阿波罗全球管理（Apollo Global Management）在其 Daily Spark 博客中提出一个对 AI 投资叙事颇为不利的判断：到目前为止，AI 尚未给美国科技行业以外的企业带来任何财务回报。该公司首席经济学家 Torsten Slok 用一组图表说明，所谓「七巨头」——几家超大规模云厂商加上 苹果、英伟达和特斯拉——的人均收入和利润率确实在上升，但标普 500 其余成分股并没有出现类似变化，AI 对企业生产率增长的拉动同样只发生在这些科技巨头身上。
阿波罗还观察到企业心态的转变：越来越多的美国公司不再把 token 支出当作增长来源，而是视为一项成本中心，直接挤压利润率。该机构同时指出，token 支出的增速正在放缓，说明这类开销对价格高度敏感——成本哪怕小幅上涨，需求就会萎缩或转向更便宜的开源替代方案。在阿波罗看来，这给「投入数千亿美元建设更多数据中心」的经济性打上问号：如果由此产生的算力只能带来边际利润，大规模基建的回报逻辑就难以成立。
Slok 进一步从能力边界解释这一现象。他认为商业中的「智能」很大程度上是判断力，而判断依赖具体情境；AI 并不真正理解任何东西，尤其不理解问责、信任、文化、潜规则、伦理取舍与公平——而这些恰恰决定企业的声誉风险，并最终驱动收入增长与利润率。即便更便宜或开源的模型不断涌现，他仍质疑主流企业能否把 AI 项目转化为更高的营收增速和利润率。
这一论断并非没有反对声音。有人在社交媒体上表示，并不认同 Slok 描绘的图景；也有人以 PC 产业为参照，指出当年计算机在企业中普及后，生产率增长滞后了十年甚至更久才显现。换言之，技术扩散与财务回报之间本就可能存在漫长时滞。
不过，阿波罗的观察与近一两年多项调研方向一致。普华永道今年早些时候的调查发现，尽管企业在 AI 上投入不菲，多数首席执行官既未看到收入增加，也未实现成本下降；德勤的研究同样显示，采用 AI 工具并未改善大多数公司的利润表现。另有报告指出，在多年投入却回报寥寥之后，AI 项目正面临企业问责压力，必须证明自身价值，否则可能被砍掉。麦肯锡则认为企业界正处在转折点，有望让前期试点和早期部署的投入开始产生回报，但也承认报告 AI 带来实际盈利提升的企业数量一直持平。
从产业视角看，这场争论的核心在于 AI 资本开支的回报究竟会扩散到多广。若收益持续集中在少数超大规模科技公司，算力基建的巨额投入就更依赖这些买家自身的现金流与需求韧性；而对更广泛的企业软件与 AI 应用层公司而言，客户预算从「增长投资」转为「成本优化」，意味着变现节奏可能比市场预期更慢。阿波罗自身也是 AI 基建的深度参与者：它曾向 英特尔投入 110 亿美元，换取后者位于爱尔兰莱克斯利普的 Fab 34 工厂 49% 的股权；今年英特尔财务状况回稳后，以 142 亿美元回购了这部分股份。