理解AI的经济价值，需要区分替代与创新。替代是以更低成本完成原本由人承担的工作，其收入空间主要锚定被替代的工资池；创新则突破时间、搜索空间和专业经验等约束，使过去难以完成的任务成为可能，创造新的供给、需求与收入。

一、什么是替代，什么是创新

一段时间以来，市场讨论AI对经济的影响，常常被简化为“替代”、忽视了“创新”。替代与创新是两种性质不同的价值来源，前者是把原本由人完成的工作做得更便宜，收入上限锚定在被替代的工资池；后者完成了此前人力无法完成的任务，收入上限不可预先锚定。

此前，我们基于Anthropic的实际使用暴露度与OpenAI、Eloundou等的理论暴露度两套口径，映射到美国BLS约830个职业的就业与薪资数据上，得出结论：美国约10.83万亿美元总薪资中，AI实际暴露约1.45万亿美元（占13.4%），涉及1835万人（占11.8%）；AI理论潜在暴露规模则约5.68万亿美元（超52%），涉及6830万人（占43.9%）。

从行业来看，理论上最有可能被AI替代的行业是计算机与数学（87.6%），商业与金融（78.2%），以及法律（78.0%）；实际暴露度最高的行业是计算机与数学（35.3%），办公室与行政支持（33.2%），以及销售相关职位（24.6%）。

该测算是以“替代”的视角来衡量AI收入的天花板。“替代”指的是AI完成的任务人原本就能完成，只是AI做得更快，成本更低。

而“创新”指的是AI能完成人即使大幅增加投入也无法完成的任务。这类任务通常存在三类约束：一是时间成本，例如周期以月、年计，无法靠并行、叠加人力进行压缩，而被人类放弃的实验；二是搜索成本，如实验组合规模过大，超出人力可穷举的范围；三是复制成本，如一些行业的顶级专家需多年培养，无法在短期内批量供给。创新的价值体现为新供给、新产品和新收入池，这部分对应的AI收入天花板难以预测。

二、AI从替代到创新的三个层次

AI的应用从替代到创新可分为三层——“替代、半替代半创新、创新”。三者的区别在于，替代式应用主要改变既有产品的成本结构，半替代半创新式应用有助于拓展新需求，创新式应用则切实推动生产力边界向外扩张。当前这三类AI应用均已出现实际案例。

1、替代式应用：降低既有生产活动成本

银行的对公信贷智能体是一个典型案例。比如识别营业执照、财务报表、税务和征信材料，并结合实时上下游的数据信息和舆情状态生成授信调查报告，将授信报告的撰写由天级缩短至分钟级，并节省客户经理工时。

如果AI只是代替客户经理完成信贷调查和报告撰写，那就只是替代价值，主要体现在人力替代和业务效率提升。如果未来AI能提高信贷投放准确率、降低授信风险，意味着将改变信贷产品或风险定价方式，那么这就是AI的创新价值。

2、半替代半创新式应用：让原本不具备经济可行性的需求形成市场

AI短剧属于介于替代和创新之间的商业化场景。传统影视内容制作受到演员、场景、拍摄周期和制作团队的约束，对于受众规模有限的小众题材，潜在收入可能不足以覆盖制作成本。AI视频生成显著降低内容生产门槛，使部分长尾IP、小众题材和跨语言内容具备商业化条件。

据报道，一部80集国内AI短剧的Token支出约6万—7万元，出海版本可能超过20万元，部分精品短剧达到40万元。中文在线数据显示，AI短剧及视频生成已占国内Token消耗份额的55%，明显高于软件开发等传统应用领域。

AI陪伴的逻辑类似。真人能够提供情感交流、咨询和互动服务，但受到人员数量、服务时间和支付能力的限制，难以持续满足高频、低客单价的个性化需求。AI可以以较低的边际成本提供全天候互动，扩大服务的覆盖范围，不过其对真实社会关系和专业服务的替代能力或存在边界，也受到安全、隐私和监管约束。

这类应用目前是现有产品的替代，但也有其创新。创新在于降低了供给成本，使原本难以商业化的创意需求更易形成新的市场，创造的增量收入具有现实意义。

3、创新式应用：AI正在突破人类能力的“边界”

AI创新的核心价值，是突破人类在时间尺度、搜索空间和专业经验上的约束，使过去难以完成的科学探索和复杂任务成为可能。与单纯提高工作效率不同，创新是通过大规模预测、筛选和实验验证，将原本无法充分探索的领域转化为可研究的问题，进而创造新的知识、技术和产品。目前，AI的创新性价值已经在创新药、生命科学、新材料和复杂系统预测等领域得到验证。

一个生活化的案例是网约车调度优化。AI提高了网约车需求的预测精度和实时匹配能力，降低空驶率和接驾距离，节约车辆调度时间，提高司机收入，这就是创新价值的体现。比如，T3出行的“领行阡陌”大模型将司机空驶率降低17.5%；享道出行“智慧大脑”使全国网约车接驾距离下降9.1%，2025年司机每小时收入同比提升6.8%。

在金融风控领域，AI已经能够提升风险识别的能力、降低诈骗损失。例如，AI风控系统依据设备指纹、IP地址等关联信息帮助金融支付公司Stripe发现银行卡交易中的风险信息，降低疑似欺诈量。

在科学研究领域，AI正在承担更多提出假设、筛选方案和检验结果的工作，使研究人员能够探索过去难以覆盖的问题空间。比如，AI预测设计新的蛋白质结构，分析筛选出未知的逆转录酶，找到了描述聚变装置三维磁场的新数学解。

上述发现都有助于打开AI收入的“天花板”，分享创新带来的新增利润。比如，发现新的酶系统和蛋白质设计可能为药物研发、疾病诊断和生物制造提供新的工具，让过去无法治疗的疾病有了治疗方案；聚变领域的数学进展可能进入能源工程带来成本节约，使一批原本不具备经济性的制造、运输和计算活动变得可行，这些是“做大收入蛋糕”的直接体现。

无论是网约车调度优化、金融风控，还是科学研究中的新发现，都是通过提升效率、拓展生产能力和创造新需求，做大人类收入的蛋糕，而不只是替代劳动、重新分配既有收益。只有让技术进步转化为更广泛的收入增长和生活改善，形成创新、投资与消费相互促进的循环，经济持续增长才能为科技持续发展提供支撑。AI的长远价值，最终应体现为拓展人的能力、增进人的福祉，让更多人分享技术进步的成果。

注：本文来自国金证券2026年10月23日发布的研究报告《AI的替代与创新》；分析师：宋雪涛 S1130525030001