国金证券在一份最新研报中抛出了一个颠覆性视角：衡量AI大模型公司能赚多少钱，不应再盯着传统的软件市场规模，而应转向一个更庞大的池子——人类的工资单。报告将这一概念定义为“可被AI重新定价的工资池”，并认为这才是AI经常性收入（ARR）的真正估值锚。

报告的核心逻辑直指企业采购AI的底层动机：降本。企业引入AI不是为了追逐技术潮流，而是看中它能替代部分人力、提升效率、压缩成本。因此，AI收入的天然天花板，取决于全球劳动力成本中有多大比例能被AI重新定价。

基于这一框架，报告将不同职业对AI技术的暴露度与美国劳工统计局（BLS）2025年职业就业与薪资调查（OEWS 2025）中830个职位进行匹配估算。结果显示，在美国约10.83万亿美元的年工资总额中，已有约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%。若采用更宽泛的理论暴露度口径，这一数字可飙升至约5.68万亿美元，占比超过52%。

然而，当前AI公司从这笔钱里实际切走的份额微乎其微。以头部大模型公司Anthropic为例，其年化收入约470亿美元，仅占1.45万亿美元暴露工资池的3.2%。报告强调，即便这1.45万亿美元已是“在当前渗透率和技术能力下的理想收入上限”，且企业可能仅需1万美元AI支出就能等效替代10万美元人工成本，但当前大模型商数百亿美元量级的ARR相对于整个薪资池而言，渗透率依然极低。

本轮AI对劳动力的冲击呈现出鲜明的“高薪偏向”。与过去自动化主要影响制造业和重复性体力劳动不同，知识密集型和高收入岗位首当其冲。报告数据显示，职业对AI的理论暴露度相对于平均薪资分布存在明显右偏——高收入人群面临的AI暴露度显著高于中低收入人群。例如，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%）以及航天工程师（收入分位数92.5%，暴露度89.3%）均面临较高替代风险。

从行业维度看，理论暴露度最高的三个行业依次为计算机与数学（87.6%）、商业与金融（78.2%）以及法律（78.0%）。但实际观察到的暴露度排序与理论值并不一致，实际暴露度最高的行业为计算机与数学（35.3%）、办公室与行政支持（33.2%）以及销售相关职位（24.6%）。这一落差揭示出，AI对劳动力的替代并非单纯由模型能力决定，还受到工作属性、责任归属和组织流程的约束。法律行业涉及利益协调与终身责任承担，金融服务依赖客户关系与非标判断，而编程类岗位因工作对象明确、反馈链条短，实际替代进展更快。

在具体行业内部，分化同样显著。计算机行业薪资高低与AI暴露度之间并无必然联系，全行业接近“一视同仁”，凸显出该行业在技术迭代下的整体脆弱性。金融行业则内部分化明显，市场研究分析师实际暴露度达64.8%，金融与投资分析师达57.2%，而需要客户关系维护和非标判断的岗位暴露度相对较低。

从薪资暴露总额来看，1.45万亿美元的实际暴露薪资基本集中于五大行业：办公室与行政支持（2896亿美元）、商业与金融业（2474亿美元）、管理岗位（2217亿美元）、计算机与数学（2152亿美元）以及销售相关职位（1995亿美元）。报告认为，这为专用大模型to B业务的发展提供了方向参考：追求确定性可深耕行政、计算机、金融等已出现明显替代的行业；追求突破则可关注教育和医疗诊断等仍具较大潜力的领域。

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，但并不意味着这些工资收入会等比例消失。真正决定AI经济影响的，仍是企业采用速度、模型能力边界、组织流程改造和监管约束。更可能出现的路径是：部分单一职责岗位被替代，大量多职责岗位被重组；部分工资成本被压缩，更多劳动过程被重新定价。尤其值得警惕的是，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。

对投资者而言，这份报告的核心启示在于：AI收入端的中期空间，不应再从软件市场的狭窄视角去理解，而应从更广阔的劳动力成本池中寻找估算锚定。当前大模型商的ARR渗透率仍处于极低水平，但这枚硬币的另一面，是人类薪资结构正在面临一场尚未充分定价的系统性重组。