算力的边际成本已高于边际收益：Apollo首席经济学家一周3次预警，AI牛市的核心经济缺陷在哪里
2026年10月第4周，华尔街正在经历一场迟来的清算。
芯片股领跌，AI概念板块全线回撤，CoreWeave股价当月暴跌超过30%，其5年期信用违约掉期（CDS）达到1,145个基点。Meta的债务违约保险成本在周四触及历史新高——5年期CDS扩大7.6个基点至114.79个基点的历史峰值。与此同时，据Fortune报道，一小撮超大规模云厂商（hyperscalers）计划今年投入约8,000亿美元资本开支，明年的预期更是突破1万亿美元大关。（来源: Fortune, 2026-10-24）
关于这一资本开支数字的口径说明：Fortune原文使用的表述是”a handful of hyperscalers plan to spend an estimated $800 billion this year, with capex next year seen topping $1 trillion”，其中”a handful of hyperscalers”指向的是少数几家超大规模云厂商（通常理解为AWS、Azure、GCP、Meta等头部企业），但报道未进一步明确这一统计是否仅涵盖这几家公司的直接资本开支，还是包含了它们通过合资、担保或关联融资结构间接撬动的更广泛AI基础设施投资。不同口径下，8,000亿与1万亿美元的含义截然不同。由于笔者未能从各公司最新财报电话会或SEC filing中逐一提取并加总各家公开披露的capex guidance进行交叉验证，本文在后续引用这一数字时均以”据Fortune报道”为限定，读者应自行核实各公司官方披露。
在这个数字与叙事剧烈碰撞的时刻，Apollo Global Management首席经济学家Torsten Slok在短短一周内连发3份研究简报，从3个不同维度对AI牛市的经济学根基发起了系统性质疑。他的核心论断只有一句话，却足以动摇整个AI投资叙事的地基：
“The core economic flaw in the AI bull case is that the marginal cost of producing compute exceeds the marginal benefit it delivers to users, raising questions about claims of unlimited demand for data centers.”
翻译成中文：AI牛市叙事的核心经济缺陷在于，生产算力的边际成本已经超过了它交付给用户的边际收益，这对”数据中心需求无上限”的说法构成了根本性质疑。
这不是一个技术判断，而是一个经济学判断。它的杀伤力在于：如果这个判断成立，那么当前万亿美元级别的AI基础设施投资周期，其见顶时间可能远早于市场共识。
第1章：一周3次预警——Slok的密集警告时间线
要理解Slok这轮警告的分量，首先需要还原他在10月第4周的完整论证链条。这不是一次随机的看空喊话，而是一套从需求侧数据到企业回报再到资本结构的完整逻辑闭环。
关于Slok的背景补充：Torsten Slok是Apollo Global Management的首席经济学家。需要指出的是，Apollo作为全球最大的另类资产管理公司之一，其业务天然涉及信贷和不良资产投资，Slok的分析视角可能受到其机构立场的影响——这既是他在信用风险领域具备深厚专业能力的来源，也是读者在评估其判断时应纳入考量的因素。Fortune原文将其描述为”on a warpath this past week”（本周处于猛烈攻势中），这一措辞本身暗示了Slok立场的鲜明性。截至本文发布时，笔者未能系统检索到Slok过往重大宏观预测的完整命中率记录，读者应自行评估其判断的权重。
第1份简报（周二）：Token支出增速放缓，需求曲线平坦
据Fortune报道，Slok在周二首先指向了一个关键的领先指标：token支出增速近期出现放缓（the recent slowdown in token spending growth）。他指出，算力的需求曲线是平坦的（flat），并且对价格变化高度敏感（highly sensitive to price changes）。（来源: Fortune, 2026-10-24）
这一判断的经济学含义极为重要。在经典的供需框架中，如果需求曲线陡峭（即价格弹性低），那么即使价格上涨，需求量也不会显著下降——这意味着供应商拥有定价权，扩产是理性的。但如果需求曲线平坦（即价格弹性高），那么价格的微小上涨就会导致需求量的大幅下降——这意味着”建了就会来”（build it and they will come）的逻辑不成立。
Slok进一步指出，多数投资AI技术的企业尚未看到显著的生产力回报（significant productivity returns），AI目前更像是一个成本中心（cost center）而非增长驱动力（growth driver）。（来源: Fortune, 2026-10-24）
这里有一个微妙但关键的区分：AI作为技术可能是有效的，但作为企业投资可能是亏损的。一个能写出不错文案的AI工具，和一个能让企业利润率提升50个基点的AI工具，是完全不同的命题。Slok关注的不是前者，而是后者。
第2份简报（周四）：循环融资的”套娃”结构
到了周四，Slok将矛头转向了AI生态系统中一个更隐蔽的结构性风险：循环融资（circularity）。
据Fortune报道，他指出，AI公司已经因为一种特定的融资安排而受到审视——它们向其他公司提供资金或担保债务，而这些公司同时也是它们的头部客户。这种安排引发了对其增长可持续性的质疑。（来源: Fortune, 2026-10-24）
