MSCI AI 价值链指数将 AI 泡沫拆分为 14 项独立押注

尽管市场对泡沫的担忧日益升温，MSCI 仍推出了 14 项 AI 基准指数，将一个拥挤的市场叙事转化为一组更细分、可衡量的押注。MSCI AI 价值链指数将实体基础设施、数字基础设施和应用划分开来。这种划分让投资者能够在下一轮调整前，更精准地定位自身敞口。

此次推出之所以重要，是因为与 AI 相关的公司已不再同步波动。硬件和数据中心股票可能下跌，而软件应用公司则可能上涨。云服务提供商可能面临支出压力，而电力供应商则可能受益于持续建设。

因此，MSCI 正在挑战“持有 AI 繁荣”或“避开 AI”的传统二选一思维。其框架提出了第三种选择：识别承担过度风险的环节，然后调整该部分敞口，而无需放弃所有与 AI 相关的公司。

这一承诺也伴随着一项重要限制。指数是一套衡量体系，并非自动对冲工具。投资者仍需要可交易产品、充足的流动性，以及与其希望抵消的敞口高度匹配的头寸。

MSCI AI 价值链指数究竟改变了什么

MSCI 用覆盖商业价值链不同环节的 14 项基准指数，取代了“单一 AI 交易”的概念。

据最初的指数发布详情，该公司于 2026 年 8 月下旬推出这些指数。该系列覆盖参与供应、运营或应用人工智能的全球企业。

MSCI 将市场划分为三个广泛层级。实体 AI 基础设施涵盖硬件、数据中心及为其提供支持的能源系统。数字 AI 基础设施则包括云计算、数据服务、模型开发、训练、部署和运营。

第三层为 AI 应用。它将软件应用与机器人和自主系统等实体应用区分开来。

这三个层级包含 10 个底层组成部分。MSCI 随后为完整价值链、各层级和单个组成部分提供基准，共形成 14 项指数。

这一结构解决了传统行业分类的不足。AI 支出横跨信息技术、公用事业、工业、房地产、通信服务及其他行业。传统科技指数无法清晰地捕捉这一网络。

一家向数据中心供电的公用事业公司，可能拥有大量与 AI 相关的需求，却并不销售软件或处理器。一家冷却设备制造商可能依赖 AI 建设需求，但仍被归类为工业企业。

与此同时，大型科技平台可能同时涵盖云基础设施、模型开发、广告、企业软件和消费者应用。其股价可能同时反映 AI 价值链的多个阶段。

MSCI 利用公司业务分部营收及企业新闻中的关注度，评估企业在各组成部分中的参与程度。其AI 敞口图谱随后根据公司最强的敞口，为其分配 AI 价值链评分。

这种方法为投资组合经理提供了一套共同语言，用于描述过去需要大量逐家公司研究才能厘清的敞口。他们可以借助规则型基准，对比硬件与软件，或云计算与能源。

MSCI 指数业务主管 Jana Haines 将客户面临的问题描述为分解问题，而非发现问题。投资者早已知道自己的投资组合含有 AI 敞口；他们难以确定这些敞口究竟位于何处。

这一差异解释了为何此次发布不只是又一次为一篮子科技股贴上标签的尝试。广泛的主题指数回答的是哪些公司看起来与 AI 有关；新基准则试图回答每家公司承担何种经济职能。

