“数据中心电力需求持续超出预期”——乔什·布朗论为何应选择实物资产而非追逐AI热潮

一句话看懂：CNBC知名评论员、Ritholtz财富管理CEO乔什·布朗推出了一只名为Halo ETF（代码LOHA）的新基金，专门投资于拥有大量实物资产且技术过时风险低的公司，如发动机制造商、铜矿商和物流企业，押注这些“不性感”的行业将因AI基建对电力和材料的刚性需求而跑赢大市。

事件核心：发生了什么

2026年6月1日，乔什·布朗在《The Compound and Friends》播客中公布了由Roundhill Financial管理的Halo ETF。该基金采用规则驱动的等权重策略，完全排除金融股，科技股仅占1%，通信服务占1%，工业股占比高达36%。持仓代表包括：康明斯（CMI，发动机制造商，同比涨102%，数据中心备用电源需求推动）、南方铜业（SCCO，净利增66.7%）、J.B. Hunt运输（JBHT，营收增4.6%）、AutoZone（AZO，汽车零件零售）、Lamar广告（LAMR，户外广告REIT，股息率4.11%）和菲利普莫里斯（PM，烟草巨头）。布朗的逻辑是：“没有人能颠覆铜矿，你不能用ChatGPT给我造一台发动机。”

为什么重要

布朗的观点挑战了当前市场对AI热潮的直接追捧。他指出，数据中心电力需求“持续超出预期”（引用康明斯CEO鲁姆西的原话），而支撑这一需求的基础设施——从铜矿开采、发动机制造到货运网络——恰恰是AI无法轻易替代的实物资产。Halo ETF的设计意味着，如果AI推动算力扩建持续加速，传统工业、材料和物流公司反而可能成为最大受益者，因为它们提供了训练和推理过程中不可替代的能源与物理载体。这提醒投资者：AI的终端价值可能更多集中在基础设施层，而非应用层。

对用户/开发者/创作者的影响

对AI领域的从业者而言，这一观点具有多重启示：一是算力成本下降可能不会很快到来，因为电力、铜材和运输等上游供应链正面临结构性紧张；二是在选择AI项目时，需要更现实地评估其对能源和实物资源的需求，尤其是大模型训练和推理的“隐形碳成本”和“物料依赖”；三是对于构建AI产品的开发者，理解底层物理约束（如铜价波动、电力供应瓶颈）有助于避免对模型规模和部署速度的盲目乐观。