Slok认为，类似的循环动态在AI初创企业和风险投资公司之间同样存在。据Fortune转述Slok的研究简报，他声称：前1%的AI支出者中，80%是风投支持的企业。在他看来，这意味着初创公司是在用风险资本而非有机收入（organic earnings）来支付算力账单。（来源: Fortune, 2026-10-24）
关于这一数据的重要说明：Apollo官网公开的Daily Spark简报《Circularity in AI Shows Up in Token Spending Too》（2026-10-22）显示，这一统计来自企业支出管理公司Ramp的数据（Ramp AI Index）：前1%的AI支出者中80%为风投支持企业，而在支出处于中位数的企业中这一比例仅为13%。（来源: Apollo Daily Spark, 2026-10-22）但简报没有进一步说明”前1%”的排序口径（按绝对支出金额还是按支出占收入比）和样本范围。笔者认为，Ramp的数据来自其自身的企业客户，未必能代表整体市场。因此，本文在后续引用这一数字时均以”据Slok声称”为限定，读者在进一步引用时应注意其样本和口径的局限，不宜将其作为确定性事实。这一数据在本文论证中仅作为指向”VC资金驱动算力需求”这一结构性风险的辅助信号，而非核心论据。
尽管如此，Slok声称的这个80%的数字——即使存在口径上的模糊——仍然指向了一个令人不安的可能性：AI算力需求中相当大一部分，可能并非来自真实的商业需求驱动，而是来自风险资本的输血。当VC资金充裕时，这些初创公司会大量采购GPU算力，推高需求数据，进而支撑”算力需求无限”的叙事，吸引更多资本进入——形成一个自我强化但脆弱的循环。
一旦VC融资环境收紧，或者LP（有限合伙人）开始质疑AI投资的回报率，这个循环就可能迅速逆转。届时，算力需求的下降速度可能远超线性预测，因为它不是渐进的需求萎缩，而是资本驱动型需求的突然蒸发。
第3份简报（周六）：AI对非科技企业的财务回报为零
周六，Slok发出了这一轮警告中最尖锐的判断：AI对美国公司的财务回报为零——大型超大规模云厂商除外（AI has “delivered zero financial payoff” to U.S. companies outside of the big hyperscalers）。（来源: Fortune, 2026-10-24）
关于发布日期的说明：Fortune原文明确记录Slok这份简报发布于周六（Saturday）。这在华尔街研究简报中并不常见——机构经济学家通常在工作日发布研报。周六发布可能意味着这是一份面向客户的电子邮件简报而非正式研报，也可能反映了Slok对这一议题的紧迫感。无论如何，这一时间点本身就传递了信号。
他指出，虽然所谓的”Magnificent Seven”（科技7巨头）的利润率和人均收入都在上升，但S&P 500中其余的493家公司（即”S&P 493”）并未看到任何类似的改善。（来源: Fortune, 2026-10-24）
关于S&P 493财务数据的说明：Fortune报道转述了Slok”零回报”的定性判断，但未给出S&P 493利润率或人均收入的具体数字。Apollo官网公开的Daily Spark简报《No Signs of AI Payoff Outside the Tech Sector》（2026-10-24）也只是指出S&P 493的人均收入和利润率均”持平”（flat），具体数值仅以图表呈现。（来源: Apollo Daily Spark, 2026-10-24）另一家媒体PPC Land在报道同一事件时标题提及”S&P 493 margins stay near 10%”（据PPC Land转述，2026-10-25），但笔者未能从S&P Global的官方数据等一手来源交叉验证这一具体数字。因此，本文对”零回报”的引用以Slok的定性判断为准，读者如需具体利润率数据，应查阅S&P Global或Bloomberg等一手数据终端。
这是一个极为重要的区分。AI牛市叙事的一个关键假设是：AI将像互联网一样，最终惠及所有行业、所有企业。但Slok的判断表明，截至2026年10月，AI的财务回报仍然高度集中在少数科技巨头身上——而这些巨头恰恰是AI基础设施的建设者和运营者，它们的利润增长在很大程度上来自于向其他企业销售AI服务。
如果购买AI服务的企业本身并未从中获得显著的财务回报，那么这些企业继续为AI服务付费的意愿和能力就值得怀疑。正如Slok所写：”the AI payoff for firms has been slow to materialize, implying a growing reluctance to pay for AI services”——企业的AI回报迟迟不兑现，意味着它们为AI服务付费的意愿正在下降。（来源: Fortune, 2026-10-24）
Slok还提出了一个更深层的判断，解释了为什么AI的企业回报可能天然受限：
“AI may be a great calculator, but in business, intelligence is mostly judgment. Judgment depends on context, and the answer varies with which human or which model you ask. Perhaps most importantly, AI does not understand accountability, trust, culture, unwritten rules, ethical trade-offs or fairness, all of which shape reputational risk and ultimately drive revenue growth and profit margins.”
