AI65｜AI 熱潮三年，為什麼只有七家公司真正賺到錢？

重點整理

七巨頭（科技龍頭）獲利率從 15% 升至 25%，但標普 500 其他公司三年來維持在 10% 左右——AI 好處沒有擴散
賣鏟子的人（晶片、雲端、模型供應商）最先賺到錢；傳統產業導入成本高、週期長、回報難以量化
真正的 AI 價值來自流程重新設計，不是工具本身——工具人人都買得到，但能把工具變成營收的始終是少數

AI 投資為什麼沒有帶來普遍獲利？

根據美國銀行阿波羅首席經濟學家史洛克的研究數據，過去三年最能說明 AI 熱潮現況的，是一張令華爾街不安的圖表：七家科技巨頭的獲利率從 15% 升至 25%，但標普 500 指數中其他 493 家公司的獲利率始終停留在 10% 左右。換句話說，儘管所有企業都聲稱在進行 AI 轉型，但只有極少數公司的財務數字真正反映了這些投資。

這個現象並非巧合，而是一個歷史反覆出現的模式——就像一百多年前的加州淘金熱，真正大賺其錢的往往不是挖金礦的人，而是在山腳下賣鏟子的商人。

為什麼是賣鏟子的人先賺到錢？

在當今的 AI 浪潮中，「賣鏟子」的角色由晶片製造商、雲端服務供應商和大型語言模型提供商扮演，他們最先從 AI 熱潮中獲利。

這是因為企業導入 AI 的第一步就是購買這些基礎設施和服務——無論最終的 AI 應用是否成功，採購晶片、租賃雲端運算資源、付費使用 API 的成本都必須先支付。這讓供應商的收入立即增長，無需等待客戶實現真正的商業價值。相比之下，傳統產業和中型企業則需要投入更多時間、人力和顧問費才能將 AI 整合到既有流程中。

為什麼傳統產業導入 AI 又慢又貴？

傳統產業和非科技公司導入 AI 的速度遠低於預期，原因包括法規合規、資料保護、既有流程的複雜性，以及難以精確計算投資回報率。

以日本精密影像公司理光（Ricoh）為例，該公司花費大筆顧問費和每月訂閱費用導入 AI，最終達到三倍的生產力提升。但這樣的成果代價不菲，且耗時遠超初期預估。這種情況在傳統製造業和服務業中普遍存在：系統老舊、資料分散、流程難以標準化，使得 AI 整合的難度和成本大幅攀升。此外，由於難以快速量化 ROI（投資回報率），企業經常面臨內部投資決策的困難。

「拼命燒 token」的吃到飽時代為何終結？

早期許多企業採用「試驗性」的 AI 策略——給每位員工配發 AI 工具訂閱，期望用量越高越好，卻沒有思考過要改變什麼、優化什麼的流程設計。

這種粗放的導入方式正逐漸走向終結。例如福特汽車發現，光是發給員工 AI 工具並不夠，於是招回了三百五十位資深員工專門調教和指導員工如何正確使用 AI 工具。這反映出一個關鍵轉變：從單純增加 AI 工具數量，轉向精細化的流程設計和人員培訓。

流程重新設計才是真正的瓶頸所在

歷史上的生產力革命都遵循同一個模式，而目前的 AI 時代也不例外。當新技術問世時，企業往往先直接套用，卻沒有重新思考工作流程，因此無法充分發揮新技術的潛力。

這就是所謂的「生產力悖論」——一個概念由麻省理工學院經濟學家索洛在 1987 年提出，用來解釋為什麼電腦普及後的生產力成長卻停滯。同樣的邏輯也適用於當今的 AI：個人的忙碌不等於公司的獲利。員工使用 AI 工具或許節省了時間，但如果公司的業務流程、決策方式、組織結構沒有隨之改變，這些效率提升便無法轉化為企業整體的獲利成長。

電力革命提供了最好的參考案例。當電力開始應用於工業時，工廠並未立即提高產能。只有當企業重新設計生產線、改變工作流程以適應電動機的優勢時，才真正迎來生產力的大幅躍升，形成所謂的「J 型曲線」——先是一段平坦期，然後才是快速上升。

市場的風險與未來展望

根據史洛克的分析，七巨頭現在的市值已經超過標普 500 總市值的 35%，這種集中度引發了市場重新定價的風險。如果 AI 的好處始終無法擴散到其他企業，市場可能面臨結構性失衡。

真正的轉變需要時間。「五個月」是企業初期看到小成果的時間，但「五年」才是流程完全重新設計、真正實現 AI 價值的週期。市場最怕的，正是這個五月與五年的時間差——企業和投資人都期待快速回報，但現實往往要求更長期的投資和耐心。

工具人人都買得到，價值卻只屬於少數

這集 Podcast 的核心洞察很簡單卻深刻：工具人人都買得到，但能把工具變成價值的，永遠是少數。

現在的 AI 工具已經足夠便宜和易取得，問題不在於工具本身，而在於組織的執行力——是否能設計出新的工作流程、投入足夠的人力進行變革、願意承受短期的陣痛以換取長期的收益。這正是為什麼只有七家公司賺到大錢，而其他 493 家公司仍在原地踏步。

常見問題

為什麼大部分公司導入 AI 後獲利沒有增長？

因為企業只是導入工具，卻沒有重新設計業務流程和組織運作方式。根據生產力悖論，工具帶來的效率提升只有在流程真正改變的時候，才能轉化為企業整體獲利的成長。

理光導入 AI 為什麼要花這麼多時間和金錢？

傳統製造業需要應對法規合規、資料保護、既有系統整合等複雜問題，還要投入大量顧問費用和長期月費。這些成本和時間投入是傳統產業導入 AI 慢又貴的主要原因。

如何判斷 AI 投資何時才能帶來真正的回報？

根據歷史經驗如電力革命，生產力提升需要經歷平坦期後才迎來 J 型曲線的上升。企業應預期短期（五個月）看到小成果，但真正的回報通常需要三到五年的流程重新設計與組織變革。

📚 同主題的其他單集 / 文章，延伸聽下去：

🎙 這篇文章延伸自 Podcast《操作一下》。想用聽的，完整一集在這裡：