每次有人在美股賺到大錢，圍觀的人做的第一件事永遠都一樣：翻他的持仓報告，找下一個該買的股票。
最近被翻得最多的那份報告，當然屬於一位名叫 Leopold Aschenbrenner 的 24 歲德國人。
今年 3 月，國內媒體曾集中報道過他，標題都差不多；例如被 OpenAI 解僱的天才，撰寫了 165 頁論文預測了 AI 趨勢，創立了一家對沖基金，管理著 55 億美元...
但標籤只是標籤。這個基金真正令人矚目的地方在於，它不購買英偉達、不購買 OpenAI、也不購買任何從事 AI 模型開發的公司。它只購買 AI 運作不可或缺的東西：發電、晶片製造、光通信、數據中心……
用他自己的論文裡的話說，AI 的瓶頸不在算法，在電力和算力。整個基金就是在賭這句話是對的。
社交媒體上的投資博主稱他為「AI 時代的美股版本之子」，或 AI 版的股神巴菲特。最近這個稱號又被翻了出來，因為他猜對的程度開始變得有點離譜。
根據跟單平台 Autopilot 於 5 月 1 日發布的數據，模擬其倉位的投資組合兩個月內上漲了 61%。按此推算，他的基金規模已逼近 90 億美元。
錢從哪賺的？主要靠兩隻重倉股。Bloom Energy，一家為 AI 數據中心提供離網電力的燃料電池公司，今年至今股價上漲了 239%。
根據去年底公開的持股報告，他持有該公司 8.75 億美元的股票和期權，現市值已膨脹至近 30 億。
還有 Intel。同一份持仓報告顯示，他於 2025 年第一季度購買了 2020 萬份 Intel 的看漲期權，當時 Intel 的股價約在 20 美元附近，華爾街的主流觀點普遍認為 Intel 表現不佳。
上週，Intel 漲至 113 美元，創下 25 年來的新高。不到一年時間股價幾乎翻了五倍，這位年輕人的期權回報倍數比股票還要驚人得多。
我能理解圍觀者的衝動。美國投資網站 Motley Fool 一天內發了四篇文章剖析他的倉位，海外 Reddit 投資版正在討論是否要跟進他的操作。所有人都試圖從他的倉位報告中找到下一個 Intel。
但你要知道，持仓報告一般有 45 天延遲。等你看到他買了什麼的時候，行情已經走了一半。
更重要的是，即使你實時知道他的倉位，你也無法複製他持續押對的原因。
圈子，才是最偉大的 Alpha
首先，Leopold Aschenbrenner 最令人驚嘆的地方，在於他在 24 年撰寫的那篇關於 AI 的論文，幾乎預判了當前 AI 的發展方向與投資脈絡。
核心論點其實一句話就能概括：AI 模型的訓練算力每年增長約半個數量級，照這個速度，2027 年前後就會出現能力接近人類的通用人工智慧（AGI）。
但要維持這個增長速度，關鍵制約因素不在演算法層面，而在電力、晶片產能和物理空間。單個訓練叢集的用電量將從兆瓦級跳升至吉瓦級，接近一座大型核電站的輸出。
這就是他整個基金的底層邏輯。AI 的發展速度由物理瓶頸決定，因此你應該投資於瓶頸本身。
這個判斷，聽起來像是一個聰明人在書房裡做了大量功課後推演出來的結論；但實際上，我認為是圈子讓他形成了這個判斷。
他在撰寫論文之前，曾在 OpenAI 的 Superalignment 團隊工作了一年。該團隊專門研究如何控制比人類更聰明的 AI，並直接向首席科學家 Ilya Sutskever 汇報。
在那一年裡，他看到的是內部的訓練計劃、實際的算力消耗，以及下一代模型對電力和晶片的具體需求。他在論文中寫下「吉瓦級用電量」這個判斷時，依據或許就是實驗室裡的內部路線圖。
他在 2024 年 4 月被 OpenAI 解雇，起因是他向 OpenAI 董事會提交了一份內部備忘錄，警告公司安全措施不足，可能面臨外國情報機構滲透的風險。
這份備忘錄引發了管理層與董事會之間的緊張關係，OpenAI 隨後以「洩露資訊」為由將他解僱。
兩個月後，論文發表。這篇論文与其說是獨立研究，不如理解為他在 OpenAI 內部認知的公開版本。
AI 論文解決了「看什麼方向」的問題。但做投資，光知道方向遠遠不夠。
AI 需要更多電力，這個判斷早在 2024 年就有大量分析師提出。真正值錢的是時機和倉位，例如你敢不敢在 Intel 股價 20 美元時投入 2000 萬份看漲期權。
這種信心不僅來自於對 AI 大趨勢的相信，更在於具體知道哪家公司簽訂了多大規模的電力採購合約、哪個數據中心正在擴建，以及需求的實際規模有多大。
而由 Leopold Aschenbrenner 創立的基金 Situational Awareness，其出資人恰好就坐在這些決策的第一排。
該基金的 LP 包括 Stripe 的兩位創始人，公司處理著矽谷大半科技公司的支付流水，能直接感知到基礎設施開支的加速；
另一位出資人是前 GitHub 執行長、現 Meta AI 產品負責人 Nat Friedman，每天均參與算力採購的決策。
They brought to the fund not only initial capital, but also a continuously updated information channel.