这段话的核心洞察是：商业智能的本质不是计算，而是判断。判断依赖于上下文，而上下文包含了问责、信任、文化、潜规则、伦理权衡和公平性——这些都是AI目前无法理解的维度，但它们恰恰塑造了企业的声誉风险，并最终驱动收入增长和利润率。
此外，据Fortune报道，Slok还指出，美国企业整体并不需要最新的AI模型——也不想为之付费。即使AI变得更便宜和商品化（cheaper and commoditized），主流企业可能仍然难以利用这项技术来提升财务业绩。（来源: Fortune, 2026-10-24）这一判断的重要性在于：它同时封堵了”降价驱动需求”的乐观逻辑——问题不仅在于价格太高，更在于AI能力与企业价值创造之间存在结构性的转化瓶颈。
第2章：核心经济学缺陷拆解——边际成本 vs 边际收益
Slok的论证看似简单，但其经济学逻辑链条值得深入拆解，因为它直接指向了AI资本开支逻辑的根基。
2.1 “无限需求”假设的经济学前提
过去3年，AI投资的核心叙事可以简化为一个三段论：
- AI能力随算力投入的增加而提升（Scaling Law）；
- AI能力的提升带来越来越大的经济价值；
- 因此，算力需求是无限的，数据中心永远不嫌多。
这个三段论的第1步在技术上大体成立（尽管Scaling Law的边际收益递减已经成为学术界的活跃讨论话题）。但第2步和第3步之间存在一个巨大的跳跃：AI能力的提升并不自动等于经济价值的等比例增长。
Slok正是在这个跳跃处插入了他的经济学楔子。他的核心论点可以用一个简单的不等式表达：
MC(compute) > MB(compute)
其中MC是算力的边际生产成本，MB是算力交付给用户的边际收益。
当这个不等式成立时，理性的企业用户应该减少算力采购，而非增加。这意味着”无限需求”假设在当前价格水平下不成立。
2.2 需求曲线的形状决定一切
Slok特别强调了一个被市场忽视的关键变量：需求曲线的形状。
他明确指出，算力需求曲线是平坦的，且对价格高度敏感。（来源: Fortune, 2026-10-24）这在经济学上意味着算力的需求对价格高度敏感。
对于弹性需求商品，供应商面临一个困境：如果提价，总收入反而下降（因为需求量的下降幅度大于价格上升幅度）；如果降价，虽然需求量增加，但单位利润被压缩。这意味着算力供应商的定价权远没有市场想象的那么强。
更重要的是，据Fortune报道，Slok指出：”The main determinant in data-center construction models isn’t physical capacity or power. Instead, it’s the actual price users are willing to pay for compute.”——数据中心建设模型中的主要决定因素不是物理容量或电力，而是用户实际愿意为算力支付的价格。（来源: Fortune, 2026-10-24）
这句话直接挑战了当前市场上流行的”供给约束”叙事。很多分析师和投资者认为，AI数据中心建设的瓶颈在于电力供应、土地审批、芯片产能等供给侧因素。但Slok认为，真正的约束在需求侧——不是”能不能建”的问题，而是”建了有没有人按足够高的价格买”的问题。
2.3 企业回报的缺失如何传导至需求萎缩
让我们把Slok的逻辑链条完整串联起来：
第1环：企业采购AI算力/服务 → 第2环：企业试图用AI提升收入或降低成本 → 第3环：多数企业未能实现显著的财务回报 → 第4环：企业为AI服务付费的意愿下降 → 第5环：算力需求增速放缓 → 第6环：数据中心投资回报率下降 → 第7环：资本市场重新定价AI基础设施资产
据Fortune报道，Slok的判断表明，这个链条目前卡在了第3环：“But companies will only pay a high price if it translates to higher revenue growth, bigger profits, or substantial savings—and there is little sign any of those exist at scale.”——企业只有在AI投资能转化为更高的收入增长、更大的利润或实质性的成本节约时，才会支付高价，而目前几乎没有迹象表明这些回报在大规模出现。（来源: Fortune, 2026-10-24）
这里的关键词是”at scale”（大规模）。个别企业的AI成功案例确实存在，但Slok关注的是统计意义上的整体画面：据他判断，S&P 493的利润率和人均收入并未因AI投资而出现系统性改善。
2.4 一个被忽视的时间维度
Slok在这里留了一个耐人寻味的开口：”Maybe that will come in the future. Maybe not.”（来源: Fortune, 2026-10-24）
这不是简单的对冲。这句话暗示了一个关键的时间维度问题：即使AI最终能够为企业创造显著的财务回报，但如果这个”最终”来得太晚，那么在等待期间，巨额的资本开支就可能面临无法回收的风险。
