在这一过程中，人们不难发现，市场正变得越来越动荡，哪怕是站在风口上的部分热门股，也会时不时在业内的质疑声中经历短线杀跌。
对此，阿波罗全球管理公司首席经济学家斯洛克 ( Torsten Slok ) 在周二发布的最新市场观察报告中，试图寻找这背后的真正症结。他一针见血地对人工智能未能在科技行业以外提升利润率这一现象进行了尖锐批评——而这本应是 AI 理应发挥的作用，因为它的初衷便是提升整个经济体的生产力，而不仅仅是惠及少数芯片制造商。
正如斯洛克在下图中所示，到目前为止，科技行业以外的利润率依然毫无起色。
正如斯洛克所言，利润率普遍提升的预期，本身是当前飙升的市场价格的支撑基础，因为人工智能公司的估值中隐含着对未来盈利的假设。正因如此，当前关于 Token 成本、模型路由（能根据任务难度自动把请求分配给最合适的大语言模型）和 Token 交易市场的讨论才至关重要。
斯洛克警告称，如果大多数 AI 应用场景中的 Token 成本大幅下降甚至趋近于零，那么即使在算力需求激增的情况下，所有超大规模云服务商 ( Hyperscalers ) 也无法获得足够的收入。
他以此彻底驳斥了如今已成陈词滥调的 " 杰文斯悖论 " 的论点。" 杰文斯悖论 " 是 1865 年英国经济学家威廉 · 斯坦利 · 杰文斯在《煤炭问题》一书中提出的，指效率提升会降低单位成本，反而激发更广泛的应用需求，最终推高资源的总消耗。
市场最危险的错配在这
回到当前议题，斯洛克认为，关键问题在于科技行业以外行业投入产出比 ( ROI ) 的见效周期有多长。
在少数几个行业——尤其是软件和科技行业—— AI 的落地几乎是立竿见影的，因为这些企业可以一夜之间将人工智能融入自身的产品和流程中。
但讽刺的是，正是软件行业股价在 2026 年遭受重创，因市场开始质疑这些企业的最终价值——它们很可能还没来得及靠 AI 提振利润，就已经被 AI 本身所淘汰。
但这仅仅是特例。在经济的大部分领域，尤其是资本密集型和受严格监管的行业，深入的流程再造和数据治理要求可能会导致结构性生产率提升的实现时间远超市场当前的预期。这类 " 大象难转身 " 的行业名单极长，涵盖医疗保健、银行与保险、能源与公用事业、国防与航空航天、制药与生命科学、制造业、交通运输与物流、建筑与房地产、教育、法律以及公共部门。
斯洛克认为，这导致当前激进且超前的 AI 股估值，与实际现金流增长明显滞后的现实之间产生危险的背离——因为如果生产率的 " 曲棍球杆式增长 " 需要五年而非五个月才能实现，那些基于即时盈利增长定价的股市就将面临痛苦的重新估值。
所谓 " 曲棍球杆式增长 " 是指在固定周期内前期销量较低，期末出现突发性增长的需求波动现象。
斯洛克的最终结论是：市场当前的盈利预期，与企业将 AI 投资转化为实际回报所需的客观周期之间，存在着严重的错配，这给当今许多 AI 企业的高估值埋下了巨大的隐患。
