Skip to content
投资大师系列

劳伦斯·伯恩斯

一句话定义
沿着整条技术价值链去布局成长资产的人。

“在 AI 这个主题里，我们的布局是沿着整条价值链展开的。”

所属机构: Baillie Gifford
年化收益率: 未公开
代表性持仓: SpaceX、MiniMax
核心方法: 价值链布局 / AI / 未上市成长

简介

Section titled “简介”

劳伦斯·伯恩斯是苏格兰抵押信托副基金经理。与汤姆相比，他在现有资料里更像“AI 价值链讲解者”，非常擅长把一个热门主题拆成硬件、基础设施、应用和企业货币化四层。

他的表达不热闹，但有很强的结构感。你能明显感觉到，他不想把 AI 押成一个单点故事，而想把它变成组合里的多层敞口。他的鲜活感，不来自强人格，而来自一种非常清楚的“系统拆解能力”。

原文锚点：

“在 AI 这个主题里，我们的布局是沿着整条价值链展开的。”

——来源：近期在中国新增了两个持仓！巨头Baillie Gifford旗舰基金两位掌舵人，畅聊软件重估、自动驾驶及SpaceX等热点问题

验证卡：现有资料中业绩表述以 SMT 整体为准，未单独拆解管理人贡献。但这并不影响伯恩斯在人物类型学里的位置：他代表的是成长投资者如何进入 AI 时代后，把单点叙事改写成价值链组合。

来时路

Section titled “来时路”

早期环境

公开可核验事实相对有限，但现有资料已经足够说明：伯恩斯的关键塑造，来自按产业链理解科技资产的习惯。对他来说，研究单位天然不是单家公司，而是公司在价值链中的位置。

关键影响

他的关键影响来自 Baillie Gifford 的长期成长框架，但比起抽象的“超级赢家”语言，他更像把这一套哲学落实成了可执行的产业链研究方法。也因此，他比很多成长投资人更像一个系统研究者。

重大事件与转折

把这种产业链视角大规模用于 AI 与未上市成长资产，是最关键的转折。真正的变化，是研究单位从单个公司扩展到整条价值链：硬件、基础设施、模型、应用、企业货币化，不再是分散故事，而是一套组合结构。依据：现有资料中对 AI 多层布局的系统拆解。

原文锚点：

“我们做得很重要的一点，就是不会把 AI 押成一笔单一赌注。”

——来源：近期在中国新增了两个持仓！巨头Baillie Gifford旗舰基金两位掌舵人，畅聊软件重估、自动驾驶及SpaceX等热点问题

形成的结论

走到后面，伯恩斯压出来的结论是：新技术主题最危险的地方，不是看错方向，而是押成单一路径；真正更稳健的成长研究，应该把技术叙事拆回价值链，沿着关键层做组合配置。

人物分析

Section titled “人物分析”

鲜活信号

画像判断

  • 这个人最像什么: 他更像 AI 时代成长投资里的价值链编排者。
  • 底层驱动力: 推断：他最深的驱动力不是抓住某个最热门赢家，而是把复杂技术主题拆到足够清楚，避免自己押错单一路径。依据：现有资料中对价值链布局和“不是单一赌注”的反复强调。
  • 世界观与思维框架: 在他的世界里，真正的成长研究不应该停留在主题口号，而应该把技术浪潮拆成多层价值链，识别每层的角色与风险。
  • 人格如何进入投资: 他的结构感和低表演欲直接塑造了他的投资表达。很多人学 AI 投资，学成了热门词；伯恩斯更像在教你如何把一个热门主题拆成能进组合的研究对象。
  • 适用边界: 这套方法成立，依赖足够深的产业链研究和组合视角。离开这些前提，只学“沿价值链布局”，很容易变成表面分散、实则都赌同一个核心假设。

失误、边界与失效条件

Section titled “失误、边界与失效条件”

现有资料暂未涉及明确重大失误。

但伯恩斯方法的边界已经可以看见：如果价值链拆解不够深，看似“多层布局”其实可能只是同一主题的多种表达方式，风险相关性并没有真的降下来。对他这种方法来说，最大的失败不是押错一家公司，而是误以为自己已经完成了分散。

对我有什么启发

Section titled “对我有什么启发”

可学的是先把热门主题拆回价值链，再讨论怎么投；不可直接照抄的是把“多层布局”理解成天然安全；前提是你真的知道每一层在赌什么、彼此风险是否独立。

横向定位

Section titled “横向定位”

最像谁

更接近 汤姆·斯莱特。

最不像谁

更不像 霍华德·马克斯。

关键差异

他更接近 Baillie Gifford 内部的成长执行风格；最不像马克斯那种先谈周期和风险语言的人。

主要来源

Section titled “主要来源”