资本市场的残酷之处在于，它不会无限期地等待回报兑现。当企业持续投入而看不到回报时，投资者的耐心会耗尽，融资成本会上升，资本开支计划会被削减——即使AI技术本身仍在进步。
技术的长期正确性不等于投资的短期合理性。
第3章：华尔街的退潮信号——从股票到信用市场的连锁反应
Slok的警告并非发生在真空中。2026年10月第4周，资本市场已经在用真金白银对这些担忧进行定价。
3.1 芯片股领跌，AI板块全线承压
据Fortune报道，Slok发出系列警告的同一周，AI相关股票出现下跌，芯片股尤其领跌（especially chip names），交易员们开始质疑资本开支狂潮还能持续多久。（来源: Fortune, 2026-10-24）
芯片股的领跌逻辑是清晰的：如果算力需求增速放缓的判断成立，那么最直接受影响的就是GPU和AI加速器的供应商。它们的估值建立在算力需求持续高速增长的假设之上，一旦这个假设被动摇，估值的下修幅度可能是非线性的。
3.2 信用市场：更敏感的风险定价器
相比股票市场，信用市场往往是更敏感、更早期的风险信号。2026年10月第4周的信用市场数据令人警醒。
CoreWeave：作为”新云”（neocloud）公司的代表，据Fortune报道，CoreWeave的股价当月暴跌超过30%，其5年期CDS达到1,145个基点。（来源: Fortune, 2026-10-24）
为帮助读者理解这一数字的严重程度：1,145个基点意味着为CoreWeave 1,000万美元的债务购买5年期违约保险，每年需支付约114.5万美元的保费。这一水平通常对应CCC级或更低的信用评级区间，接近深度高收益（即”垃圾债”）的水平，意味着市场正在对这家AI基础设施公司的债务违约风险进行极高的定价。作为对比，投资级公司的CDS通常在50-150个基点之间，而BB级高收益债的CDS一般在200-500个基点范围内——这些区间为一般性市场经验值，具体水平因市场环境而异。CoreWeave的1,145个基点远超这些区间，反映出市场对其偿债能力的严重担忧。
关于CoreWeave CDS水平的说明：Fortune报道提供了1,145个基点这一绝对水平，但未提供CoreWeave此前的CDS水平作为历史对比基准（如1个月前或3个月前的水平）。笔者亦未能在公开渠道找到其CDS的时间序列数据。因此，本文仅能确认1,145个基点的绝对水平处于极端区间，但无法精确量化其恶化的速度和幅度。读者在评估变化趋势时应注意这一数据局限性。
Meta：据Fortune报道，这家社交媒体巨头已经发行了大量债务，并在本周宣布发行新类别的股票。Fortune原文称，新股发行的部分原因是帮助CEO Mark Zuckerberg为加州可能征收的财富税筹资（in part to help CEO Mark Zuckerberg pay for a possible wealth tax in California）。（来源: Fortune, 2026-10-21）
关于Meta新股发行动机的说明：上述关于加州财富税的表述系Fortune报道原文所载，笔者未能从Meta官方公告（如SEC filing或新闻稿）中独立验证新股发行的具体目的，亦未能核实加州财富税立法的当前进展状态。读者在引用这一说法时应以”据Fortune报道”为限定。
据Fortune报道，Meta的5年期CDS在周四扩大7.6个基点，触及114.79个基点的历史新高。（来源: Fortune, 2026-10-24）
需要厘清的一点：Meta发行新类别股票与其CDS上升之间，Fortune报道将二者并列呈现，但并未明确指出二者之间存在直接因果关系。更合理的解读是：两者都是同一风险图景的不同侧面——Meta在AI基础设施上的巨额投入正在推高其财务杠杆和信用风险，而新股发行和CDS上升分别从股权稀释和债务风险两个维度反映了这一压力。
3.3 隐藏的债务冰山
据Fortune报道，S&P Global数字基础设施全球负责人Mark Habib在伦敦的一次圆桌会议上发出了更深层的警告。他指出了超大规模云厂商与数据中心项目或小型AI公司之间的”互联融资结构”（interconnected financing structures）。（来源: Fortune, 2026-10-24）
Habib的原话更加直白：”It is safe to assume that there is more (debt) out there that we are not seeing.”——可以安全地假设，还有更多我们看不到的债务。（来源: Fortune, 2026-10-24）
他进一步解释，如果这些债务没有被报告，那它就不属于超大规模云厂商的披露范围；如果S&P没有对这些交易进行评级，那么这些负债的事实就不在评级视野之内。
这意味着AI基础设施领域的真实杠杆水平可能远高于公开数据所显示的。当市场情绪转向时，这些隐藏的债务可能成为放大下行风险的杠杆。
3.4 资本市场信号的综合解读
将股票市场、信用市场和隐藏债务3个维度的信号综合起来，笔者判断可以得出一个方向性结论：市场正在从”AI投资不够多”的叙事，转向”AI投资可能太多了”的叙事。
