为什么人工智能带来的利润增长可能无法达到华尔街的高预期

Translated for your language. 阅读原文.

AI-assisted, human-reviewed.

GyaanSetu Editorial上个月3分钟阅读

本文目录

为什么 AI 利润增长可能滞后于华尔街的高预期

华尔街目前正在计入由人工智能驱动的企业盈利能力的巨大激增，但越来越多的警告表明，这一时间表可能过于乐观。Apollo 首席经济学家 Torsten Slok 认为，非科技领域 AI 驱动的利润率实际实现的时间可能比当前市场预测的要长得多。

目前的许多 AI 公司估值都建立在一个单一且巨大的假设之上：即 S&P 493（不包括“七巨头”科技巨头的指数）将通过 AI 集成实现显著的利润率扩张。虽然科技公司已经看到了自动化的好处，但更广泛的经济情况却呈现出不同的景象。

根据 Slok 的说法，目前还没有明显的证据表明 AI 正在提高核心技术领域以外行业的利润率。市场正在计入快速的收益增长，然而，证明这些估值合理所需的实际现金流可能会滞后很多。如果生产力革命需要五年而不是五个月才能实现，该行业可能会面临 AI 股票痛苦且重大的重新定价。

生产力增长的延迟不仅仅是采用速度慢的问题，它也是许多全球行业所处的复杂环境的副产品。在医疗保健、银行业、能源、制药和制造业等高度受监管的行业中，AI 集成的道路充满了障碍。

严格的隐私要求、严苛的监管合规性以及大规模流程改革的必要性，意味着这些行业无法像软件初创公司那样迅速转型。这些制度摩擦制约了 AI 部署以优化工作流程和降低成本的速度。因此，投资者所押注的“生产力提升”可能会因为这些行业在应对机器学习实施过程中的法律和运营复杂性而推迟数年。

即使 AI 成功提高了单个员工的效率，也会出现第二个挑战：量化这些收益的难度。在知识型工作的领域，生产力的提高是出了名的难以精确衡量。

与可以轻松追踪产出的制造业不同，员工使用 LLM 起草报告或分析数据所带来的收益往往缺乏明确的指标。由于缺乏具体数据，管理团队很难证明大规模资本支出的合理性，也难以在正式资产负债表上体现这些改进。相反，这些增量效率提升往往被“吸收”到日常运营中，未能转化为华尔街所要求的可见的利润率扩张。