数据来源：全部A股上市公司5,218家（主榜可比4,947家），2026年半年报+最新披露员工总数
核心口径：支付给职工以及为职工支付的现金 ÷ 在职员工总数（全部年化）
生成日期：2026年9月23日
出品：Y角兽研究团队
一、模型与数据来源
1. 研究模型
本报告采用Y角兽人均薪酬分析模型（Y-Comp Model），以“企业用工成本”为核心口径，对全部A股上市公司进行人均薪酬排名、行业比较、盈利交叉与用工成本压力分析。
1.1 核心公式
人均现金薪酬（年化）
= 支付给职工以及为职工支付的现金（2026H1累计 × 2）
÷ 在职员工总数
人均计提薪酬（年化，交叉验证）
= （支付现金 + 期末应付职工薪酬 − 期初应付职工薪酬）× 2
÷ 在职员工总数
人均创收（年化）
= 营业收入 × 2 ÷ 在职员工总数
人均创利（年化）
= 归母净利润 × 2 ÷ 在职员工总数
人力成本率
= 支付给职工以及为职工支付的现金 ÷ 营业收入
人力成本 ÷ 净利润
= 行业薪酬总额 ÷ 行业净利润
大于1表示人力成本高于净利润，即薪酬是利润的若干倍；小于1表示薪酬低于净利润，分配压力较小。
薪酬份额 / 员工份额
= 行业薪酬总额占全市场比重 ÷ 行业员工总数占全市场比重
大于1表示该行业“超额分配”，小于1表示“被压缩分配”。
1.2 年化处理
2026年半年报披露的现金流量表数据为2026H1累计值，为与年度薪酬可比，统一采用：
年化值 = 2026H1累计值 × 2
未考虑季节性因素、年终奖集中发放、裁员/扩招时点差异。
1.3 样本范围
全部A股上市公司：5,218家
主榜可比样本：4,947家
员工总数：3,119万人
半年薪酬总额：3.80万亿元
数据截止：2026年9月23日
1.4 可比样本过滤规则
1.5 行业分类
采用申万一级行业与申万二级行业分类标准，覆盖31个一级行业、124个二级行业。
1.6 统计方法
加权人均：行业薪酬总额 ÷ 行业员工总数，反映行业整体用工成本。
中位人均：公司人均薪酬的中位数，反映“典型公司”水平。
P25~P75：反映行业内部薪酬分化程度。
相关系数：用于衡量人均薪酬与人均创收、人均创利之间的相关关系。
U形分析：用于分析员工规模与人均薪酬的非线性关系。
K型分化分析：用于比较高低薪行业的薪酬水平与薪酬增速差异。
1.7 模型局限
口径局限：
“支付给职工现金”包含企业承担的社保、公积金、福利、培训与离职补偿，因此本报告人均薪酬是企业人均用工成本（税前含五险一金），不是员工到手收入。到手一般约为本报告数值的65%~75%。
时点错配：
员工总数取自东财F10组织架构“在职员工总数”最新披露值，绝大多数为2025年报数，与2026H1薪酬支付存在半年时点错配。
股权激励低估：
股权激励（股份支付）不计入“支付给职工现金”，以股权为主要激励手段的科技公司，实际薪酬水平被系统性低估。
并表与重组影响：
部分公司存在并购、剥离、重组，导致员工数与薪酬支付不匹配，已尽量剔除，但仍可能有个别遗漏。
行业周期与政策风险：
金融、半导体、游戏、房地产等行业具有强周期性，且受降薪限薪、补贴退坡、版号政策等影响，薪酬水平可能随行业环境变化。
数据滞后与更正风险：
上市公司后续可能更正、审计调整或变更披露口径，本报告数据具有时效性，不保证永久有效。
2. 数据来源
本报告数据来源为公开披露信息与标准化行业分类，具体包括：
上市公司2026年半年度报告
现金流量表：“支付给职工以及为职工支付的现金”
资产负债表：“应付职工薪酬”期初、期末余额
利润表：“营业收入”“归母净利润”
员工总数：东财F10组织架构“在职员工总数”最新披露值
行业分类数据
申万宏源研究：申万一级行业、申万二级行业分类
公开数据平台
东方财富F10、上市公司定期报告、交易所公开披露信息
样本与截止时间
样本：全部A股上市公司5,218家，主榜可比4,947家
数据截止：2026年9月23日
报告生成：2026年9月23日
数据处理方式
数据采集：公开披露报告与F10员工数据
数据清洗：剔除无效样本、异常值、外包代付型、重组错配型
数据年化：2026H1累计值 × 2
统计分析：加权、中位数、P25/P75、相关系数、行业聚合、交叉分析
输出形式：百强榜、大企业榜、行业榜、盈利交叉分析、趋势分析