设想一个持有半导体设计公司、服务器制造商、公用事业公司、云平台和软件供应商的投资组合。称其为 AI 投资组合，几乎无法说明其实际风险来源。

其硬件持仓取决于处理器需求、制造产能和设备周期。公用事业公司受到电力合同、监管审批、燃料成本和输电限制的影响。应用供应商则需要用户采用、定价能力和可持续利润率。

单一的主题标签掩盖了这些差异。MSCI 的框架让这些差异变得足够清晰，从而可以独立衡量。

这种可见性构成了此次发布的核心张力。投资者现在可以更清楚地观察碎片化的 AI 交易，但更清晰的分类并不能保证在市场同步波动时获得保护。

为什么投资者希望获得更精准的 AI 敞口

对更细分基准的需求，反映出一个集中度、支出和盈利能力不再传递相同信号的市场。

AI 投资最初回报了一种相对简单的策略。投资者买入供应处理器、云计算能力和数据中心设备的公司。持续的资本支出支撑了基础设施需求将保持强劲的预期。

随着更多投资组合积累相似持仓，这一策略变得拥挤。不同领域的公司日益依赖同一项基本预期：大型科技集团会继续扩张 AI 基础设施。

困难在于，一项假设可以支撑许多看似多元化的头寸。一个投资组合可以持有数十只股票，却仍高度依赖同一轮支出周期。

硬件制造商需要服务器制造商和云运营商的订单。数据中心开发商需要租户和融资。电力供应商需要项目在预期容量附近接入并运行。

模型开发商需要计算资源，而应用公司则需要愿意为 AI 产品付费的客户。某一环节的疲软可能影响其他环节的供应商和买方。

MSCI 的研究说明了这些联系为何重要。在截至 2026 年 7 月 28 日的五周内，市场调整集中于实体基础设施，而非均匀地扩散至整个 AI 市场。

截至 6 月 22 日，硬件板块在 2026 年累计上涨约 106%。据 MSCI 的拥挤交易分析，随后五周内该板块下跌约 20%。

数据中心基础设施呈现相似走势。该组成部分截至 6 月 22 日上涨约 92%，随后在调整期间下跌约 15%。

软件应用则朝相反方向发展。在此前落后于基础设施之后，它们在同一五周内上涨约 11%。

这些数字挑战了这样一种观点：每一次与 AI 相关的下跌都代表同一种判断。投资者未必是在否定人工智能；他们是在降低动能、估值和持仓集中度最高领域的敞口。

MSCI 报告称，2026 年上半年，贝塔、动能和残余波动率敞口一同上升。截至 6 月底，其贝塔因子拥挤度指标达到 1.5 个标准差。

动能尤为重要。抛售前，硬件、数据中心和 AI 能源供应商具有正向动能敞口。多个数字和应用组成部分的敞口则持平或为负。

当动能交易反转时，先前的领涨者承受了最大压力。应用板块的持仓拥挤程度较低，因此表现不同。

这种分化具有实际影响。担忧硬件估值过高的管理人，仍可能预期企业应用会获得更多采用。卖出所有与 AI 相关的持仓，将放弃这两种判断。

同样，担忧云计算支出的投资者仍可能看好电力基础设施。另一些人可能偏好模型部署服务，同时避开资本密集型数据中心运营商。

MSCI AI 价值链指数为表达这些差异提供了参考点。它们可支持投资组合归因、风险监测、业绩比较及金融产品设计。

它们还为投资委员会的内部决策提供了更清晰的语言。“降低 AI 敞口”过于模糊；“降低实体基础设施敞口，同时保留应用敞口”则描述了一项可执行的配置选择。

这种精细度给现有主题基金和研究框架带来压力。围绕广泛 AI 标签构建的产品，必须说明其持有的是基础设施供应商、应用公司还是多元化平台。

它也给主动管理人带来压力。如果透明的基准可以将价值链拆分为不同组成部分，管理人就必须证明其证券选择为何能在这些敞口之外创造价值。

