AI 热潮正在动摇机构投资者最核心的一条假设：把钱分散到不同资产类别，就能分散风险。据彭博周一报道，纽约市退休系统（NYCRS）首席投资官 Monte Tarbox 近期拒绝了一只私募股权基金的募资邀约，理由是该产品的 AI 持仓过重。他给出的担忧很直白——不希望将来被追问为何对什么都点头。这一决定并非孤例，而是折射出华尔街主要机构投资者正面临的共同处境。

摩根士丹利财富管理首席投资官 Lisa Shalett 警告，AI 正在放大资产配置者本就存在的分散化难题。在通胀持续黏性的环境下，传统 60/40 股债组合已多次失灵，而 AI 的深度渗透让股票与信贷之间的正相关性进一步恶化，使「股债对冲」的效果大打折扣。

从数据看，AI 的触角已伸向几乎所有资产类别。高盛估计，AI 基础设施相关公司（包括芯片制造商和超大规模云计算企业）约占标普 500 总市值的 40%；据 Apollo Global Management 数据，AI 相关发行占今年投资级债券发行总量的近一半，并占风险投资资金的 87%。在公开市场，仅三家芯片制造商的股票就占新兴市场基准指数逾四分之一权重；在私募市场，私募股权几乎成了 AI 初创企业的代名词；在债券市场，最大的发行主体多为超大规模云计算企业；在基础设施领域，几乎每个重大项目都指向数据中心。

甚至连美国国债也能被纳入 AI 交易的叙事框架——额外的电力需求推升通胀预期，进而影响收益率走势。同一批公司横跨多个资产类别，进一步集中了风险。以 Alphabet 为例，其股票市值达 4 万亿美元，未偿债务规模为 1300 亿美元，旗下基础设施连接全球逾 30 个数据中心。与此同时，多家企业之间存在所谓「循环融资」安排，彼此相互持股，风险敞口高度交织。

摩根大通跨资产系统策略研究主管 Thomas Salopek 构建了四种模拟机构投资者资产配置的模型，结果显示这些组合近年来均与 AI 相关风险因子呈现显著正相关。在 Invesco 对 90 家主权财富基金的调查中，逾半数受访者将市场集中度列为 AI 相关投资的首要风险。

面对这一挑战，机构投资者正在摸索应对方式，但首要难题是如何定义和测量 AI 敞口。与资产类别、行业或地域等惯常分类不同，AI 敞口目前尚无统一标准——它可以是纯粹的芯片制造商，也可以是仅仅采用 AI 技术的普通企业。

洛杉矶县雇员退休协会（LACERA）在今年 5 月的董事会会议上专门讨论了私募市场 AI 持仓问题。首席投资官 Jonathan Grabel 随后主导了一次全面审查，结合内部自下而上分析与借助 MSCI 的自上而下方法，估算出该养老金 8% 至 19% 的持仓与 AI 相关。他表示，不希望追求完美而妨碍洞察。

芬兰 Elo Mutual Pension Insurance Co. 管理着 360 亿欧元资产，其投资组合经理正在以 AI 追踪 AI，利用 AI 驱动的工具监测公开持仓对 AI 采用趋势的敏感度。资产配置与另类投资主管 Kari Vatanen 坦言，为分散化而限制 AI 敞口存在代价——若 AI 叙事继续主导市场回报数年，此举可能损害业绩表现。彭博智库追踪全球 AI 相关股票的指数显示，过去约两年间，该指数年化超额回报达 11 个百分点。

金融分析机构 Markov Processes International 对约 50 家大型养老金进行因子分析后发现，这些基金平均超额 AI 敞口接近于零，但个别基金存在明显偏差——美国最大公共养老金加州公务员退休系统（CalPERS）的超额 AI 敞口近年来持续攀升，主要源于对大型非上市公司的投资。

AI 风险的量化需求，正在为一种名为「全投资组合方法」（Total Portfolio Approach，TPA）的投资框架注入新的生命力。该框架打破资产类别壁垒，将所有投资置于同一维度进行比较，以寻求整体最优配置，CalPERS 近期已正式采纳这一方法。

澳大利亚规模达 2400 亿澳元的 Aware Super 今年 6 月完成了代号「Project Odin」的多年期内部投资平台改造，整合了包括贝莱德在内的第三方数据与分析工具。流动性与市场主管 Michael Clavin 表示，该平台天然适合在全基金层面追踪 AI 敞口，真正的分散化不只是地域或行业的分散，而是真正理解资产与主题之间的相关性。

Marsh Investments and Retirement（前身为 Mercer，管理资产规模 8460 亿美元）则花费六个月开发了一套主题敞口追踪系统，运用代理式 AI 解析公开及私募公司的收入与利润来源，于今年 2 月正式上线。美国区首席投资官 Andrew McDougall 表示，关键在于必须先知道自己持有什么，才能知道自己要去哪里；那些今天拥有良好系统的机构，在做出投资之前就能大致判断影响，而系统落后的机构可能要等到为时已晚才会发现问题。

对于 NYCRS 的 Tarbox 而言，挑战在于跟上一项影响既快速又深远的技术的演变节奏。他表示，即便是最精密的投资组合图谱也可能很快过时，AI 的风险轮廓必须持续重绘。他形容，不仅要提高显微镜的分辨率，还要加快评估的频率，因为几乎每一只承诺投资的基金，都不可避免地会带来更多 AI 敞口。