这种叙事转换的速度往往比基本面变化更快。一旦市场共识从”算力短缺”翻转为”算力过剩”，AI基础设施资产的重新定价可能是剧烈的——因为这些资产的价值高度依赖于未来现金流的折现，而未来现金流的预期正在被下调。
更令人担忧的是，这种重新定价可能触发Slok所警告的循环融资风险的连锁反应：AI公司的估值下降 → 融资能力减弱 → 算力采购减少 → 数据中心利用率下降 → 数据中心运营商收入下降 → 债务违约风险上升 → 信用收紧 → 更多AI公司面临融资困难……
第4章：对立视角与张力——Slok的论证可以被怎样挑战
任何严肃的分析都必须呈现对立视角。Slok的论证虽然逻辑严密，但并非没有可以挑战的地方。
关于对立视角来源的说明：截至本文发布时，笔者未在已验证的参考资料中找到针对Slok本轮警告的具名公开反驳。以下对立论点主要来自两个方向：一是市场中可观察到的行为信号（尤其是超大规模云厂商持续加码资本开支这一事实本身所隐含的判断），二是Slok论证框架本身的逻辑张力。笔者将在每个反方论点中明确标注其来源属性——是基于可观察的市场行为推断，还是基于逻辑分析。
4.1 Hyperscalers的行为本身就是反方证据
与Slok的”需求侧疲软”论相对立的，是一个简单但有力的事实：超大规模云厂商仍在以前所未有的速度加码资本开支。 据Fortune报道，今年约8,000亿美元，明年预期突破1万亿美元（来源: Fortune, 2026-10-24，口径说明见第1段）。
这里需要公平地承认一个逻辑上的张力：超大规模云厂商的管理层比外部分析师拥有更多的一手需求数据。 它们能够看到客户的实际使用量、合同签约管线、以及企业客户的采购意向。如果这些数据真的显示需求正在疲软，理性的管理层不太可能继续加码数千亿美元的资本开支。因此，持续加码本身就构成了对Slok论点的一种隐性反驳——这不是某位分析师的观点，而是数千亿美元真金白银所表达的市场判断。
但这一反方论点同样存在重要的局限性：管理层的资本开支决策可能不完全由需求信号驱动，还可能受到竞争压力（”不投就落后”）、沉没成本效应、以及对未来需求的乐观预期的影响。如果是后者，那么这些资本开支本身就可能成为Slok所描述的循环融资问题的一部分——云厂商投入巨资建设数据中心，向AI初创公司提供算力信贷，初创公司用VC的钱支付算力账单，VC用LP的钱投资初创公司，LP期望AI投资带来高回报……整个链条的最终锚点，仍然是企业端的真实财务回报。
这里的关键问题是：超大规模云厂商的资本开支决策，是基于真实的、可持续的企业需求信号，还是基于对未来需求的乐观预期？抑或两者兼有？ 在缺乏这些公司内部需求数据的情况下，外部观察者无法给出确定性答案。
4.2 推理需求的结构性增长：Slok框架的一个潜在盲区
Slok的分析中有一个值得注意的盲区：他主要关注的是当前的token支出增速和企业回报数据，但可能低估了推理需求（inference demand）的结构性增长潜力。
随着AI模型被嵌入越来越多的产品和服务中——从搜索引擎到客服系统，从代码助手到医疗诊断——推理需求的增长可能具有一定的不可逆性。即使单个企业的AI回报不显著，但当AI功能成为产品的标配时，企业可能不得不为此付费，就像企业不得不为云计算付费一样——不是因为它直接带来了可量化的利润提升，而是因为不用就会落后于竞争对手。
然而，这个反方论点本身也有一个重要的局限：如果AI是一个”不得不有但不创造超额回报”的能力，那么企业为之付费的意愿将受到严格的成本约束。 这恰恰与Slok关于需求曲线对价格高度敏感的判断形成了某种呼应——企业会用AI，但不会为之支付溢价。
值得注意的是，Slok本人在第3份简报中也间接触及了这一问题。据Fortune报道，他写道，即使AI变得更便宜和商品化（cheaper and commoditized），主流企业可能仍然难以利用这项技术来提升财务业绩。（来源: Fortune, 2026-10-24）换言之，即使推理成本大幅下降使得AI被广泛采用，这种采用本身也未必能转化为可观的企业财务回报——问题不仅在于价格，更在于AI能力与企业价值创造之间的转化效率。
但这里存在一个Slok可能低估的反方逻辑（以下为笔者基于逻辑分析的推断）：如果推理成本持续下降（这在技术上是大概率事件），而AI功能同时变成企业运营的”水电煤”式基础设施，那么即使单位价格很低，总量需求的增长仍可能支撑数据中心的高利用率——只是利润率会被压缩。这对投资者而言是坏消息（回报率下降），但对”数据中心需求是否存在”这个问题而言，答案可能是肯定的。Slok的框架更适合回答”当前价格水平下的需求是否可持续”，而非”任何价格水平下的需求是否存在”。这是他论证框架的一个重要适用边界。
4.3 价格弹性的核心分歧
两种叙事的分歧，本质上是对算力需求价格弹性的不同判断。
AI牛市阵营隐含的假设是：算力需求的价格弹性低（即需求刚性），因为AI创造的价值远大于算力成本。在这种假设下，即使算力价格不下降，需求也会持续增长。
Slok的判断则相反：算力需求的价格弹性高（即需求弹性），因为多数企业尚未从AI中获得足够的回报来证明当前的算力价格是合理的。在这种判断下，只有当算力价格大幅下降时，需求才会显著增长——而价格下降意味着算力供应商的利润率被压缩，投资回报率下降。
