与之形成对照的是，资金正在流向那些不会被 AI 颠覆的行业和公司。我倾向于采用 Compound Advisors 提出的 HALO 框架——Heavy Assets、Low Obsolescence。资产部分不言自明，所谓低易替代意味着它们不太可能被 AI 取代。下面是他们强调的一些名字：
在我今天的分类体系中，Phillips 66、Corning、Applied Materials、Vulcan Materials、Delta、Caterpillar、Ventas、Hershey 这些公司，表面上在传统的 GICS 分类中彼此毫不相关，但在我更新后的分类中，它们归为同一类 HALO。
过去市场偏好资产轻模式，因为它们需要更少的债务、边际利润更好。把增长叠加上来，往往能带来超强盈利能力。这在此前催生了 30-50 倍的估值水平，但随着对颠覆的预期逐步被价格化，这一现象正在回归。
资产密集型公司之所以增长缓慢，主要因为需要巨额资本投入；但当前处于降息周期，债务负担得到缓解，在结构性高失业的时代这可能更具持续性。这也意味着它们几乎不太可能被颠覆——毕竟谁会新建一条横跨全国的铁路呢？
此外，过去的十五年风险投资几乎将所有资金和专长都投向科技、软件领域，以至于对重资产型企业的资金和专业能力极其欠缺。VC 的荒漠化成为新的护城河。
但这并非全部。低利润率长期以来一直是估值的拖累，但现在我认为这反而是一种机会。这些公司基本上不易被 AI 颠覆，但却有机会从 AI 中受益。
设想一个资产基底为 100 亿美元、收入 20 亿美元、利润率 3% 的公司。目标行业包括公用事业、管道、港口、商品生产、铁路、航空和炼油等。AI 的机会在于提升效率——哪怕利润率提升 1 个百分点，对盈利和现金流都将产生巨大的推动作用。特别是要关注员工数量较多或高度依赖咨询/外包的企业，这部分成本最具潜在削减空间。
对于这些公司而言，AI 更多是一种优化工具。如果一家公司在航线规划、调度与运营中实现 2% 的燃油节省，虽非革命性突破，却是强有力的助推器；如果炼油厂能够优化燃料混合、监控运营或更高效地安排停工时间，这也具有重要意义。
与 SaaS 公司相比，后者通常具备 40% 左右的利润率，优化空间有限；但管道运营商或航空公司等低 Margin、2-5% 的利润率企业，其运营面临的改进空间更大，AI 产生的微小效率提升能够叠加成为可观的盈利增长。因此，我更愿意把关注点放在低利润率这一维度。
我宁愿把这类企业称作 HALM——High Assets、Low Margin——但这个名字并不如 HALO 那样朗朗上口。
另外，CNBC 的 Mike Santoli 昨日的观点也值得注意：微软、Meta、Alphabet 与 OpenAI 等巨头正在进行高额的资本开支。关于这点，业内普遍提到超大规模云服务商的资本开支规模，市场普遍关注到约 7000 亿美元的水平。AI 颠覆的避风港或许就存在于 HALO 框架之中。
