AI大模型公司到底能賺多少錢？國金證券最新報告給出了一個顛覆性的答案：別盯著軟件市場看了，要看人類的工資單。

企業買AI不是為了趕時髦，是沖著省錢去的。用AI替代部分人力、提升效率、壓縮成本，這才是企業愿意掏錢的真實原因。所以AI收入的真正天花板，不是軟件市場規模，而是能被AI重新定價的工資池有多大。國金證券將其稱之為，“可被AI重新定價的工資池”。

國金證券最新研報算了一筆賬：美國約10.83萬億美元的年工資總額中，已有1.45萬億美元暴露在AI的沖擊范圍內——也就是說，這些崗位的工作內容，AI能干，或者能幫一大半。

那AI公司從這筆錢里賺了多少？拿頭部公司Anthropic來說，年化收入約470億美元，只占了1.45萬億的3.2%。換個說法，切走的連零頭都不到。

工資池，而非軟件市場，才是ARR的估值錨

國金證券報告指出，理解本輪AI收入"史詩級增長上限"最直觀的方式，是計算"可被AI重新定價的工資池"究竟有多大。

報告將不同職業對AI技術的暴露度與美國勞工統計局（BLS）2025年職業就業與薪資調查（OEWS 2025）中830個職位進行匹配估算。結果顯示，在美國約10.83萬億美元的總薪資收入中，按Anthropic的實際觀察暴露口徑，約1.45萬億美元工資成本已處于AI技術暴露范圍內，占比13.4%；若采用OpenAI/Eloundou的理論暴露度口徑，潛在影響規模則可達約5.68萬億美元，占比超過52%。

按就業人數計算，美國約1.56億就業人口中，實際暴露人數約為1835萬，占比11.8%；理論暴露人數則高達約6830萬，占比43.9%。

報告強調，1.45萬億美元的工資成本應被理解為"在當前滲透率和技術能力下，ARR收入的理想上限"，且這一上限還面臨折價——企業可能僅需1萬美元AI支出即可等效替代10萬美元人工成本。即便如此，當前大模型商數百億美元量級的ARR，相對于上述薪資池規模，滲透率依然極低。

AI沖擊呈現"高薪偏向"，知識型崗位首當其沖

與過去自動化主要沖擊制造業和重復性體力勞動不同，本輪AI更直接觸及高工資、知識密集型和服務業崗位。

報告數據顯示，職業對AI技術的理論暴露度相對于年度平均薪資分布存在明顯右偏——高收入人群面臨的AI暴露度顯著高于中低收入人群。以具體職業為例，收入分位數最低的群體（如洗衣房員工、烘焙師、輪胎工）AI暴露度普遍偏低；而高收入群體中，金融產品經理（收入分位數96.6%，暴露度78.6%）、HR經理（收入分位數95.3%，暴露度76%）以及航天工程師（收入分位數92.5%，暴露度89.3%）均面臨較高替代風險。

從行業維度看，理論暴露度最高的三個行業依次為計算機與數學（87.6%）、商業與金融（78.2%）以及法律（78.0%）。然而，實際觀察到的暴露度排序與理論值并不一致，實際暴露度最高的行業為計算機與數學（35.3%）、辦公室與行政支持（33.2%）以及銷售相關職位（24.6%）。

這一落差揭示出，AI對勞動力的替代并非單純由模型能力決定，還受到工作屬性、責任歸屬和組織流程的約束。法律行業涉及利益協調、訴訟策略判斷及終身責任承擔；金融服務依賴客戶關系與非標化信息判斷；相比之下，編程類崗位因工作對象明確、反饋鏈條短，實際替代進展更快。

計算機行業"一視同仁"，金融行業分化顯著

在實際暴露度最高的前20個職業中，有8個歸屬于計算機與數學大類，涉及就業人數約159萬，占該行業總人數的30.2%。報告指出，對于計算機行業而言，薪資高低與AI暴露度之間并無必然聯系——面對AI沖擊，全行業接近"一視同仁"，這凸顯出該行業在技術迭代下的整體脆弱性。

金融行業則呈現出截然不同的分化格局。由于部分崗位需要承擔責任（如審計、會計），且不同崗位間工作產出的標準化程度參差不齊，金融行業整體實際暴露度偏低，但內部分化明顯。其中，Market Research Analysts實際暴露度達64.8%，Financial and Investment Analysts達57.2%，面臨較大替代風險；而其他需要客戶關系維護和非標判斷的崗位，暴露度則相對較低。

從薪資暴露總額來看，1.45萬億美元的實際暴露薪資基本集中于五大行業：辦公室與行政支持（2896億美元）、商業與金融業（2474億美元）、管理崗位（2217億美元）、計算機與數學（2152億美元）以及銷售相關職位（1995億美元）。報告認為，這為專用大模型to B業務的發展提供了方向參考：追求確定性可深耕行政、計算機、金融等已出現明顯替代的行業；追求"0到1的業務突破"，則教育和醫療診斷等行業仍具較大潛力。

替代不等于失業，但薪資重構已在路上

報告明確區分了"暴露"與"替代"的概念：暴露意味著任務可能被AI輔助、自動化或重新組織，但并不意味著這些工資收入會等比例消失。真正決定AI經濟影響的，仍是企業采用速度、模型能力邊界、組織流程改造和監管約束。

然而，報告同時指出，AI的宏觀影響不會簡單表現為就業數量的線性下降。更可能出現的路徑是：部分單一職責崗位被替代，大量多職責崗位被重組；部分工資成本被壓縮，更多勞動過程被重新定價。尤其是AI Agent具有"工資越高、替代率越高"的屬性，這使得AI對收入消費端的潛在沖擊可能更為深遠。

對投資者而言，報告的核心結論是：AI收入端的中期空間，不應只從軟件市場規模理解，而應從更大的勞動力成本池中尋找估算錨定。當前大模型商的ARR滲透率仍處于極低水平，但這枚硬幣的另一面，是人類薪資結構正在面臨一場尚未充分定價的系統性重組。