AI 熱潮正在動搖機構投資者最核心的一條假設：把錢分散到不同資產類別，就能分散風險。據彭博週一報道，紐約市退休系統（NYCRS）首席投資官 Monte Tarbox 近期拒絕了一隻私募股權基金的募資邀約，理由是該產品的 AI 持倉過重。他給出的擔憂很直白——不希望將來被追問為何對什麼都點頭。這一決定並非孤例，而是折射出華爾街主要機構投資者正面臨的共同處境。

摩根士丹利財富管理首席投資官 Lisa Shalett 警告，AI 正在放大資產配置者本就存在的分散化難題。在通脹持續黏性的環境下，傳統 60/40 股債組合已多次失靈，而 AI 的深度滲透讓股票與信貸之間的正相關性進一步惡化，使「股債對沖」的效果大打折扣。

從資料看，AI 的觸角已伸向幾乎所有資產類別。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計算企業）約佔標普 500 總市值的 40%；據 Apollo Global Management 資料，AI 相關發行佔今年投資級債券發行總量的近一半，並佔風險投資資金的 87%。在公開市場，僅三家晶片製造商的股票就佔新興市場基準指數逾四分之一權重；在私募市場，私募股權幾乎成了 AI 初創企業的代名詞；在債券市場，最大的發行主體多為超大規模雲端計算企業；在基礎設施領域，幾乎每個重大專案都指向資料中心。

甚至連美國國債也能被納入 AI 交易的敘事框架——額外的電力需求推升通脹預期，進而影響收益率走勢。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，旗下基礎設施連線全球逾 30 個數據中心。與此同時，多家企業之間存在所謂「迴圈融資」安排，彼此相互持股，風險敞口高度交織。

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，結果顯示這些組合近年來均與 AI 相關風險因子呈現顯著正相關。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。

面對這一挑戰，機構投資者正在摸索應對方式，但首要難題是如何定義和測量 AI 敞口。與資產類別、行業或地域等慣常分類不同，AI 敞口目前尚無統一標準——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。

洛杉磯縣僱員退休協會（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藉助 MSCI 的自上而下方法，估算出該養老金 8% 至 19% 的持倉與 AI 相關。他表示，不希望追求完美而妨礙洞察。

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 驅動的工具監測公開持倉對 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 敞口存在代價——若 AI 敘事繼續主導市場回報數年，此舉可能損害業績表現。彭博智庫追蹤全球 AI 相關股票的指數顯示，過去約兩年間，該指數年化超額回報達 11 個百分點。

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

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）的投資框架注入新的生命力。該框架打破資產類別壁壘，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。

澳大利亞規模達 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資料與分析工具。流動性與市場主管 Michael Clavin 表示，該平台天然適合在全基金層面追蹤 AI 敞口，真正的分散化不只是地域或行業的分散，而是真正理解資產與主題之間的相關性。

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敞口追蹤系統，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，關鍵在於必須先知道自己持有什麼，才能知道自己要去哪裡；那些今天擁有良好系統的機構，在做出投資之前就能大致判斷影響，而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的演變節奏。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。他形容，不僅要提高顯微鏡的解析度，還要加快評估的頻率，因為幾乎每一隻承諾投資的基金，都不可避免地會帶來更多 AI 敞口。