【国金证券】AI洪流三部曲：ARR的边界-260702（9页）.pdf

核心结论速览： AI ARR的上限锚定于可被替代的劳动力薪资池：美国1.45万亿美元实际暴露薪资池为当前ARR的理想上限，5.68万亿美元为理论潜在上限。当前AI年化收入仅占3.2%，端侧空间巨大。 高收入职业面临更高AI暴露度：金融产品经理（78.6%）、HR经理（76%）、航天工程师（89.3%）等职业暴露度显著高于低收入岗位。AI本轮更直接触及高工资、知识密集型岗位。 计算机行业面对AI“一视同仁”：薪资高低与AI暴露度无必然联系，前20高暴露职业中8个属计算机与数学，共159万人，占该行业30.2%。 行业暴露度理论与现实存在“责任鸿沟”：法律行业理论暴露度78%但实际很低，因为“担责”无法被AI替代。金融行业同样面临责任约束，暴露度偏差较大。 AI Agent的“工资越高、替代率越高”属性值得关注：这意味着AI对收入消费的潜在冲击可能大于对就业人数的冲击。 投资启示：toB大模型确定性赛道（行政、计算机、金融）已现替代；追求“0到1”突破可关注教育、医疗诊断行业。H2：垂直主题的现状与路径——ARR增长上限的测算逻辑。对于AI产业投资者而言，理解ARR增长的理论天花板是评估AI公司估值和资本开支合理性的核心前提。国金证券报告《AI洪流三部曲：ARR的边界》提供了一个从劳动力成本池角度测算ARR上限的分析框架。核心逻辑：AI收入上限 = 可被AI重新定价的工资池 × 替代率 × 折价比例。企业为AI付费的本质是“用模型能力去替代、辅助或重组原本由人工完成的任务”。因此，大模型公司收入的最终上限应回到其影响的劳动力（收入）本身。关键数据锚点： 美国总薪资池：10.83万亿美元。 实际暴露薪资池（Anthropic口径）：1.45万亿美元（13.4%）。 理论暴露薪资池（OpenAI口径）：5.68万亿美元（52.4%）。 当前AI年化收入（Anthropic）：约470亿美元。当前ARR仅占实际暴露薪资池的3.2%，端侧收入空间仍处于早期阶段。H2：垂直主题的核心模式解析——职业暴露度的结构性差异。模式一：高收入职业 vs 低收入职业。AI暴露度与收入水平呈正相关。高收入职业（金融、计算机、法律、管理）的理论暴露度显著高于低收入职业（服务业、制造业、农业）。| 收入群体 | 代表性职业 | 暴露度 |||||| 最低20% | 洗衣房员工 | 10% || 最低20% | 烘培师 | 14.7% || 最低20% | 轮胎工 | 0% || 最高20% | 金融产品经理 | 78.6% || 最高20% | HR经理 | 76% || 最高20% | 航天工程师 | 89.3% |投资含义：AI toB服务的价值主张在知识密集型行业（金融、法律、咨询、软件）最强——因为这些行业的单位人力成本最高，AI替代的价值最显著。模式二：理论与现实的“责任鸿沟”。法律行业理论暴露度78%，但实际暴露度很低。原因是法律工作不仅包含“案头工作”，还包含与当事人沟通、利益协调、诉讼策略判断以及最终责任终生承担。AI无法承担法律责任。金融行业同样面临“担责”约束——审计、会计等岗位需要签字负责，AI可以辅助但不能替代最终责任。投资含义：toB AI产品应定位为“辅助工具”而非“替代工具”——帮助专业人士提高效率，而非试图取代他们的判断和责任。模式三：计算机行业的“一视同仁”。计算机行业薪资高低与AI暴露度之间没有必然联系。初级程序员和高级架构师面临相似的暴露度水平。因为编程工作的对象更明确（代码）、反馈链条更短（运行/测试结果）、沟通密度相对较低。投资含义：AI编程工具（Coding Agent）的市场空间最大——覆盖全行业的“一视同仁”意味着广泛的客户基础。H2：行业实际暴露薪资分布与投资机会。1.45万亿美元实际暴露薪资的行业分布：| 行业 | 实际暴露薪资 | 对AI服务商的启示 |||||| 办公室与行政支持 | 2,896亿 | 确定性最强，已出现明显替代 || 商业与金融 | 2,474亿 | 规模大，但“担责”岗位制约替代率 || 管理岗位 | 2,217亿 | 高层管理难以替代，中层管理机会大 || 计算机与数学 | 2,152亿 | 全行业“一视同仁”，替代确定性最高 || 销售相关 | 1,995亿 | 标准化销售可替代，关系型销售难替代 |确定性赛道 vs 突破性赛道： 确定性赛道（已出现明显替代）：行政支持、计算机/编程、标准化金融分析。 