钱堆在少数科技巨头账上,S&P 493 的底线还没动——宏观故事要等非科技把便宜智力换成增长,而不是等下一场演示。
事实
- Torsten Slok(Apollo)10 月 24 日文:Mag 7 人均收入与利润率在涨,S&P 493 持平;全要素生产率也未见 AI 推升。
- 结论:无底线回报时,主流企业把 token 支出从增长项改看成压利润的成本;风投公司仍加码 token,主流不需要最新模型也不愿买单。
- 前瞻问题:模型商品化后,S&P 493 能否把廉价智力变成更高收入与利润;文中强调生意里的智力多是判断,含问责、信任、文化、潜规则。
- 本榜约 466 分 / 451 评,热度居前。
解读
- 对 Afizzy:B2B「全员上 AI」叙事降温时,消费陪伴更要讲留存与付费,而不是 token 用量故事。
- HN 反复提 1987 年「计算机到处都是,唯独生产率统计没有」——机构与流程惯性比模型发布慢一截。
- 术语平讲:Mag 7=美股七大科技巨头;S&P 493=标普 500 去掉那七家;token=模型计费的最小文本单位。
讨论
- 正方电气化也有「先少数行业、再十年才铺开」;软件最易被 LLM 放大,其他行业要资本开支与验证门。
- 反方有人说增益几乎被模型厂收租;也有人反驳开源权重与烧钱现实拆穿「全被收走」。
- 共识好模型能写代码才多久,渗到非科技要时间;缺测试套件的行业更难用非确定性系统。
- 教育等例子:设备年年加、分数未必涨——「上了工具≠出了结果」。