这一变化对全球投资组合尤其重要。MSCI 发现，AI 价值链跨越了具有不同优势的地区。美国在多项数字和应用活动中居于领先地位，而台湾和韩国则拥有重要的硬件敞口。

因此，国家配置可能成为间接的 AI 供应链决策。一个地区头寸所含的半导体或存储芯片风险，可能比其行业标签最初显示的更高。

这使得这些指数有助于诊断敞口。它们能否高效地对冲这些敞口，则是另一个问题。

MSCI AI 价值链指数将泡沫转化为取舍问题

新指数将关于 AI 泡沫的一场争论，转化为关于支出、瓶颈和商业化的数场更细分争论。

“AI 泡沫”这一说法，将不同风险压缩为一个戏剧化标签。它可能指昂贵的芯片股、激进的数据中心建设、不确定的软件营收，或建立在持续需求基础上的融资。

这些风险不会同时成熟。硬件订单可能依然强劲，而云业务利润率可能走弱。电力限制可能令公用事业公司受益，即便应用供应商难以留住用户。

MSCI 的结构鼓励投资者追问：哪些领域的预期已远远领先于经营业绩。这比判定 AI 整体是否被高估更有用。

实体基础设施承载着最明显的资本周期风险。建设数据中心需要土地、设备、冷却系统、网络、电力以及漫长的规划周期。当需求预测发生变化时，供给可能才刚刚到位。

云计算呈现另一种取舍。服务提供商可以报告强劲的 AI 需求，但支出的增长速度可能快于相关营收。这一差距至关重要，因为投资最终必须带来可持续的现金流。

模型开发具有不同的经济逻辑。训练领先模型需要大量计算能力，但推理成本下降和激烈竞争可能压低单个模型的价值。

应用面临相反的挑战。其资本需求可能较低，但买方仍需要持续付费的理由。高使用量并不会自动带来具有吸引力的利润率或客户留存率。

2026 年的调整显示，市场能够多快地区分这些叙事。MSCI 认为，此次下跌更像是估值和持仓的重置，而非潜在 AI 需求的崩溃。

其研究人员发现，在考察期间，硬件和数据中心基础设施的销售增长快于资本支出。云计算则是支出增长明显超过营收增长的环节。

这些证据削弱了“基础设施支出已失去经济支撑”这一简单论断。但这并不能证明每个规划中的项目都能获得足够回报。

估值指标也呈现出不同的结论。MSCI发现，在调整前，实体基础设施相对于账面价值的估值似乎尤其偏高。预期市盈率则更接近历史区间。

这一差异表明，投资者对已部署及建设中的资产基础赋予了较高价值，但并未以同等幅度上调盈利预期。

这一区别很重要，因为资产并不会仅仅因其存在就能证明自身估值合理。数据中心、网络设备和电力设施必须在其使用寿命内创造足够收入。

价值链框架让投资者能够将这种资产风险与对AI服务的需求区分开来。技术可以持续增长，同时特定基础设施所有者仍可能获得令人失望的回报。

这正是这些指数背后的核心权衡。更高的精确度有助于投资者识别薄弱环节，但也可能让人对在全面冲击中失效的区分过度自信。

供应链各环节仍通过合同、融资、客户和市场情绪彼此关联。若超大规模云服务商的支出大幅下降，将影响硬件、建设、电力需求和模型容量。

这些指数无法消除这种关联。它们可以揭示一阶风险敞口所在，并帮助估算投资组合在以往市场波动中的表现。

MSCI还研究了一种不利情景：AI供应链重新定价冲击全球股票市场。其压力情景估计，在模型设定的条件下，全球股票将下跌13%，其中半导体是重要拖累因素。

这一分析进一步说明，有必要区分衡量与预测。情景结果取决于对冲击、传导机制、相关性和投资者行为的假设。

它们有助于判断投资组合能否承受某一既定事件，但不能确定该事件何时发生，也不能说明现实会在多大程度上遵循模型。

同样的谨慎也适用于历史指数结果。回测表现可以展示基于规则的投资组合原本会如何表现，但无法复现真实交易成本、流动性压力或未来市场结构变化。

