AI能赚多少，取决于公司裁多少？

AI商业化正迈入“收入兑现”期，最直接的信号是：岗位替代正在被量化。

据国金证券最新报告援引Anthropic实际观测数据，在美国，AI目前已影响约1.45万亿美元薪资规模及1835万个岗位；若按OpenAI的理论暴露口径，对应数字则高达5.68万亿美元薪资与6828万个岗位。

对比来看，美国总薪资盘约为10.83万亿美元，总就业约1.55亿人。换算后，AI所能替代或重塑的岗位，占比少则一成，多则四成。

随着AI Coding、企业级Agent及B端应用的加速落地，AI正在从“提效工具”进化为“成本变量”——节省的开支开始实实在在转化为企业利润，资本回报逻辑日趋坚实。

但与此同时，结构性矛盾也愈发突出：企业端成本下降、利润上升，员工端岗位压缩、职能被替。AI越深入，资本收益越明显，就业挤压也越强烈。二者犹如跷跷板，一端上升，另一端必然下沉。

技术性裁员已从理论走向现实

数据显示，美国科技行业已重新进入高裁员周期。大型科技公司的单轮裁员比例普遍落在5%至10%之间，部分软件、SaaS及云服务企业甚至逼近20%。但值得警惕的，不只是裁员规模本身，而是资本市场正在明确“奖励”这一行为。

在当下的估值逻辑中，“AI降本+裁员”被市场解读为效率提升与利润改善的积极信号。企业通过AI替代人力，不仅压缩了运营成本，更在财报和股价上获得了直接回报。这种正向反馈，正在将AI替代就业从一个技术选择，转变为一种资本驱动的战略惯性。

换言之，技术性裁员不再仅仅是效率工具的附带结果，而是被市场机制主动推入正反馈循环——裁员越多，利润越好看，股价越坚挺，企业越有动力继续裁员。

如果这一激励机制不发生变化，AI对就业的替代效应将不是一次性的冲击，而是一个持续扩散、自我强化的长期过程。

高技能岗位未必安全，低技能岗位冲击同样巨大

国金证券基于美国劳工统计局（BLS）755个职业的分析显示，AI对就业市场的冲击并非简单遵循“低技能优先”的线性逻辑，而是呈现出双重分化态势。

从实际暴露的绝对人数来看，低技能职业约883万人，高技能职业约709万人，中技能职业约244万人。但若按就业占比计算，高技能岗位受影响比例高达19.5%，显著高于低技能岗位的10.8%和中技能岗位的8.3%。

这表明，高技能职业同样承受着不容忽视的巨大压力，并非市场原先预期的“安全区”。

然而，在“实际暴露/理论暴露”这一反映现实推进速度的维度上，低技能岗位反而走在前列。低技能职业的暴露进度达31.2%，高于高技能职业的27.9%和中技能职业的20.4%。

这意味着，低技能岗位正在率先遭受AI落地的现实冲击，而高技能岗位则更多面临长期预期层面的重构压力，二者所处的风险阶段存在明显错位。

是否面对客户，并不能决定岗位是否安全

面对客户，并不构成岗位安全的天然屏障。报告进一步指出，真正决定AI冲击强度的，并非“是否前台”，而是任务是否可被标准化与数字化。

从工作对象划分，岗位可被粗略分为三类：前台岗位直接面向客户，如零售销售、客服、收银；后台岗位以研发、数据处理与行政运维为主，如软件工程师；中台岗位则承担协调与管理职能，如人力资源与供应链管理。

但这一传统分类正在失效。分析显示，前台属性并不等同于“就业保护”。在低技能岗位中，前台反而意味着更高的AI暴露度，销售岗位尤为典型，标准话术、流程化沟通与决策路径，正快速被模型能力覆盖。

与直觉相反的是，高技能岗位中的“前台属性”反而在形成某种缓冲。例如教师、医生、律师等依赖高频人际互动与复杂情境判断的职业，在短期内更难被完全替代，从而在一定程度上延缓了AI冲击的直接传导。

AI真正考验的，或许不是效率，而是分配

国金证券认为，目前AI带来的生产率提升，更多来自资本深化，也就是劳动工具改善，而并非真正意义上的全要素生产率提升。数据显示，自2024年以来，美国劳动生产率与全要素生产率已经出现背离。

因此，比效率更值得关注的问题，是技术红利如何分配。

美国居民部门本身已经面临劳动收入份额下降、政府转移支付占收入比重提高以及实际收入增长偏弱等多重压力。如果AI红利进一步向资本和少数顶尖人才集中，就业压力和收入分配压力可能同步加剧。

报告提到，海外关于全民基本收入（UBI）的讨论未来或重新升温，但其前提是政府能够分享AI创造的收益。报告表示，美国目前给出的思路，是政府直接入股科技企业，从而参与AI红利分配，这可能成为缓解社会收入压力的一种方式。

对于资本市场而言，这意味着AI故事已经不仅仅是算力、模型和收入增长，更将逐渐进入就业、分配以及社会治理的新阶段。AI能够创造多少利润，最终很可能取决于它能够多大程度替代人类劳动；而AI投资能否持续获得资本市场认可，也将越来越取决于社会是否能够承受这一过程所带来的代价。