二、免责声明
本报告由Y角兽研究团队基于公开信息整理制作，仅供研究参考，不构成任何投资建议、证券推荐、薪酬承诺、职业规划建议、法律意见、税务意见或会计意见。
本报告不构成对任何证券的推荐、要约或招揽。报告中的公司名称、行业排名、薪酬数据仅用于数据说明与研究分析，不代表对任何公司、行业或个人的推荐、评价或贬损。
数据来源为上市公司依法公开披露的定期报告、东方财富F10组织架构数据、申万行业分类等公开信息。本报告不保证数据的准确性、完整性、及时性或永久有效性。数据可能因上市公司后续更正、审计调整、披露口径变化而发生变化。
本报告中的“人均薪酬”为企业用工成本口径，包含企业承担的社保、公积金、福利、培训与离职补偿等，不等于员工个人到手收入。读者不应将本报告数据直接理解为个人实际薪酬。
本报告中的排名、行业比较、趋势判断、相关性分析均基于特定模型与假设，可能存在模型偏差、样本偏差、时点错配、极端值影响等局限。报告中的任何预测、趋势判断或建议均不构成对未来结果的保证。
市场有风险，投资需谨慎。读者应独立判断，自行核实相关信息，并自行承担基于本报告内容作出的任何决策所产生的风险与后果。
Y角兽不对任何因使用本报告或其内容而产生的直接或间接损失、利润损失、数据损失、商誉损失或其他损害承担法律责任。
本报告版权归Y角兽所有。未经Y角兽书面许可，任何机构或个人不得复制、转载、摘编、镜像、传播或用于商业用途。引用、转载须注明来源“Y角兽”，并不得歪曲、删改报告原意。
如本报告数据或内容涉及第三方权利，请相关权利人及时联系Y角兽，我们将依法处理。
Y角兽保留对本报告内容进行更新、修正、解释或下架的权利。本报告最终解释权归Y角兽所有。
三、核心结论速览
全市场概览
图 12026H1 上市公司人均薪酬：全市场核心指标
三个必须知道的口径事实：
①「支付给职工现金」含企业承担的社保、公积金、福利、培训与离职补偿，因此本报告的人均数值是企业人均用工成本（税前含五险一金），而非员工到手收入——到手一般约为本报告数值的65%~75%。
②员工总数取自东财F10组织架构「在职员工总数」最新披露值（绝大多数为2025年报数），与2026H1的薪酬支付存在半年时点错配。
③股权激励（股份支付）不计入「支付给职工现金」，以股权为主要激励手段的科技公司，实际薪酬水平被系统性低估。
百强结构画像
图 2百强公司行业分布：芯片设计+金融+游戏/软件=三张名片
百强公司共55.7万人、支付薪酬2,043亿元，占主榜薪酬总额的5.4%，而其员工仅占1.8%——以1.8%的人分走5.4%的薪酬。
行业分布高度集中：电子（半导体）46家、非银金融+银行27家、传媒（游戏）7家、计算机5家，四类合计占百强85%。中国上市公司的高薪岗位，本质上是「芯片设计 + 金融 + 游戏/软件」三张名片。
四、薪酬趋势分析：K型分化的时代
4.1 行业首尾相差4.8倍，分化持续加剧
申万一级行业人均薪酬排名：
图 3申万一级行业年化人均薪酬：首尾相差4.8倍
排名结论：加权人均薪酬最高的是非银金融（45.3万元/年），最低的是纺织服饰（9.5万元/年），首尾相差4.8倍。
高薪行业清晰地分为两类：
①金融（非银金融、银行）——人均创利接近人均薪酬，分配能力最强
②知识/技术密集型（石油石化、传媒、计算机、通信、国防军工）——半导体设计、游戏、软件公司人均普遍在60~115万元
低薪行业则是典型的劳动密集型（纺织服饰、环保、农林牧渔、商贸零售、轻工制造）。
4.2 加权与中位会讲出不同的故事
加权被「巨型低薪用工企业」拉低：
环保：加权仅为中位的60%（玉禾田9.46万人、人均4.2万元）
纺织服饰：加权仅为中位的74%
房地产：加权仅为中位的78%
加权被「高薪巨头」抬高：
煤炭：加权为中位的130%
食品饮料：加权为中位的134%
石油石化：加权为中位的138%（中国石油36.1万人、人均44.4万元）
4.3 薪酬与盈利能力高度相关，而非收入规模
行业层面人均薪酬与人均创利的相关性 r = 0.803，而与人均创收的相关性仅r = 0.477——薪酬水平更多由「利润创造能力」而非「收入规模」决定。
这解释了为何人均创收最高的行业不一定是高薪行业：石油石化人均创收744万元（全市场第一）但人均薪酬32.1万元；而非银金融人均创收仅210.6万元，人均薪酬却达45.3万元。