尽管如此，拆解仍能提升讨论质量。投资者不再需要将Nvidia、云平台、能源供应商和应用供应商视为同一趋势下可互换的表达。

他们可以思考稀缺资源究竟是处理器、电力、数据、分发能力，还是用户注意力。随后，他们可以将这种风险敞口的价格与需求证据进行比较。

这比买入一个AI标签需要更严谨的判断。对于一个赢家会随着瓶颈转移而变化的供应链而言，这种做法也更合适。

这些指数本身无法对冲什么

最大的风险，是将一个细致的基准误认为流动、准确且完整的对冲工具。

指数按照公开规则衡量一组既定证券。投资者未必能直接交易该指数本身，而是需要交易与其挂钩的交易所交易基金、期货、期权、互换或定制投资组合。

推出14个基准并不意味着已经存在14个流动的对冲市场。产品可得性、交易量、买卖价差和衍生品参与度，将决定投资者能否高效使用每个指数。

没有流动产品支持的基准仍可用于研究和归因分析。但在管理人需要立即降险的快速抛售中，它提供的实际帮助较少。

即使有可交易产品，基差风险依然存在。基差风险是指对冲工具和标的投资组合对同一事件作出不同反应的情况。

被归入某一环节的公司，可能在多个层级都有重要业务。其股价也可能受到与人工智能无关业务的影响。

大型平台说明了这一问题。Microsoft、Amazon、Alphabet和Meta将AI支出与成熟业务结合，而这些成熟业务在最新一轮投资周期之外也能产生收入。

它们的回报反映广告、云服务、生产力软件、商业、监管、货币以及更广泛的经济状况。没有任何价值链标签能隔离所有影响因素。

MSCI的评分方法还引入了另一层判断。根据该公司公布的研究，一家公司的总体得分反映其在10个环节中最高的风险敞口。

这种方法能够识别一家公司与AI最紧密的联系，但可能无法完整反映一家风险敞口分布于基础设施和应用领域的多元化企业。

输入数据同样需要解读。分部收入提供了可衡量的关联，但企业报告并不总会单独披露AI收入。新闻关注可以识别新出现的参与者，但关注度的增长可能快于商业重要性的提升。

因此，方法论必须在当前收入与前瞻性证据之间取得平衡。只关注收入的体系可能错过新业务；使用叙事信号的体系则可能在经济价值尚未明朗前捕捉到市场热情。

再平衡会带来额外滞后。供应链的变化速度快于许多报告周期。一家公司可能从供应商转为竞争对手，推出定制硬件，或降低对外部供应商的依赖。

私营公司构成另一项限制。大型模型开发商、专业云运营商和基础设施创业公司，在上市之前可能一直不在公开股票指数中。

上市公司仍可能通过对这些私营集团的投资、商业协议和客户关系获得间接敞口。由此形成的网络，可能比指数成分股所显示的更为集中。

相关性也可能在压力下发生变化。硬件和应用在MSCI考察的五周调整期间表现不同，但在更广泛的流动性事件中可能同步下跌。

这并不意味着该框架毫无用处，而是说明历史分散化不应被视为永久关系。

投资者还需要区分对冲与看空。降低硬件敞口会减少一种风险来源；做空硬件基准则会形成一种仓位，若需求仍然强劲，该仓位可能亏损。

精准对冲需要匹配规模、时点、敏感度和期限。随着指数权重和投资组合持仓变化，正确的仓位也可能随之改变。

“泡沫”一词增加了行为风险。先形成强烈结论的投资者，可能只利用细粒度数据来确认自己的判断。他们可能找到一个估值昂贵的环节，却忽视支持其估值的证据。

反过来也可能发生。管理人可能利用强劲的收入增长，忽视融资、折旧或客户集中度风险。

MSCI较早推出的广泛人工智能基准表明，指数名称需要仔细解读。截至2026年8月31日，全球AI指数持有100家公司。

其最大持仓包括Microsoft，占11.67%；Meta，占8.78%。信息技术行业占57.4%，美国占77.4%。

