AI双视角：行业捕获率与价值创造率

　　基本内容：

　　在此前的《AI洪流三部曲》中，我们尝试给出了AI技术所影响的劳动力规模以及对应的薪资水平；但在理解潜在收入上限时依然缺少关键一环，即AI技术的增效水平，进而量化潜在可代替的支出水平。除此之外，行业视角下捕获率的高低也越发关键，尤其是当AI收入焦点从单一的Coding转向科研（AI4S）、办公场景、文娱传媒等更广泛领域。

　　AI技术捕获率与价值创造率实际上是站在不同视角看待技术发展：对于模型商而言，捕获率决定着未来的潜在收入水平；对于使用AI的企业而言，价值创造率决定着AI在纯替代视角下能享受的降本增效水平。前者对应着短期的市场景气度和硬件侧的交易空间，而后者则对应着更长期的数据中心回报率和模型收入能力。

　　不同行业的捕获率差异巨大，计算机行业不到10%，金融行业不到2%；AI平均增效约7倍，计算机行业享受约四分之一的“价值创造”。

　　在数据允许的情况下，未来有三个非常重要的观察视角。

　　首先是价值创造水平，因为当前AI产业自证需要的是可量化的收入，但是大量的福利通过消费者剩余的方式被AI使用者所享受，如何定量这些水平，而非简单盯住ARR和硬件订单，会成为从硬件交易向软件/应用过渡的重要参考。

　　其次是薪资水平的参考尺度，尽管在短期尺度AI在大多数行业依然是替代型技术，但是现代社会的多任务属性决定着劳动力薪资或许并不是当前AI收入的主要来源，换言之对于AI的劳动力冲击可以相对乐观一些。

　　最后是研究方法的缺乏，如果AI真的用以创造，那BLS视角下的755个职业，以及背后对应的数千个任务属性是否能够准确描述AI在当前社会正在做什么？如果越来越多的任务被划归为“无法定义”，如果AI成为一个多模态，多任务并行处理的工具，我们讨论的就不仅仅是某个职业或者某个行业。

　　金融、计算机、文娱传媒与科学研究完全可以在某个时间被AI所融合，这或许才是未来软件应用所追求的方向：上限不是单一行业的单一薪资，而是全社会的总价值创造能力。

　　风险提示

　　1）宏观经济数据频率较低，对于跨境行业数据估计存在滞后性；2）美国产业政策受党派影响明显，执政党派的更换可能引发产业政策回溯；3）AI技术发展与产业投资存在较大不确定性。