此外，他的基金中的研究總監也是該鏈上的關鍵角色。Carl Shulman，AI 安全領域的資深專家，曾於 Peter Thiel 的對沖基金 Clarium Capital 擔任要職，專注於將 AI 領域的認知轉化為可執行的交易策略。
他的倉位中，還有一個容易被忽略的加密角落。
根據去年底的倉位報告，他新建了 CleanSpark 和 Bitfarms 的倉位，這兩家公司均為比特幣礦企，正將 BTC 礦場轉型為 AI 算力中心。
加密礦場天然具備大規模電力接入和散熱系統，恰好是 AI 數據中心最稀缺的資源。
有意思的是，他對加密行業並不陌生。2022 年他曾於 SBF 創辦的 FTX 慈善基金 Future Fund 工作九個月，並在 FTX 暴雷前恰好離開。
這段經歷是否直接影響了他對礦企的判斷，外人無從得知。但可以確認的是，他是極少數同時深入接觸過加密產業和 AI 前沿實驗室的人。這種交叉本身也是一種稀缺的認知位置與人脈連結的可能。
另一個細節是，他的未婚妻 Avital Balwit 是 Anthropic 首席执行官 Dario Amodei 的幕僚長。Anthropic 是 Claude 的母公司，也是 OpenAI 最直接的競爭對手。
他曾於 OpenAI 工作，未婚妻在 Anthropic 執行長身邊。AGI 競賽最前沿的兩家公司，他一家有實戰經驗，一家有日常接觸。
美國的 Fortune 雜誌去年採訪了十幾位與他有接觸的圈內人，結論是他很擅長「把矽谷實驗室裡正在醞釀的想法打包成敘事」。
我覺得這個說法太客氣了。他所做的事更直接，就是將從私人圈子獲取的認知，在公開市場上下注。發表的 AI 論文是脫密版，而自己的投資基金才是完整版。
一個外人無法進入的正回饋迴圈
回顧過往，Leopold Aschenbrenner 的基金選擇了一種較不常見的結構。
大多數 AI 領域的資金走風險投資路線，投資早期公司，賭誰能成為下一個 OpenAI。他沒有走這條路。據 Fortune 報導，他在創立基金時明確拒絕了 VC 模式，理由是 AGI 的影響太大，只有在流動性最好的公開市場裡才能充分表達投資判斷。
這個選擇本身就暴露了他所在圈子的一個共識：AI 時代最大的投資機會，可能藏在那些已經擁有物理基礎設施的老公司裡。
可以是一家已具備現成電力接入的燃料電池公司、一家擁有晶圓代工產線的晶片巨頭，或一家擁有礦場和散熱系統的比特幣礦企。這些公司已上市多年，流動性良好，但大多數分析師仍使用舊有的估值框架為它們定價，尚未將「AI 基礎設施剛需」這一變量認真納入模型。
This is his arbitrage opportunity.
圈內的人已知 AI 基礎設施擴張的節奏與規模，公開市場仍用舊邏輯定價。中間的價差，就是利潤的來源。
這種資訊優勢還有一個特點：它會自我強化。
基金回報越好，願意成為 LP 的產業核心層人士就越多。LP 越多，基金能接觸到的決策層資訊就越密集。資訊越密集，下注的精準度就越高。這是一個正向反饋循環，而且對外部人士而言，進入這個循環的門檻只會越來越高。
當然，這個循環也有脆弱的一面。高度集中的倉位加上顯著的槓桿，意味著整個基金對單一敘事的依賴程度極高。只要「AI 基礎設施持續擴張」這個前提還成立，一切順風順水。
但如果 AI 發展的節奏放緩，或者能源瓶頸被某種技術突破繞過，集中倉位的回撤速度會比建倉速度快得多。他賭的不只是方向，還有節奏。一旦節奏錯位，圈內的共識反而可能變成集體盲區。
回到最初的問題。
所有人都在研究他的倉位，試圖複製他的操作。但股神級別收益率的背后，是有結構性條件的。
論文是公開的，倉位報告是公開的，他的投資邏輯在播客和採訪中也講得非常清楚。但即使你完全理解了他的每一個判斷，你也無法複製他做出這些判斷時所處的位置。
倉位可以回溯，收益令人羨慕，但認知的來源卻無法共享。這大概才是這個時代最昂貴的一種不對稱。
作者：庫里，深潮 TechFlow
來源：深潮 TechFlow