这些数字描述的是一个广泛的主题投资组合，而非每个新价值链环节的构成。投资者不应将一个MSCI指数的持仓或表现套用于另一个指数。

实际教训很直接：在依赖任何基准之前，应阅读其具体方法论、成分股名单、加权规则和再平衡安排。

随后，将这些规则与正在对冲的投资组合进行比较。精确的标签无法弥补不精确的匹配。

三项信号将显示精准对冲是否有效

下一项考验，是这些指数能否吸引可用产品、跟踪不断变化的业务敞口，并比行业基准更好地解释下一次轮动。

第一项信号是产品采用情况。投资者应关注是否会出现直接挂钩于单个AI价值链环节的基金、期货、期权、互换或结构性产品。

仅有推出公告无法回答这一问题。交易量、未平仓合约、买卖价差和机构参与度，将显示某一基准是否已成为可用的市场基础设施。

强劲的采用将支持MSCI的观点，即投资者需要模块化风险敞口。采用有限则表明，这些指数更适合分析，而非主动对冲。

这种区别在市场快速波动时尤为重要。管理人可以轻松研究一个环节指数，但要以合理成本执行对冲，则需要另一位市场参与者愿意承接另一侧头寸。

MSCI更广泛的衍生品合作关系提供了分销渠道，但每个新基准都必须形成自己的流动性。需求可能集中在少数几个环节，而非分布于全部14个环节。

硬件和实体基础设施是显而易见的候选者，因为投资者已经熟悉这些敞口。模型训练或部署运营则可能更难以通过纯上市公司投资组合来代表。

第二项信号是分类稳定性。投资者应跟踪成分股权重和环节归属在最初审查周期内如何变化。

稳定的成员构成将表明，MSCI基于收入和新闻的框架捕捉到了持久的业务敞口。频繁变动则可能揭示一个快速变化的市场，或一种对企业叙事较为敏感的方法论。

两种结果并非天然好坏。围绕新兴供应链设计的指数本应演变。然而，过高的换手率会增加实施成本，并使历史比较更加复杂。

第三项信号是其在下一轮财报周期或市场调整中的表现。关键问题在于，各环节的回报是否会继续因可理解的经济原因而出现分化。

基础设施应对资本支出、订单簿、利用率、融资和建设延误作出反应。应用则应更直接地对采用率、留存率、定价和利润率作出反应。

云计算介于这两种模式之间。它受益于需求，但也承担沉重的投资要求。其将支出转化为收入的能力，仍将是市场的一项核心考验。

如果这些环节继续表现不同，价值链框架的可信度就会提升。这将表明，行业标签掩盖了经济上彼此不同的风险敞口。

如果所有环节无论基本面如何都同步下跌，分散化收益就会减弱。这些指数仍可描述供应链，但其作为独立对冲工具的价值将变得不那么令人信服。

投资者还应关注最大型科技公司的资本支出指引。计划支出的变化可以传导至半导体订单、建设、网络和电力合同。

应用收入同样值得关注。基础设施估值最终需要客户从正在建设的容量中创造可衡量的价值。

对于技术采购者和知识工作者而言，这些指数提供了一项不那么显眼的好处。市场价格可以揭示投资者预期的短缺、产能过剩或更强的变现能力。

如果应用基准上涨而基础设施走弱，可能意味着部署正变得比单纯的算力扩张更有价值。相反的走势则表明，建设扩张仍是回报的主导来源。

这些信息不应左右产品决策。它们可以帮助团队理解供应商、云计算容量和 AI 采用背后的财务假设。

MSCI AI 价值链指数让 AI 市场更易于拆解，而非更易预测。其成败取决于精确的分类能否催生精准的投资工具。

关注首批挂钩产品、最初的再平衡，以及下一次重大市场轮动。其成分股会因商业基本面而分化，还是会在投资者恐慌时趋同？

这一答案将决定，MSCI 是为 AI 时代打造了实用的对冲工具，还是仅仅绘制出一张更清晰、却同样相互关联的风险地图。