# 柏基投资

柏基AI研究议程

这篇文章围绕柏基投资（Baillie Gifford）2026年的人工智能研究议程展开，核心观点是：在 AI 快速扩张的时代，投资机会不只来自“AI 本身”，更来自 AI 带来的新稀缺性与旧稀缺性的转移。

文章先介绍柏基长期研究的特点：以 10 年为尺度思考，强调跨学科视角、长期主义与“非共识正确”，关注能带来指数级增长的变革型公司，而不是短期利润波动。作者指出，柏基很早就把 AI 作为重点研究方向，今年的研究议程再次把它放在最核心的位置。

文章主要观点

1. 技术革命会把稀缺性重新分配

文章用印刷术、能源革命等历史例子说明，技术进步通常会把某些原本稀缺的资源变成丰富资源，同时把新的瓶颈抬升为“稀缺点”。

在 AI 时代，这种变化主要体现在两个方面：

• 信息变得更丰富：生成式 AI 让内容生成、知识获取、软件编写等能力大幅普及。
• 能源与算力更稀缺：训练和运行大模型需要海量 GPU、存储、数据中心、电力与冷却能力，物理基础设施反而更重要。

2. AI 的核心稀缺性在基础设施

文章认为，AI 的价值链里，真正容易形成瓶颈和定价权的环节，主要集中在物理基础设施层：

• GPU 与处理芯片：仍是训练和推理的核心，需求持续旺盛。
• 高带宽存储（HBM）：AI 对内存和带宽的要求会持续推高存储需求。
• 半导体设备与材料：复杂芯片制造需要少数关键供应商，产业集中度高。
• 数据中心与供电：即便能效提升，电力依然是大瓶颈，数据中心扩张会显著推高用电需求。

文章特别强调，AI 的大规模普及并不只是软件问题，而是数字世界和物理世界更深度耦合的问题。

3. 软件“稀缺性”可能被削弱

作者讨论了一个重要判断：AI 代理和自动化工具可能会削弱传统企业软件、中介平台、部分在线服务的稀缺性。

当 AI 代理能够自动构建、维护、调用很多系统时，部分软件产品的议价能力可能下降。过去靠“连接买卖双方”“提供工作流管理”形成壁垒的平台，也可能面临被 AI 重塑的风险。

不过，文章也指出，不是所有软件公司都会被替代。那些：

• 具备强数据安全与可信能力的公司，
• 能与物理世界深度结合的公司，
• 能主动利用 AI 重塑商业模式的公司，

仍可能保有稀缺价值。

4. 投资者要寻找“新的护城河”

文章将 AI 时代的机会概括为三类稀缺性：

• 信任与准确性：例如支付、安全、可信数据等领域。
• 物理优势：能与现实资产、供应链、物流、制造深度连接的企业。
• 适应性：能够快速把 AI 融入产品和收费方式的公司。

换句话说，AI 时代的赢家，不一定是最会“做 AI 的公司”，而可能是最能把 AI 嵌入自身稀缺资源与业务结构的公司。

我的理解

这篇文章的重点不在于预测某个具体公司涨跌，而是在提醒读者：

• AI 会让很多能力变得更便宜、更普及；
• 真正值钱的东西，可能转移到算力、能源、数据中心、供应链和可信基础设施；
• 投资框架要从“软件红利”转向“稀缺性在哪里”来思考。

整体来看，这是一个典型的柏基式视角：不追逐短期热点，而是从长期技术变迁里找结构性的瓶颈和赢家。