4.4 人力成本÷净利润：衡量薪酬压力的核心指标
图 4人力成本÷净利润：谁的薪酬压力最大？
风险最高的一类：房地产、农林牧渔净利润为负，无倍数可言——薪酬完全由存量现金与融资支撑。
五、百强榜TOP 100完整排名
百强关键观察
观察一：半导体是绝对主角，46家占据近半壁江山
百强中电子（半导体）公司达46家，覆盖芯片设计、制造、设备、材料全产业链。澜起科技（115.6万）、沐曦股份（115.5万）、海光信息（99.9万）、寒武纪（89.7万）等芯片设计公司人均薪酬普遍在90万以上。
观察二：金融27家，券商集体霸榜
非银金融+银行共27家。中信证券（104.4万）、国金证券（91.1万）、广发证券（86.5万）、国泰海通（84.9万）、中金公司（80.8万）、申万宏源（80.5万）——券商板块以「利润与人分享比例更高」著称。
观察三：游戏行业7家，人均薪酬惊人
吉比特（150.5万）、世纪华通（93.0万）、巨人网络（82.6万）、昆仑万维（78.0万）、完美世界（67.8万）、掌趣科技（62.0万）——游戏行业以极高的人均创收（吉比特749万/人）支撑高薪。
观察四：17家百强公司人均创利为负，薪酬可持续性存疑
燧原科技（-150.9万）、芯原股份（-59.5万）、摩尔线程（-1.8万）等17家公司在2026H1人均创利为负，它们以持续融资支撑高薪研发，薪酬可持续性依赖融资环境与未来产品化。
观察五：支付现金同比普遍增长
百强中绝大多数公司支付现金同比正增长，中信证券（+74.9%）、长鑫科技（+84.3%）、影石创新（+72.8%）增幅显著，反映高薪行业仍在加薪抢人。
六、大企业榜（员工≥5000人）：最具可比性的口径
员工规模与人均薪酬呈U形关系（小公司与超大型央企两端偏高、中型公司最低），因此单列「员工≥5000人」的1,073家样本榜——这是最具可比性的口径。
结论：员工≥5000人的前20名中金融（非银金融+银行）占13席。百济神州（104.7万，创新药）是唯一进入前五的非金融公司；券商板块集体居前。银行的排序很有意思：人均薪酬（70~75万）低于券商，但人均创利最高（江苏银行103.9万/人·半年），说明银行是「利润高、分配节制」，而券商是「利润与人分享比例更高」。
七、二级行业排名：谁在金字塔尖？
7.1 人均薪酬最高40个二级行业
7.2 人均薪酬最低20个二级行业
八、用工成本变化：三大核心趋势
8.1 人力成本率：行业差异巨大
人力成本率 = 支付给职工现金 ÷ 营业收入，反映每赚100元收入，多少用于发工资。
人力成本率最高的行业：
软件开发：38.6%（知识密集，收入即人力）
工程咨询服务：33.7%
计算机：23.5%
社会服务：22.8%
传媒：15.7%
人力成本率最低的行业：
有色金属：3.4%（资源型，人力占比极低）
石油石化：4.3%
商贸零售：5.2%
钢铁：5.4%
煤炭：16.3%
8.2 薪酬份额与员工份额：谁在「超额分配」？
图 5谁在「超额分配」？——行业薪酬份额 vs 员工份额
核心发现：非银金融、银行的薪酬份额是员工份额的1.8倍以上，属于「超额分配」；而纺织服饰、环保、商贸零售、农林牧渔的薪酬份额远低于员工份额，属于「被压缩分配」。
8.3 支付现金同比变化：谁在加薪，谁在降薪？
加薪最猛的行业（支付现金同比）：
通信：+40%以上
电子（半导体）：+30%以上
计算机：+25%以上
传媒（游戏）：+20%以上
降薪或持平行业：
房地产：-10%以上
建筑装饰：-5%以上
环保：-3%以上
结论：高薪行业仍在加薪抢人，低薪行业在降薪或裁员。K型分化不仅体现在薪酬水平上，更体现在薪酬增速上。
九、个人如何提升能力，实现收入增长？
基于百强榜数据，我们提炼出六条收入增长路径：
路径一：进入高薪赛道——选择比努力更重要
数据支撑：非银金融人均45.3万 vs 纺织服饰9.5万，差距4.8倍。半导体公司人均普遍60~115万 vs 消费电子13.1万。
行动建议：
金融方向：券商、银行、保险、多元金融。中信证券（104.4万）、国金证券（91.1万）、广发证券（86.5万）等头部券商人均薪酬超80万。银行中宁波银行（75.0万）、江苏银行（72.4万）、杭州银行（71.3万）领先。