这两种判断的差异，将直接决定AI资本开支周期的走向：
- 如果价格弹性低 → 数据中心建设可以按当前速度甚至加速推进 → 超大规模云厂商的资本开支是合理的
- 如果价格弹性高 → 数据中心建设将面临需求天花板 → 当前的资本开支可能过度
笔者判断：真实情况很可能介于两者之间，且因客户类型而异——大型企业的AI算力需求可能价格弹性较低（因为它们有预算且面临竞争压力），而中小企业和VC支持的初创公司的需求价格弹性可能很高。如果后者在总需求中占比显著（Slok声称的80%数据指向了这一可能性，但该数据本身的可靠性存疑，详见第1章说明），那么整体需求的价格弹性将偏高。
4.4 “Magnificent Seven”的特殊地位
Slok的分析还揭示了一个结构性矛盾：AI投资的最大受益者，恰恰是AI基础设施的建设者和运营者。
据Fortune报道，Magnificent Seven的利润率和人均收入在上升，而S&P 493没有。（来源: Fortune, 2026-10-24）这意味着AI投资的回报高度集中在价值链的上游（基础设施层），而非下游（应用层和企业用户层）。
这种价值分配的不均衡，在短期内可以维持——因为上游企业可以通过向下游销售服务来实现利润增长。但在长期，如果下游企业持续无法从AI中获得足够的回报，它们终将减少AI支出，这将反过来影响上游企业的收入。
换言之，Magnificent Seven当前的利润增长，部分建立在下游企业”先投入再等回报”的预期之上。如果这个预期被证伪，上游的利润增长也将面临压力。
这是一个经典的”寄生者困境”：如果宿主（企业用户）不健康，寄生者（算力供应商）最终也无法繁荣。但公平地说，这一困境也可能通过另一条路径化解——如果AI技术的持续进步最终使得下游企业开始获得显著回报，那么当前的”先投入”阶段就会被证明是合理的前期投资。问题在于，这个”最终”何时到来，以及市场是否有足够的耐心等待。
第5章：隐藏的结构性风险——大多数人没看到的3个维度
Slok的分析已经足够深入，但还有几个他未充分展开的结构性风险维度，值得进一步探讨。以下分析系笔者基于Slok框架和Fortune报道中已有信息的延伸推断，而非Slok简报中的直接论述，亦非基于额外的独立数据来源。
5.1 算力商品化的利润陷阱
如果Slok关于需求价格弹性高的判断成立，那么算力市场的长期演化方向可能是商品化（commoditization）。当多个供应商都能提供足够好的AI算力时，算力的价格将趋向于边际成本——这对终端用户是好事，但对基础设施投资者来说是灾难。
据Fortune报道，Slok本人也暗示了这一点。他写道，即使AI变得更便宜和商品化（cheaper and commoditized），主流企业可能仍然难以利用这项技术来提升财务业绩。（来源: Fortune, 2026-10-24）
这意味着一个双输的可能局面：算力价格下降，但企业回报并未因此显著改善。价格下降压缩了供应商的利润，而需求的增长不足以弥补价格下降带来的收入损失。
这与云计算市场的演化路径有相似之处：云计算确实改变了IT基础设施，但云计算的利润高度集中在少数几家超大规模供应商手中，大多数中小型云服务商的利润率极低甚至亏损。如果AI算力市场走上同样的路径，那么当前大量涌入的”新云”（neocloud）公司可能面临严峻的生存挑战。据Fortune报道，CoreWeave当月暴跌超过30%的股价和达到1,145个基点的CDS（来源: Fortune, 2026-10-24），可能只是这一趋势的早期信号——但笔者需要强调，这一判断是基于逻辑推演而非确定性预测。
5.2 VC资金退潮的连锁效应
据Fortune转述Slok简报，他声称”前1%的AI支出者中80%是VC支持的企业”（Apollo简报称数据来自Ramp AI Index，但排序口径和样本范围未说明，详见第1章说明）。即使这一具体数字的代表性仍有待验证，其指向的结构性风险方向仍然值得重视：如果VC支持的AI初创公司确实贡献了AI算力需求中一个显著的比例，那么VC融资环境的变化将直接影响AI算力需求。
当前的VC融资环境面临几个潜在的逆风——以下为笔者基于公开市场信息的推断，而非Slok简报中的直接论述，亦非基于具体的VC融资数据：
- LP回报压力：如果AI投资组合的退出回报不及预期，LP可能减少对AI主题基金的配置。
- 估值重置：如果AI公司的公开市场估值下调（如CoreWeave的暴跌所示），私募市场的估值也将面临下行压力，影响VC的投资意愿。
- 融资成本：如果实际利率维持在较高水平，风险资本的机会成本将上升。
这些因素叠加在一起，可能导致VC对AI初创公司的资金供给减少，进而直接减少这些公司的算力采购——这是Slok循环融资论证的自然延伸。但笔者需要指出，上述推断缺乏具体的VC融资数据支撑，读者应将其视为一种风险情景分析，而非基于数据的确定性判断。
5.3 “判断力缺口”：AI回报的天然上限
Slok关于”商业智能的本质是判断而非计算”的论述，可能是他整轮警告中最深刻但最被忽视的洞察。
