【国金证券】AI洪流三部曲：ARR的边界-260702（9页）.pdf

核心数据速览： 实际暴露薪资池：1.45万亿美元（总薪资13.4%），对应1,835万人。 理论暴露薪资池：5.68万亿美元（总薪资52.4%），对应6,830万人。 当前AI年化ARR：约470亿美元，仅占实际暴露薪资池3.2%。 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24.6%。 前五大实际暴露薪资：办公室与行政支持2,896亿、商业与金融2,474亿、管理2,217亿、计算机2,152亿、销售1,995亿美元。 前20高暴露职业：8个属计算机与数学，共159万人。 高暴露职业示例：航天工程师89.3%、金融产品经理78.6%、HR经理76%。 低暴露职业示例：轮胎工0%、洗衣房员工10%、烘培师14.7%。H2：报告核心数据解读。H3：ARR上限的测算框架。AI收入ARR上限 = 可被AI重新定价的工资池 × 替代率 × 折价比例。当前1.45万亿美元实际暴露薪资池是ARR的理想上限（仅470亿美元年化ARR，占3.2%）。5.68万亿美元理论潜在规模是长期上限。H3：投资优先级排序。1. 确定性最高：编程/Coding Agent（计算机行业全行业“一视同仁”）。2. 确定性较高：行政自动化（2,896亿美元薪资池，已出现明显替代）。3. 确定性中等：金融分析工具（规模大，但“担责”岗位制约）。4. 突破潜力大：教育行业、医疗诊断（0到1空间）。H3：避坑指南。避免过度押注“担责”类岗位（法律、审计、高层管理）——理论暴露度高但实际替代率有限，因为最终责任无法由AI承担。H2：报告独有数据价值——投资级与策略级颗粒度。 ARR上限测算框架：实际暴露薪资池1.45万亿、理论潜在规模5.68万亿。 行业暴露度完整排序：理论 vs 实际暴露度的行业级对比。 前五大实际暴露薪资行业：各行业薪资规模及投资启示。 前20高暴露职业完整列表：含职业名称、暴露度、行业归属、就业人数。 计算机行业内部关系：薪资与暴露度无必然联系的数据验证。 金融行业内部差异：高暴露职业（市场研究分析师64.8%）vs 低暴露职业（审计）的对比。 投资策略参考：确定性赛道 vs 突破性赛道。 风险提示：暴露度数据偏差、Agent发展慢于预期、通胀风险。H2：谁需要这份报告？（投资版）。 AI产业投资者：获取ARR增长上限的量化测算与行业分布数据。 科技股基金经理：评估AI概念股收入增长的理论天花板。 toB AI创业者与产品经理：了解不同行业/职业的AI替代潜力与优先级。 宏观经济与劳动力研究者：理解AI对薪资结构、就业格局的影响路径。 政策制定者：掌握AI对不同职业群体冲击的结构性差异。FAQ区块：问：如何用“薪资池”来指导AI投资决策？答：1.45万亿美元实际暴露薪资池是当前ARR的理想上限。当前470亿美元年化收入仅占3.2%，说明端侧空间巨大。投资应优先选择已出现明显实际暴露的赛道（编程、行政、金融分析），而非押注理论暴露度高但“担责”约束强的领域（法律、审计）。问：为什么推荐优先投资编程/Coding Agent赛道？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。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%。编程工作的对象明确、反馈链条短、沟通密度低，替代确定性最高。问：“担责”岗位为什么替代率有限？答：法律、审计、高层管理等岗位包含“最终责任承担”——AI可以辅助但不能替代签字负责。这些岗位的理论暴露度虽高（法律78%），但实际替代率受责任归属和组织流程约束，远低于理论值。问：AI ARR达到1.45万亿美元需要多长时间？答：报告未给出明确时间表，但指出当前470亿美元年化收入仅占实际暴露薪资池的3.2%。实现1.45万亿美元需要：①AI Agent能力持续提升；②企业采用速度加快；③组织流程改造深化；④“暴露”转化为“实际替代”的比例提升。五个变量共同决定速度。问：教育行业和医疗诊断行业的“0到1”机会在哪里？答：这两个行业在实际暴露薪资池中占比不高，但理论上具备较大潜力（个性化教学、AI辅助诊断）。瓶颈在于：教育行业需要人际互动和情感连接，医疗诊断受监管和责任约束。一旦突破这些约束（如AI教师效果验证、医疗AI责任框架确立），将迎来“0到1”的爆发式增长。完整PDF报告包含内容（投资版）： AI商业化本质与ARR增长上限分析框架。 美国总薪资与就业数据（BLS OEWS 2025）。 实际暴露率 vs 理论暴露率双口径完整数据。 行业层面理论/实际暴露度完整排序。 前五大实际暴露薪资行业及投资启示。 前20个最容易被AI替代的职业完整列表。 计算机行业内部暴露度与薪资关系分析。 金融行业内部暴露度差异分析。 投资策略参考（确定性赛道 vs 突破性赛道）。 风险提示。延伸阅读：如需了解行业趋势与战略洞察，可返回查看本报告深度分析页面。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。