受嚴格監管的行業，深入的流程再造和數據治理要求可能會導致結構性生產率提升的實現時間遠超市場當前的預期。這類“大象難轉身”的行業名單極長，涵蓋醫療保健、銀行與保險、能源與公用事業、國防與航空航天、制藥與生命科學、制造業、交通運輸與物流、建筑與房地產、教育、法律以及公共部門。
斯洛克認為，這導致當前激進且超前的AI股估值，與實際現金流增長明顯滯后的現實之間產生危險的背離——因為如果生產率的“曲棍球桿式增長”需要五年而非五個月才能實現，那些基于即時盈利增長定價的股市就將面臨痛苦的重新估值。
所謂“曲棍球桿式增長”是指在固定周期內前期銷量較低，期末出現突發性增長的需求波動現象。
換言之，如果企業無法快速看到投資回報，它們將放緩人工智能方面的支出——而當前業內對“Token最優化”的極度關注，正是AI落地之路可能比預期更加坎坷、緩慢的早期預警。
斯洛克的最終結論是：市場當前的盈利預期，與企業將AI投資轉化為實際回報所需的客觀周期之間，存在著嚴重的錯配，這給當今許多AI企業的高估值埋下了巨大的隱患。
