如何規避AI？這是養老金和主權基金的「大難題」

人工智慧熱潮正在瓦解機構投資者賴以為生的分散化投資邏輯。從股票、私募股權到企業債券、基礎設施，AI風險已滲透幾乎所有資產類別，令管理著數千億美元資金的退休基金與主權基金陷入前所未有的困境。

據彭博周一報導，紐約市退休系統（NYCRS）首席投資官Monte Tarbox近期拒絕了一只私募股權基金的募資邀請，原因正是該產品AI持倉過重。「當那一天來臨時，我們不想被丟在那裡，讓人問『你們為什麼對所有東西都說了是？』」他說。這一決策反映出當前華爾街幾乎所有主要機構投資者的共同處境。

摩根士丹利財富管理首席投資官Lisa Shalett警告稱，AI正在加劇資產配置者本已面臨的分散化挑戰——在通脹持續黏性的環境下，傳統60/40股債組合已屢屢失靈，而AI的深度滲透令股票與信貸之間的正相關性進一步惡化。

高盛估計，AI基礎設施相關公司（包括晶片製造商和超大規模雲端運算企業）約占標普500總市值的40%；據Apollo Global Management數據，AI相關發行占今年投資級債券發行總量的近一半，並占風險投資資金的87%。

AI風險無所不在，分散化成為幻覺

AI對市場的滲透是多維度的。在公開市場，僅三家晶片製造商的股票便佔新興市場基準指數逾四分之一的權重。在私募市場，私募股權幾乎已成為AI初創企業的代名詞。在債券市場，最大的發行主體均為超大規模雲端運算企業。在基礎設施領域，幾乎每一個重大項目都指向數據中心。甚至美國國債也可被納入AI交易的敘事框架——額外的電力需求推升通脹預期，進而影響殖利率走勢。

同一批公司橫跨多個資產類別，進一步集中了風險。以Alphabet為例，其股票市值達4萬億美元，未償債務規模為1300億美元，旗下基礎設施連接全球逾30個數據中心。與此同時，多家企業之間存在所謂「循環融資」安排，彼此相互持股，風險曝險高度交織。

摩根大通跨資產系統策略研究主管Thomas Salopek構建了四種模擬機構投資者資產配置的模型，結果顯示，近年來這些組合均與AI相關風險因子呈現出顯著正相關。在Invesco對90家主權財富基金的調查中，逾半數受訪者將市場集中度列為AI相關投資的首要風險。

量化AI曝險，各家機構各顯神通

面對這一挑戰，機構投資者正在探索各自的應對方式，但首要難題是如何定義和測量AI曝險。與資產類別、產業或地區等慣常分類不同，AI曝險目前尚無統一標準——它可以是純粹的晶片製造商，也可以是僅僅採用AI技術的普通企業。

洛杉磯縣雇員退休協會（LACERA）在今年5月的董事會會議上專門討論了私募市場AI持倉問題。首席投資官Jonathan Grabel隨後主導了一次全面審查，結合內部自下而上分析與借助MSCI的自上而下方法，估算出該退休基金8%至19%的持倉與AI相關。「我們不希望追求完美而阻礙洞察，」他說。

芬蘭Elo Mutual Pension Insurance Co.管理著360億歐元資產，其投資組合經理正在以AI追蹤AI，利用AI驅動的工具監控公開持倉對AI採用趨勢的敏感度。資產配置與另類投資主管Kari Vatanen坦言，為分散化而限制AI曝險存在代價——若AI敘事持續主導市場報酬數年，此舉可能傷害績效表現。彭博智庫追蹤全球AI相關股票的指數顯示，過去約兩年間，該指數年化超額報酬達11個百分點。

金融分析機構Markov Processes International對約50家大型退休基金進行因子分析後發現，這些基金平均超額AI曝險接近於零，但個別基金存在明顯偏差——美國最大公共退休基金加州公務員退休系統（CalPERS）的超額AI曝險近年來持續攀升，主要源於對大型非上市公司的投資。

「全投資組合方法」成為新解題思路

AI風險的量化需求，正在為一種名為「全投資組合方法」（Total Portfolio Approach，TPA）的投資框架注入新生命。該框架打破資產類別藩籬，將所有投資置於同一維度進行比較，以尋求整體最優配置，CalPERS近期已正式採納這一方法。

澳洲規模達2400億澳元的Aware Super今年6月完成了代號「Project Odin」的多年期內部投資平台改造，整合了包括貝萊德在內的第三方數據與分析工具。流動性與市場主管Michael Clavin表示，該平台天生適合在全基金層級追蹤AI曝險。「真正的分散化不只是地區或行業的分散，而是真正理解資產與主題之間的相關性，」他說。

Marsh Investments and Retirement（前身為Mercer，管理資產規模8460億美元）則花費六個月開發了一套主題曝險追蹤系統，運用代理式AI解析公開及私募公司的收入與利潤來源，於今年2月正式上線。美國區首席投資官Andrew McDougall表示：「關鍵在於，你必須先知道自己持有哪些，才知道自己要去哪裡。那些今天擁有良好系統的機構，在做出投資前就能大致判斷影響；而那些系統落後的機構，可能要等到為時已晚才會發現問題。」

對於NYCRS的Tarbox而言，挑戰在於跟上一項影響既快速又深遠的技術演化步伐。他表示，即便是最精密的投資組合圖譜也可能很快過時，AI的風險輪廓必須持續重繪。「我們不僅要提高顯微鏡的解析度，還要加快評估的頻率，」他說。「我們承諾投資的幾乎每一只基金，都不可避免地會帶來更多AI曝險。」