半导体方向：芯片设计、制造、设备。澜起科技（115.6万）、沐曦股份（115.5万）、海光信息（99.9万）、寒武纪（89.7万）。
游戏/软件方向：吉比特（150.5万）、世纪华通（93.0万）、巨人网络（82.6万）、昆仑万维（78.0万）。
路径二：提升「人均创利」能力——让自己成为利润中心
数据支撑：薪酬与人均创利相关性 r = 0.803，与人均创收相关性仅 r = 0.477。薪酬水平更多由「利润创造能力」而非「收入规模」决定。
行动建议：
从「成本中心」转向「利润中心」：销售、投资、研发等直接创造利润的岗位薪酬更高。
提升单位时间产出：吉比特人均创收749万、人均创利219万，支撑150.5万人均薪酬。
关注行业利润率：非银金融人均创利99.7万 vs 纺织服饰4.5万，差距22倍。
路径三：选择「人力成本÷净利」低的行业——薪酬更可持续
数据支撑：有色金属0.84倍、非银金融0.91倍、银行1.00倍——薪酬与利润大体相当，最「游刃有余」。而综合23.7倍、计算机14.9倍、钢铁12.6倍——薪酬是利润的8~24倍，一旦利润下滑，薪酬将首先承压。
行动建议：
优先选择利润丰厚、薪酬分配压力小的行业（金融、有色金属、石油石化）。
警惕「高薪但亏损」的公司：百强中17家人均创利为负，薪酬依赖融资，可持续性存疑。
关注企业的「支付现金同比」：持续加薪的公司更安全。
路径四：提升不可替代性——知识密集型岗位溢价显著
数据支撑：软件开发人力成本率38.6%、计算机23.5%、传媒15.7%——知识密集型行业人力成本占比极高，说明人才是核心资产。
行动建议：
深耕技术：半导体设计、AI算法、游戏引擎、金融工程等方向人才溢价显著。
获取稀缺资质：CFA、FRM、保荐代表人、芯片设计专利等。
积累行业资源：券商投行、PE/VC、游戏发行等岗位资源积累带来长期溢价。
路径五：关注「大企业榜」——规模与薪酬的平衡
数据支撑：员工≥5000人的前20名中金融占13席。百济神州（104.7万）是唯一进入前五的非金融公司。
行动建议：
大型金融企业（中信证券、国泰海通、中金公司）薪酬高且稳定。
大型科技企业（长鑫科技、浪潮信息、锐捷网络）人均薪酬60万+。
避免「小公司高薪陷阱」：小公司人均薪酬高但可持续性差，且股权激励不计入现金薪酬。
路径六：从「被雇佣」到「被需要」——打造个人品牌
数据支撑：百强公司以1.8%的员工分走5.4%的薪酬，人均薪酬是市场平均的2.5倍。高薪人才本质上是「稀缺资源」。
行动建议：
建立行业影响力：技术博客、开源项目、行业演讲。
拓展收入来源：副业、咨询、知识产权。
持续学习：高薪行业技术迭代快，保持学习能力是长期高薪的保障。
十、风险提示
口径风险：本报告人均薪酬为「企业用工成本」，含社保、公积金、福利，到手约为65%~75%。
时点错配：员工总数取自2025年报，与2026H1薪酬支付存在半年时点错配。
股权激励低估：股份支付不计入「支付给职工现金」，科技公司实际薪酬被系统性低估。
可持续性风险：百强中17家人均创利为负，薪酬依赖融资，一旦融资环境收紧，薪酬将面临调整。
行业周期风险：金融、半导体、游戏均具有强周期性，高薪可能随行业下行而收缩。
政策风险：金融行业降薪限薪政策、半导体补贴退坡、游戏版号政策等均可能影响薪酬水平。
十一、总结
薪酬趋势的核心结论：
K型分化加剧：高薪行业（金融、半导体、游戏）人均薪酬60~272万，低薪行业（纺织、环保、农林牧渔）人均6.5~15万，首尾相差4.8倍。
利润决定薪酬：薪酬与人均创利相关性r=0.803，与人均创收相关性仅r=0.477。能创造利润的人，才能拿到高薪。
用工成本压力分化：有色金属、非银金融、银行的人力成本÷净利在1倍以内，最游刃有余；综合、计算机、钢铁在12~24倍，压力最大；房地产、农林牧渔亏损，薪酬完全由融资支撑。
加薪仍在继续：高薪行业支付现金同比+20%~40%，低薪行业降薪或持平。K型分化不仅体现在水平上，更体现在增速上。
个人收入增长的底层逻辑：
选择高利润行业：金融、半导体、游戏、软件。
成为利润中心：从成本中心转向直接创造利润的岗位。
提升不可替代性：技术深耕、稀缺资质、行业资源。
关注可持续性：选择人力成本÷净利低的行业，避免高薪亏损公司。
热门跟贴