Cada vez que alguien gana mucho dinero en el mercado de valores estadounidense, lo primero que hace la gente que observa es revisar su informe de posiciones para buscar la siguiente acción que comprar.
El informe más traducido recientemente pertenece, por supuesto, a un alemán de 24 años llamado Leopold Aschenbrenner.
En marzo de este año, los medios nacionales informaron ampliamente sobre él, con títulos similares: el genio expulsado de OpenAI, que escribió un artículo de 165 páginas anticipando las tendencias de la IA, fundó un fondo de cobertura que gestiona 5.500 millones de dólares...
Pero las etiquetas son solo etiquetas. Lo realmente llamativo de este fondo es que no compra NVIDIA, ni OpenAI, ni ninguna empresa que desarrolle modelos de IA. Solo compra lo que la IA no puede vivir sin: generación de energía, fabricación de chips, comunicación óptica, centros de datos...
En sus propias palabras, el cuello de botella de la IA no está en los algoritmos, sino en la electricidad y el poder de cómputo. Todo el fondo está apostando a que esta afirmación es cierta.
Un gestor de inversiones de redes sociales lo llama "el hijo de la versión estadounidense de la era de la IA" o "el Warren Buffett de la IA". Recientemente, este título ha sido rescatado, ya que su capacidad para acertar se ha vuelto un poco absurda.
Según los datos publicados por la plataforma de copia de operaciones Autopilot el 1 de mayo, su cartera simulada aumentó un 61% en dos meses. Según esta estimación, su tamaño de fondo ya se acerca a 9 mil millones de dólares.
¿De dónde provienen las ganancias? Principalmente de dos posiciones importantes: Bloom Energy, una empresa de pilas de combustible que proporciona energía fuera de la red a centros de datos de IA, cuyo precio de acciones ha aumentado un 239% desde principios de año.
Según los informes de tenencia publicados a finales del año pasado, poseía acciones y opciones de esta empresa por un valor de 875 millones de dólares, cuyo valor de mercado ahora ha crecido hasta casi 3 mil millones.
También Intel. Según el mismo informe de cartera, compró 20,200,000 opciones call de Intel en el primer trimestre de 2025, cuando el precio de las acciones de Intel estaba cerca de los 20 dólares, y la opinión dominante en Wall Street consideraba que Intel no estaba en buena forma.
La semana pasada, Intel subió a 113 dólares, alcanzando un récord histórico en 25 años. En menos de un año, casi se quintuplicó, y el rendimiento de las opciones de este joven fue aún más impresionante que el de la acción.
Entiendo el impulso de los espectadores. El sitio de inversión estadounidense Motley Fool publicó cuatro artículos en un solo día desglosando sus posiciones, y la comunidad de inversión de Reddit en el extranjero discute si copiar sus movimientos. Todos intentan encontrar el próximo Intel en su informe de posiciones.
Pero debes saber que los informes de posiciones suelen tener un retraso de 45 días. Cuando veas qué compró, el mercado ya ha recorrido la mitad.
Más importante aún, incluso si conoces en tiempo real su posición, no puedes replicar la razón por la que él acierta consistentemente.
La comunidad es el mejor Alpha
Primero, lo más asombroso de Leopold Aschenbrenner es el artículo sobre IA que escribió en 2024, que casi predijo la dirección actual del desarrollo de la IA y los patrones de inversión.
El argumento central se puede resumir en una sola frase: la capacidad de cómputo para entrenar modelos de IA aumenta aproximadamente medio orden de magnitud por año; a este ritmo, hacia 2027 surgirá una IA general (AGI) con capacidades cercanas a las humanas.
Pero para mantener esta velocidad de crecimiento, los factores limitantes clave no están en el nivel del algoritmo, sino en la electricidad, la capacidad de producción de chips y el espacio físico. El consumo eléctrico de un solo clúster de entrenamiento aumentará de megavatios a gigavatios, acercándose a la salida de una central nuclear grande.
Esta es la lógica subyacente de todo su fondo. La velocidad del desarrollo de la IA está determinada por cuellos de botella físicos, por lo que deberías invertir en los cuellos de botella mismos.
