AI大模型企业的赚能从拿走盈利上限究竟在哪里？国金证券最新研报抛出一个颠覆性观点：不要仅盯着软件市场规模，真正的多少多少估值锚点在于“可被AI重新定价的工资池”。

企业采购AI的决于核心驱动力并非追逐技术潮流，而是人类出于极致的降本增效需求。通过替代人力、工资优化流程、池里压缩成本，赚能从拿走企业才愿意为AI买单。多少多少因此，决于AI收入的人类真正天花板，取决于AI能够重新定价的工资人类工资总额。

一、池里 核心数据：工资池才是赚能从拿走ARR的估值锚

国金证券通过量化分析指出，理解AI收入“史诗级增长上限”的多少多少关键，在于测算“可被AI重新定价的决于工资池”规模。

1. 市场规模测算

报告基于美国劳工统计局（BLS）2025年职业就业与薪资调查（OEWS 2025），将830个职位与AI技术暴露度进行匹配估算：

• 总薪资基数：美国年工资总额约为 10.83万亿美元。
• 实际暴露规模：按Anthropic的实际观察口径，约 1.45万亿美元的工资成本处于AI技术暴露范围内，占比 13.4%。
• 理论暴露规模：若采用OpenAI/Eloundou的理论暴露度口径，潜在影响规模可达 5.68万亿美元，占比超过 52%。

2. 就业人口影响

• 实际暴露人数：在美国约1.56亿就业人口中，约 1835万人受到实际影响，占比 11.8%。
• 理论暴露人数：理论上的受影响人数高达 6830万人，占比 43.9%。

3. 渗透率现状：天花板极高，当前占比极低

报告强调，1.45万亿美元应被视为“在当前技术能力下，ARR（年度经常性收入）的理想上限”。即便考虑到企业可能以1万美元的AI支出等效替代10万美元的人工成本（即存在折价效应），当前头部大模型商数百亿美元量级的ARR，相对于万亿级的薪资池而言，渗透率依然处于极低水平。

以头部公司Anthropic为例，其年化收入约470亿美元，仅占1.45万亿美元实际暴露工资池的 3.2%。换言之，AI巨头从人类工资池中切走的蛋糕，连零头都算不上。

二、 冲击特征：高薪偏向与知识型岗位首当其冲

与过去自动化主要冲击制造业和重复性体力劳动不同，本轮AI革命呈现出明显的“高薪偏向”，直接触及高工资、知识密集型及服务型岗位。

1. 薪资分布右偏：高收入者风险更高

职业对AI技术的理论暴露度与年度平均薪资分布呈现显著右偏关系。高收入人群面临的AI暴露度远高于中低收入人群。

• 低暴露群体：收入分位数最低的群体（如洗衣房员工、烘焙师、轮胎工）AI暴露度普遍偏低。
• 高暴露群体：
• 航天工程师：收入分位数92.5%，暴露度 89.3%。
• 金融产品经理：收入分位数96.6%，暴露度 78.6%。
• HR经理：收入分位数95.3%，暴露度 76%。

2. 行业维度：理论与现实的落差

• 理论暴露度最高行业：
• 计算机与数学（87.6%）
• 商业与金融（78.2%）
• 法律（78.0%）
• 实际暴露度最高行业：
• 计算机与数学（35.3%）
• 办公室与行政支持（33.2%）
• 销售相关职位（24.6%）

3. 落差背后的逻辑

实际暴露度与理论值的差异揭示了AI替代的非单一性：
* 法律与金融：涉及利益协调、诉讼策略判断及终身责任承担，依赖客户关系与非标化信息判断，替代难度大。
* 编程类岗位：工作对象明确、反馈链条短，实际替代进展更快。

三、 行业分化：计算机行业“一视同仁”，金融行业内部割裂

1. 计算机行业：整体脆弱性凸显

在实际暴露度最高的前20个职业中，有8个归属于计算机与数学大类，涉及就业人数约159万，占该行业总人数的 30.2%。
* 特征：薪资高低与AI暴露度之间无必然联系。
* 结论：面对AI冲击，计算机行业接近“一视同仁”，凸显出该行业在技术迭代下的整体脆弱性。

2. 金融行业：内部分化显著

金融行业因部分岗位需承担责任（如审计、会计）且工作产出标准化程度不一，整体实际暴露度偏低，但内部差异巨大：
* 高风险岗位：Market Research Analysts（实际暴露度 64.8%）、Financial and Investment Analysts（实际暴露度 57.2%）。
* 低风险岗位：依赖客户关系维护和非标判断的岗位，暴露度较低。

3. 资金流向：五大行业占据主导

从薪资暴露总额来看，1.45万亿美元的实际暴露薪资主要集中于以下五大行业：
1. 办公室与行政支持（2896亿美元）
2. 商业与金融业（2474亿美元）
3. 管理岗位（2217亿美元）
4. 计算机与数学（2152亿美元）
5. 销售相关职位（1995亿美元）

投资启示：
* 确定性机会：深耕行政、计算机、金融等已出现明显替代迹象的行业。
* 突破性机会：教育和医疗诊断等行业仍具“0到1”的业务突破潜力。

四、 宏观展望：替代不等于失业，但薪资重构已至

报告明确区分了“暴露”与“替代”的概念：
* 暴露：意味着任务可能被AI辅助、自动化或重新组织。
* 替代：并不意味着工资收入会等比例消失。

1. 决定因素

真正决定AI经济影响的，是以下四个变量的博弈：
1. 企业采用速度
2. 模型能力边界
3. 组织流程改造
4. 监管约束

2. 薪资重构路径

AI的宏观影响不会简单表现为就业数量的线性下降，更可能的路径是：
* 岗位重组：部分单一职责岗位被替代，大量多职责岗位被重组。
* 成本压缩与重新定价：部分工资成本被压缩，更多劳动过程被重新定价。
* Agent效应：AI Agent具有“工资越高、替代率越高”的属性，这使得AI对收入消费端的潜在冲击可能更为深远。

3. 核心结论

对投资者而言，AI收入端的中期空间，不应仅从软件市场规模理解，而应从更大的劳动力成本池中寻找估算锚定。当前大模型商的ARR渗透率虽低，但硬币的另一面是：人类薪资结构正在面临一场尚未被充分定价的系统性重组。