文章核心观点 - 人工智能基础设施的建设仍处于早期阶段，其资本支出占GDP的比例远低于历史上其他重大转型时期，表明未来仍有巨大的增长和投资空间 [7][9] - 人工智能需求，特别是智能体工作负载的激增，正在推动整个技术栈（从电力、数据中心到半导体和应用层）的资本支出，且这种支出有即时货币化的需求支撑，而非投机性建设 [9][10] - 主题投资（尤其是通过主题ETF）是捕捉人工智能等结构性增长力量的有效工具，但目前财务顾问和投资组合中的配置比例仍然偏低，存在配置不足的缺口 [5][6] - 除了人工智能，基础设施（包括数字和物理）和资产代币化是另外两个重要的长期投资主题，它们受到人口结构变化、旧设施更新及对传统资产类别替代需求等因素的推动 [12][13][14] 投资组合管理与主题投资趋势 - 过去十年间，主题基金规模增长了超过11倍，反映出投资者越来越倾向于通过主题视角（如人工智能、人口结构变化、地缘政治碎片化）来审视世界和构建投资组合 [3][4] - 贝莱德内部模型投资组合对主题投资的配置达到7.5%，而美国财务顾问的平均适度模型配置仅为3.6%，且只有约12%的美国顾问投资组合目前持有任何主题ETF，表明存在显著的配置差距 [5] - 主题投资与行业投资存在区别，例如投资科技行业并不等同于精准投资人工智能主题，因为科技行业内也包含可能受人工智能冲击的软件公司，因此需要专用的主题ETF进行精准配置 [5] - 尽管配置水平仍低，但财务顾问对主题ETF的采用率正在逐步上升，预计未来几年这一增长趋势将持续 [6] 人工智能基础设施的资本支出与需求 - 目前，美国生成式人工智能基础设施支出仅占GDP的约0.8%，这一比例远低于19世纪60年代英国铁路建设（占GDP 4.5%）和20世纪20年代美国电力建设（约2%）等历史转型期的投资水平，表明AI物理建设尚处于起步阶段 [7] - 自2022年底以来的人工智能热潮中，资本支出数字正在以惊人的速度加速增长，预计未来几年AI投资占GDP的比例将继续上升 [7] - 去年的AI代币消耗量增长了17倍（而非17%），主要的大型语言模型提供商投入的资本支出仍无法满足AI需求，市场叙事已从担忧“过度投资”转向担忧“投资不足” [1][9] - 当前的AI基础设施建设投机性较低，因为所产生的算力几乎能通过AI需求即时货币化并产生收入，这与过去“先建设后期待需求”的电信基础设施泡沫场景不同 [9] 人工智能技术栈与增长驱动力 - 智能体工作负载（可自主完成多步骤任务的AI）的兴起，预计可将相对处理强度提高一千倍，这正在推动从大公司到科技巨头对AI智能体的部署 [10] - AI增长的受益者遍布整个技术栈：包括为数据中心供电的电力设施、数据中心房地产、硬件（如GPU、CPU、内存等半导体）、用于训练大模型的专有数据、不断改进的大型语言模型软件，以及利用这些模型构建智能体应用的各类产品 [10][11] 基础设施投资主题 - 麦肯锡预测，到2040年，全球基础设施累计投资额将超过100万亿美元，驱动因素包括AI算力、国家安全和供应链韧性倡议 [12] - 尽管有大量资本投向基础设施，但它在投资组合中的占比仍然很小，例如在标普500指数中平均配置仅约3%，甚至低于部分大型科技股的单独权重 [12] - 推动基础设施支出的因素众多：全球人口增长和经济发展需要更多基础设施、发达国家建于上世纪60年代的基础设施亟待更新、以及未来对数字基础设施的新需求 [12] - 未来几十年，预计将有大量投资涌入基础设施领域，且鉴于许多政府无力承担，私人部门的投资作用将日益突出，这可能推动更多投资者将基础设施作为一个资产类别进行配置 [12] 资产代币化与数字资产 - 贝莱德的iShares比特币信托（IBIT）在2024年和2025年仅用341个交易日就达到了超过700亿美元的资产管理规模，成为历史上增长最快的交易所交易产品，这显示了市场对数字资产的资本需求和采纳速度 [13] - IBIT这类产品将比特币等去中心化金融资产包装成传统交易所交易产品，使拥有经纪账户的投资者都能接触，从而将DeFi带入传统金融世界 [13] - 在地缘政治不确定性上升、对机构不信任加剧、货币贬值或通胀猖獗的风险环境下，比特币等资产受到传统投资组合经理的关注，被视为对冲这些风险的工具 [13] - 资产代币化有望重塑更广泛投资者的资产获取方式、流动性和透明度，实现24/7全球交易、即时结算，并更容易接入去中心化金融工具，但其发展需要配套的市场基础设施、做市能力和监管框架 [14] 未来关注的主题与投资框架 - 人工智能与医疗保健的交叉领域是一个重要的新兴主题，AI既可通过开发革命性新药带来收入增长，也能通过减少试错、降低成本来加速药物上市，存在收入和成本双重机会 [16] - 从数字AI向物理AI（如机器人、自动驾驶汽车）的扩展，预计将成为未来AI讨论中越来越重要的一部分 [16] - 评估长期主题的重要框架包括：审视技术现状、具体用例、该用例背后的市场机会规模，以及该机会最终实现的概率 [17] - 人工智能目前正处于一个“甜蜜点”：技术仍处早期，尚未实现全经济范围的采纳和颠覆，但有足够证据表明这是一项具有多种用例、并持续快速改进的实在技术，这些因素结合构成了一个重要的长期主题 [17]