Este juicio parece la conclusión a la que llegó alguien inteligente tras realizar una gran cantidad de investigaciones en su estudio; pero en realidad, creo que fue el círculo el que le llevó a formar este juicio.
Antes de escribir su tesis, trabajó durante un año en el equipo Superalignment de OpenAI, dedicado específicamente a investigar cómo controlar IA más inteligente que los humanos, informando directamente al científico jefe Ilya Sutskever.
Durante ese año, él observó los planes de entrenamiento internos, el consumo real de capacidad de cómputo y las necesidades específicas de electricidad y chips de los próximos modelos. Cuando escribió en su artículo la afirmación de "consumo de electricidad en gigavatios", su base probablemente fue la hoja de ruta interna del laboratorio.
En abril de 2024, fue despedido por OpenAI tras enviar una memo interna a la junta directiva de OpenAI advirtiendo que las medidas de seguridad de la empresa eran insuficientes y que corría el riesgo de ser infiltrada por agencias de inteligencia extranjeras.
Este memorando generó tensión entre la administración y la junta directiva, y OpenAI lo despidió posteriormente por "fuga de información".
Dos meses después, se publicó el artículo. Este artículo debe entenderse más como la versión pública de su conocimiento interno en OpenAI que como una investigación independiente.
El artículo de IA resuelve el problema de "¿en qué dirección mirar?". Pero hacer inversiones solo con conocer la dirección está lejos de ser suficiente.
La IA necesita más electricidad; muchos analistas ya lo decían en 2024. Lo realmente valioso es el momento y la posición, por ejemplo, si te atreves a invertir 20 millones de opciones de compra cuando el precio de las acciones de Intel está en 20 dólares.
Esta confianza no solo proviene de creer en la gran tendencia de la IA, sino de saber concretamente qué empresas están firmando contratos de compra de electricidad de qué tamaño, qué centros de datos se están ampliando y cuál es realmente la magnitud de la demanda.
Y el fondo fundado por Leopold Aschenbrenner, Situational Awareness, tiene inversores que justo se sientan en la primera fila de estas decisiones.
Los LP de este fondo incluyen a los dos fundadores de Stripe, una empresa que procesa el flujo de pagos de la mayor parte de las empresas tecnológicas de Silicon Valley y puede percibir directamente el aceleramiento del gasto en infraestructura;
Otro inversionista es Nat Friedman, ex CEO de GitHub y actual responsable de productos de Meta AI, quien participa diariamente en las decisiones de adquisición de poder de cómputo.
They brought to the fund not only initial capital but also a continuously updated information channel.
Además, el director de investigación de su fondo también es un papel clave en esta cadena. Carl Shulman, un veterano en el campo de la seguridad de la IA, anteriormente trabajó en el fondo especulativo de Peter Thiel, Clarium Capital, encargándose específicamente de convertir el conocimiento del ecosistema de la IA en estrategias de operación ejecutables.
En su cartera, hay un rincón criptográfico fácil de pasar por alto.
El informe de posiciones de fin de año mostró que estableció nuevas posiciones en CleanSpark y Bitfarms, ambas empresas mineras de Bitcoin que están transformando sus instalaciones de minería de BTC en centros de poder de cómputo para IA.
Las minas de criptomonedas tienen naturalmente acceso a gran escala a la electricidad y sistemas de disipación de calor, precisamente los recursos más escasos para los centros de datos de IA.
Es interesante que no es ajeno a la industria de criptomonedas. En 2022 trabajó durante nueve meses en el fondo benéfico Future Fund, fundado por SBF, y se fue justo antes del colapso de FTX.
No se sabe si esta experiencia influyó directamente en su juicio sobre las empresas mineras. Pero se puede confirmar que es uno de los pocos que ha tenido un contacto profundo tanto con la industria criptográfica como con laboratorios de vanguardia en IA. Esta intersección representa, por sí misma, una posición cognitiva rara y una posible conexión de redes.
Además, su prometida, Avital Balwit, es jefa de gabinete del CEO de Anthropic, Dario Amodei. Anthropic es la empresa matriz de Claude y el competidor más directo de OpenAI.
