國金證券在一份最新研報中拋出了一個顛覆性視角：衡量AI大模型公司能賺多少錢，不應再盯著傳統的軟件市場規模，而應轉向一個更龐大的池子——人類的工資單。報告將這一概念定義為“可被AI重新定價的工資池”，並認為這才是AI經常性收入（ARR）的真正估值錨。

報告的核心邏輯直指企業採購AI的底層動機：降本。企業引入AI不是為了追逐技術潮流，而是看中它能替代部分人力、提升效率、壓縮成本。因此，AI收入的天然天花板，取決於全球勞動力成本中有多大比例能被AI重新定價。

基於這一框架，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10.83萬億美元的年工資總額中，已有約1.45萬億美元的工資成本處於AI技術暴露範圍內，佔比13.4%。若採用更寬泛的理論暴露度口徑，這一數字可飆升至約5.68萬億美元，佔比超過52%。

然而，當前AI公司從這筆錢裡實際切走的份額微乎其微。以頭部大模型公司Anthropic為例，其年化收入約470億美元，僅佔1.45萬億美元暴露工資池的3.2%。報告強調，即便這1.45萬億美元已是“在當前滲透率和技術能力下的理想收入上限”，且企業可能僅需1萬美元AI支出就能等效替代10萬美元人工成本，但當前大模型商數百億美元量級的ARR相對於整個薪資池而言，滲透率依然極低。

本輪AI對勞動力的衝擊呈現出鮮明的“高薪偏向”。與過去自動化主要影響製造業和重複性體力勞動不同，知識密集型和高收入崗位首當其衝。報告數據顯示，職業對AI的理論暴露度相對於平均薪資分佈存在明顯右偏——高收入人群面臨的AI暴露度顯著高於中低收入人群。例如，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%）。但實際觀察到的暴露度排序與理論值並不一致，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對勞動力的替代並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與終身責任承擔，金融服務依賴客戶關係與非標判斷，而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。

在具體行業內部，分化同樣顯著。計算機行業薪資高低與AI暴露度之間並無必然聯繫，全行業接近“一視同仁”，凸顯出該行業在技術迭代下的整體脆弱性。金融行業則內部分化明顯，市場研究分析師實際暴露度達64.8%，金融與投資分析師達57.2%，而需要客戶關係維護和非標判斷的崗位暴露度相對較低。

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於五大行業：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；追求突破則可關注教育和醫療診斷等仍具較大潛力的領域。

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，但並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，仍是企業採用速度、模型能力邊界、組織流程改造和監管約束。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。尤其值得警惕的是，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衝擊可能更為深遠。

對投資者而言，這份報告的核心啟示在於：AI收入端的中期空間，不應再從軟件市場的狹窄視角去理解，而應從更廣闊的勞動力成本池中尋找估算錨定。當前大模型商的ARR滲透率仍處於極低水平，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。