突破性赛道（0到1潜力大）：教育行业、医疗诊断行业。H2：投资策略参考。做多确定性： 编程/Coding Agent：计算机行业全行业“一视同仁”，市场需求确定性最高。 行政自动化：办公室与行政支持行业已出现明显替代，规模最大（2,896亿美元薪资池）。 金融分析工具：Market Research Analysts（64.8%）、Financial Analysts（57.2%）暴露度高。关注突破性： 教育行业：AI个性化教学仍有巨大“0到1”空间。 医疗诊断：AI辅助诊断潜力大，但监管和责任约束是主要瓶颈。警惕风险： “担责”岗位（法律、审计、高层管理）AI替代率有限。 高收入职业暴露度高但实际替代率可能低于理论值。 AI Agent若发展慢于预期，ARR增长将滞后于资本开支。H2：关键验证指标。| 指标 | 当前值 | 意义 |||||| AI年化ARR | ~470亿美元 | 仅为实际暴露薪资池3.2% || 实际暴露薪资池 | 1.45万亿美元 | ARR理想上限 || 理论暴露薪资池 | 5.68万亿美元 | ARR理论上限 || 暴露就业人数 | 1,835万人 | 当前AI可影响的就业规模 || 计算机行业暴露度 | 35.3%（实际）/87.6%（理论） | 编程工具确定性最高 |H2：风险提示。1. AI技术对职业暴露度更新不够及时全面，存在数据统计偏差。2. AI Agent能力发展弱于预期，导致对应的劳动力规模产生明显变化。3. 全球央行快速转向，带来全球二轮通胀风险，压制全球需求，劳动力裁员胜过AI影响，降本增效属性被淡化，引发更大规模AI投资回报率担忧。4. “暴露”不等于“替代”，实际ARR增长可能低于理论测算上限。延伸阅读：以上为报告核心趋势分析，如需获取完整报告详细数据及全部图表，请访问下载页下载完整PDF报告。FAQ区块：问：如何用“薪资池”来估算AI收入的增长上限？答：AI商业化的本质是“用模型能力替代人工任务”。因此AI收入的最终上限应回到其影响的劳动力薪资本身。美国1.45万亿美元实际暴露薪资池可视为当前ARR的理想上限，5.68万亿美元理论暴露薪资池为长期上限。当前AI年化收入仅470亿美元（占3.2%），端侧空间巨大。问：为什么法律行业理论暴露度高但实际低？答：法律行业“案头工作”并非全部，还包含与当事人沟通、利益协调、诉讼策略判断以及最终责任终生承担。“担责”是无法被AI替代的。AI对劳动力的替代不仅由“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。问：计算机行业面对AI替代有什么特点？答：计算机行业面对AI“一视同仁”——薪资高低与AI暴露度无必然联系。编程工作的对象更明确、反馈链条更短、沟通密度相对较低，全行业面临相似的替代压力。前20高暴露职业中8个属计算机与数学，共159万人，占该行业30.2%。问：投资toB AI应该优先选择哪些赛道？答：确定性赛道（已出现明显替代）：行政支持（2,896亿美元薪资池）、计算机/编程（2,152亿美元）、标准化金融分析。突破性赛道（0到1潜力大）：教育行业、医疗诊断行业。应优先布局已出现实际暴露的领域，避免过度押注“担责”类岗位（法律、审计、高层管理）。问：AI Agent发展对ARR的影响路径是什么？答：Agent对人工的替代能力决定了ARR的增速与想象空间，而ARR又决定了资本开支的合理性。若Agent能力持续提升→暴露薪资池扩大→ARR增长→资本开支合理。若Agent发展慢于预期→ARR增长滞后→AI投资回报率担忧→资本开支收缩。数据来源说明：本报告基于国金证券《AI洪流三部曲：ARR的边界》（2026年7月3日），数据来源包括Anthropic、BLS（美国劳工统计局）、OpenAI、epoch.ai等。