Trabajó en OpenAI y su prometida trabaja junto al CEO de Anthropic. Las dos empresas líderes en la competencia por la AGI, una le brindó experiencia práctica y la otra contacto diario.
La revista estadounidense Fortune entrevistó el año pasado a más de una docena de personas dentro de la industria que tuvieron contacto con él, y concluyó que es muy hábil en "empaquetar ideas que se están desarrollando en laboratorios de Silicon Valley en narrativas".
Creo que esta afirmación es demasiado cortés. Lo que él hizo fue más directo: apostar en el mercado público el conocimiento obtenido en círculos privados. Los artículos de IA publicados son versiones desclasificadas; su fondo de inversión propio es la versión completa.
Un bucle de retroalimentación positiva al que un externo no puede acceder
Mirando hacia atrás, el fondo de Leopold Aschenbrenner eligió una estructura menos común.
La mayoría de los fondos en el ámbito de la IA siguen el modelo de capital de riesgo, invirtiendo en empresas tempranas y apostando por quién se convertirá en el próximo OpenAI. Él no siguió este camino. Según Fortune, al crear su fondo rechazó explícitamente el modelo de capital de riesgo, argumentando que el impacto de la AGI es demasiado grande como para expresar juicios de inversión adecuadamente fuera de los mercados públicos, donde la liquidez es máxima.
Esta elección en sí misma revela un consenso en su círculo: la mayor oportunidad de inversión en la era de la IA podría encontrarse en empresas ya establecidas con infraestructura física.
Puede ser una empresa de pilas de combustible con acceso a electricidad existente, un gigante de chips con líneas de fabricación de obleas, o una empresa minera de Bitcoin con minas y sistemas de disipación de calor. Estas empresas llevan años cotizando en bolsa y tienen buena liquidez, pero la mayoría de los analistas aún las valúan con marcos de valoración obsoletos y no han incorporado seriamente la variable de "infraestructura esencial para IA" en sus modelos.
This is his arbitrage opportunity.
La gente en el círculo ya conoce el ritmo y la escala de la expansión de la infraestructura de IA; el mercado público aún está valuando con lógicas antiguas. El diferencial entre ambos es la fuente de ganancias.
Esta ventaja informativa tiene otra característica: se refuerza a sí misma.
Cuanto mejor sea el rendimiento del fondo, más personas del núcleo de la industria estarán dispuestas a convertirse en LP. Cuantos más LP haya, más densa será la información de toma de decisiones a la que el fondo puede acceder. Cuanto más densa sea la información, mayor será la precisión de las apuestas. Se trata de un ciclo de retroalimentación positiva, y para los externos, el umbral para entrar en este ciclo solo se vuelve más alto.
Por supuesto, este ciclo también tiene su lado frágil. Una posición altamente concentrada junto con un apalancamiento significativo significa que todo el fondo depende en gran medida de una sola narrativa. Mientras la premisa de "la expansión continua de la infraestructura de IA" siga siendo válida, todo avanza sin problemas.
Pero si el ritmo del desarrollo de la IA se ralentiza, o si las limitaciones energéticas se evitan mediante algún avance tecnológico, la retracción de las posiciones concentradas será mucho más rápida que su construcción. Él no solo apuesta por la dirección, sino también por el ritmo. Si el ritmo se desincroniza, el consenso dentro del círculo podría convertirse en una ceguera colectiva.
Volver a la pregunta original.
Todos están estudiando su cartera e intentando replicar sus operaciones. Pero detrás de los rendimientos de nivel "dios de las acciones" hay condiciones estructurales.
El ensayo es público, el informe de posiciones es público, y su lógica de inversión también se explica claramente en podcasts e entrevistas. Pero incluso si comprendes completamente cada una de sus decisiones, no puedes replicar la posición en la que se encontraba al tomar esas decisiones.
La posición puede rastrearse, los rendimientos son envidiables, pero el origen del conocimiento no puede compartirse. Esta es probablemente la forma más cara de asimetría de esta era.
Autor: Curry, Deep潮 TechFlow
Fuente: Shenchao TechFlow