据Fortune报道，他列举了AI无法理解的维度：问责（accountability）、信任（trust）、文化（culture）、潜规则（unwritten rules）、伦理权衡（ethical trade-offs）和公平性（fairness）。（来源: Fortune, 2026-10-24）
这些维度不是技术进步能够轻易解决的。它们涉及的不是信息处理能力，而是社会关系和制度嵌入性。一个AI模型可以分析所有可用数据并给出最优建议，但如果这个建议忽略了组织内部的政治动态、客户的文化敏感性或监管机构的隐含期望，那么执行这个建议可能反而损害企业的利益。
这意味着AI的企业回报可能存在一个天然上限：它可以优化信息密集型任务（如数据分析、代码生成、文档处理），但难以替代判断密集型决策（如战略制定、客户关系管理、危机应对）。而后者往往才是企业利润率和竞争优势的真正来源。
如果这个判断正确，那么AI对企业的价值创造将主要集中在运营效率提升（即成本节约）而非收入增长。而成本节约的空间是有限的——一旦容易自动化的任务都被AI接管，进一步的效率提升将变得越来越困难。
这与Slok的观察完全一致：据Fortune报道，AI目前更像是一个成本中心而非增长驱动力。（来源: Fortune, 2026-10-24）
当然，笔者也需要承认这一判断的局限性：AI技术仍在快速演进，未来的AI系统是否能够在”判断”维度上取得突破，目前无法确定。Slok的论述描述的是当前的现实，而非对AI技术终极能力的判断。
第6章：AI投资周期的拐点判断——从”建了就会来”到”回报决定规模”
综合以上分析，我们可以对AI投资周期的拐点做出几个方向性判断。以下为笔者基于Slok框架和市场信号的综合推断，不代表确定性预测。
6.1 叙事拐点的信号正在积聚
无论基本面如何演化，AI投资的叙事正在2026年10月面临显著的压力测试。Slok的密集警告、芯片股的领跌、CoreWeave的暴跌、Meta CDS的历史新高——这些信号共同表明，市场对”算力需求无限”叙事的信心正在动摇。
叙事拐点不等于基本面拐点，但在资本密集型行业中，叙事的转变往往会通过融资成本的上升和投资意愿的下降，最终传导为基本面变化。这就是金融市场的自我实现特性。笔者需要指出，这一判断基于单一周的市场信号和单一分析师的系列研报，其是否构成真正的”拐点”还需要更长时间窗口的数据验证。
6.2 资本开支调整的时间窗口
据Fortune报道，超大规模云厂商今年约8,000亿美元、明年预期超过1万亿美元的资本开支计划（来源: Fortune, 2026-10-24，口径说明见第1段），大部分可能已经以合同形式锁定，短期内不太可能大幅削减。但如果企业端的AI回报在未来数个季度内仍未显著改善，这些公司的管理层将面临越来越大的压力来证明这些投资的合理性。
历史经验表明，大型科技公司的资本开支调整往往是突然的而非渐进的——它们会在连续几个季度维持高投入后，突然宣布”优化”或”重新评估”资本开支计划。这种调整一旦发生，对整个供应链的冲击将是巨大的。
6.3 分化将加剧
AI投资周期的调整不会是均匀的。笔者判断最可能的情景是：
- 超大规模云厂商（AWS、Azure、GCP）将继续投入，但增速可能放缓。它们有足够的现金流和业务多元性来承受AI投资的短期亏损。
- “新云”公司（如CoreWeave）将面临最大的压力。它们的业务高度集中在AI算力供应上，缺乏多元化的收入来源，且杠杆率通常较高。据Fortune报道，CoreWeave当月30%的跌幅和1,145个基点的CDS可能只是压力的早期显现。（来源: Fortune, 2026-10-24）
- 芯片供应商将面临需求增速放缓的压力，但领先企业可能通过技术领先和生态锁定维持相对优势。
- AI应用层公司将经历一轮残酷的淘汰。那些依赖VC资金支付算力账单、尚未实现有机收入增长的公司，将在融资环境收紧时首先出局。
6.4 投资者应该关注什么
对于投资者而言，Slok的分析提供了一个清晰的监测框架：
-
最核心的指标：企业端的AI回报数据。关注S&P 493（即S&P 500剔除Magnificent Seven后的493家公司）的利润率和人均收入变化趋势。如果这些指标在未来2-3个季度内开始改善，Slok的警告可能被证明为时过早；如果继续停滞，市场的调整将加深。
-
领先指标：token支出增速、AI初创公司的融资节奏、VC对AI领域的配置比例变化。
-
风险指标：AI相关公司的CDS走势、”新云”公司的股价和债务指标、超大规模云厂商的资本开支指引变化。
-
反转信号：如果出现杀手级AI应用，能够在大规模企业用户中产生可量化的财务回报，那么Slok的担忧将被证伪，算力需求可能重新加速。
第7章：我的判断——两种叙事都部分正确，但Slok更接近当前现实
在权衡了Slok的论证和对立视角之后，笔者的判断是：Slok的分析在描述当前现实方面更为准确，但可能低估了AI需求在中长期的演化潜力。
具体而言：
-
短期（6-12个月）：Slok的判断大概率正确。据Fortune转述，token支出增速放缓、企业回报缺失、循环融资风险，这些都是Slok基于其研究简报所描述的可观测现象（来源: Fortune, 2026-10-24），而非纯粹的预测。在这个时间窗口内，AI资本开支可能面临增速放缓甚至局部回调的压力。
-
中期（1-3年）：情况更加复杂。如果AI模型的能力继续提升（特别是在推理能力和代理（agent）能力方面），企业的AI回报可能开始兑现，从而重新激活需求增长。但这需要技术突破，而非仅仅是规模扩张。
-
长期（3年以上）：AI大概率会像互联网一样成为基础设施层，渗透到所有行业。但这并不意味着当前的投资水平是合理的——正如1999年的光纤投资最终被证明是有用的，但在当时的估值水平上投资是灾难性的。技术的长期正确性不等于投资的短期合理性。
笔者需要再次强调本文的来源局限性：本文的核心论据主要来自Fortune对Slok研究简报的报道，以及Apollo官网公开的部分Daily Spark简报原文（见参考资料）。笔者未能从Bloomberg、SEC filing等一手来源对文中关键市场数据进行独立交叉验证。读者在形成自己的投资判断时，应将本文视为对一种重要分析视角的梳理和延伸，而非对AI投资前景的确定性结论。
结语：So What
Torsten Slok在2026年10月第4周的3次预警，不是一个看空者的例行唱衰，而是一次对AI投资逻辑链条的系统性压力测试。他的核心洞察可以归结为一句话：AI资本开支的可持续性，最终不取决于AI技术进步的速度，而取决于企业为算力付费意愿的变化曲线。
这个洞察的力量在于它的简洁性和不可回避性。无论AI模型变得多么强大，无论数据中心建设得多么高效，如果终端用户（企业）不愿意按足够高的价格购买算力，整个投资逻辑就无法闭环。
当前的AI投资周期正从”建了就会来”（build it and they will come）的信仰驱动阶段，转向”回报决定规模”（returns determine scale）的验证驱动阶段。在这个转折点上，投资者需要从关注”AI能做什么”转向关注”企业愿意为AI付多少钱”。
前者是一个技术问题，答案通常是乐观的。后者是一个经济学问题，答案取决于冰冷的数字。
而Slok告诉我们的是：到目前为止，数字并不站在牛市一边。
参考资料
- Here’s the ‘core economic flaw’ in the AI bull case as stock and bond trades show cracks — Fortune, 2026-10-24
- Slowing Token Spend Shows Compute Demand Isn’t Unlimited — Apollo Daily Spark（Torsten Slok）
- Circularity in AI Shows Up in Token Spending Too — Apollo Daily Spark（Torsten Slok）, 2026-10-22
- No Signs of AI Payoff Outside the Tech Sector — Apollo Daily Spark（Torsten Slok）, 2026-10-24
- Torsten Slok — Apollo官网
- Apollo finds zero AI payoff outside tech as S&P 493 margins stay near 10% — PPC Land, 2026-10-25（注：该来源为对Fortune报道及Slok简报的二手转述，非一手来源）
- CoreWeave’s market confidence erodes as bond yields spike and stock sinks — CNBC, 2026-10-21
- Top hyperscalers likely to have more AI-linked debt than now known, S&P Global warns — CNA, 2026-10-19
- Meta’s credit risk indicator hits record high on increased AI spending plan — 2026-10-22
- S&P Global flags potentially hidden AI debt at hyperscalers as AI spending surges — 2026-10-19
- AI’s boost to the U.S. economy is nearing its peak, Goldman says, as Apollo finds ‘zero financial payoff’ outside Big Tech — 2026-10-26
- OpenAI - Wikipedia — 2026-09-01
- Credit Default Swap Pricing Calculator — 2025-01-28
- CTWatch Quarterly — 2005-05-01
- Dark fibre - Wikipedia — 2025-11-05
主题分类：AI商业模式