← Leopold Aschenbrenner
思想体系 · 心智模型

Leopold Aschenbrenner / Situational Awareness 思想体系

📚 课程 →
00 · 免费试看

总纲：一句话

Leopold Aschenbrenner 的体系可以压缩为一句话：用少数强趋势线判断历史拐点，再把抽象的 AGI 时间线翻译成可投资、可防守、可动员的物理约束：算力、数据中心、电力、芯片、网络、存储、国家能力与安全边界。

这套体系和传统“价值投资”不同。它不是从公司报表出发，慢慢寻找低估资产；它先判断一个时代级变量是否正在进入非线性加速，再寻找社会尚未定价的瓶颈。其核心不是“AI 很热”，而是“如果 AGI 时间线足够短，世界需要在几年内完成一轮工业动员”。因此，NVDA、Oracle、Broadcom、AMD、CoreWeave、TSM、Micron、Bloom Energy 等名称在这套方法里不是孤立股票，而是算力工厂的不同环节：训练与推理芯片、云与数据中心、定制 ASIC 与网络、GPU 云、电力和存储。

这套方法的强点是把宏大叙事落到硬约束；弱点是对时间线高度敏感。若 AGI 进度、模型商业化、资本开支回报、电力建设、出口管制、融资环境等变量偏离，链条里很多环节会受到冲击。因此本文只把它当“思想方法”和“研究框架”训练，不把任何标的写成买入建议。

01 · 思想体系

核心心智模型

1.1 趋势线优先：先问曲线是否真的在延续

定义：Leopold 的第一模型是“趋势线优先”。他不是先问某家公司便宜不便宜，而是先问 AI 能力进步背后的几个驱动变量是否仍在延续：训练算力、算法效率、推理时计算、智能体化解除限制、资本开支、能源供给、数据中心交付。官方《Situational Awareness》目录页把 AGI by 2027 的论证建立在三类变量上：compute、algorithmic efficiencies 与 unhobbling；Dwarkesh 访谈里，他又用训练集群从百万、千万、百亿、千亿美元级别扩张的路径解释“AI 是工业过程”。这个模型把“AI 能力”从抽象讨论变成一组可跟踪的工程曲线。

出处：官方《Situational Awareness: The Decade Ahead》Introduction 与第一章摘要；Dwarkesh Podcast《Leopold Aschenbrenner - 2027 AGI, China/US super-intelligence race, & the return of history》00:00-00:20 段。

例子：NVDA 在这套框架中不是“热门芯片股”的标签，而是训练与推理算力曲线的最直接物理承载。AMD 是第二供应与竞争变量；Broadcom 是定制芯片与高速互联；Oracle 与 CoreWeave 是把芯片组织成可租用算力的云与 GPU 云；Bloom Energy 等电力相关持仓则对应“集群不是软件，而是耗电实体”的约束。若你只看 AI 应用下载量，就会漏掉底层曲线的供给侧压力；若你只看 GPU ASP，也可能忽略电力、网络、存储会成为下一段瓶颈。

误区：第一，把趋势线当命运。趋势线能帮助提出高质量问题，但不能保证每个节点按直线外推。第二，把曲线外推和投资收益画等号。即便 AI 进步很快，某家公司也可能因为竞争、估值、供给过剩或资本配置失败而回报一般。第三，把“看对方向”当作“看对节奏”。Leopold 体系最难处就在时间：早两年可能承受估值与融资波动，晚两年可能错过供给锁定。学习这套方法，重点是训练“曲线追踪 + 约束定位 + 证伪条件”，不是复制仓位。

1.2 OOM 思维：用数量级而不是线性增量看变化

定义：OOM 是 order of magnitude，数量级。Leopold 讨论 AGI 时间线时频繁使用数量级：训练算力每年增加约半个数量级，算法效率也贡献有效算力，unhobbling 让模型从聊天工具变成能长期执行任务的智能体。OOM 思维的价值在于，它会迫使研究者承认“世界并不是每年多一点点”。当一个变量每几年跨越一个数量级，旧行业经验容易失效：数据中心从兆瓦到吉瓦，资本开支从十亿到千亿，电力与变压器从后台资源变成董事会核心议题。

出处：官方《Situational Awareness》第一章摘要称 GPT-2 到 GPT-4 的能力跃迁与 compute、algorithmic efficiency、unhobbling 有关；Dwarkesh 访谈 00:01-00:06 段围绕 100MW、1GW、10GW、100GW 集群的推演展开。

例子：Broadcom 的 AI 叙事要放在 OOM 框架里看。当前 AI 集群扩张不只是“多买 GPU”，还需要交换芯片、以太网、光互连、定制 ASIC、封装与供电系统一起扩。Oracle 的价值也不只是传统数据库公司，而是当云容量成为稀缺资产时，它是否能拿到芯片、土地、电力与客户承诺。CoreWeave 的案例更直观：GPU 云把硬件供给、融资能力、客户需求和电力位置打包成一种新型基础设施生意。

误区：第一，看到数量级就兴奋，忽略单位经济性。集群越大，资本开支、折旧、利用率和客户集中度越关键。第二，用 OOM 掩盖不确定性。数量级推演常用于判断“可能性空间”，不是精确预测。第三，只看上游，不看下游收入。若企业客户没有为 AI 付费，算力扩张会变成资本开支压力。因此每一次 OOM 推演都要配套问：谁买单、为什么买、回收期多久、瓶颈在哪里、证伪信号是什么。

1.3 Unhobbling：能力不是模型参数本身，而是限制被解除后的系统能力

定义：Unhobbling 可以理解为“解除束缚”。Leopold 认为模型能力不只来自更大参数或更多训练数据，还来自让模型能长期思考、使用工具、规划、纠错、调用计算机、像远程同事一样完成项目的系统化改造。这个模型非常关键，因为它解释了为什么从 chatbot 到 agent 的转变可能带来经济价值的突变：同样的基础模型，若只能回答问题，价值有限；若能接收任务、分解步骤、写代码、测试、反馈、再迭代，就会接近劳动力替代。

出处：官方《Situational Awareness》第一章摘要提到从 chatbot 到 agent 的 unhobbling；Dwarkesh 访谈 00:07-00:18 段讨论模型像 coworker、drop-in remote worker、test-time compute、System 2 与长时推理。

例子：这套思想映射到标的，不是简单押“模型公司”，而是押解除束缚所需的基础设施。长时推理意味着推理算力需求上升，利好 GPU、ASIC、云和数据中心；工具调用和企业工作流意味着 Oracle、Microsoft、云厂商和 GPU 云需要把算力变成可用服务；如果智能体真正替代一部分软件工程与知识工作，企业客户愿意为可靠性和吞吐付费，则算力利用率会被需求支撑。

误区：第一，把 unhobbling 理解成一个产品功能。它更像系统工程：模型、工具、记忆、权限、评估、强化学习、推理预算、可靠性一起变化。第二，忽略企业集成摩擦。访谈中 Leopold 也承认中间态 AI 要进入业务需要很多“schlep”，所以不能把能力演示直接等同于收入。第三，把智能体叙事当万能买入理由。若某家公司没有把 unhobbling 转成客户价值、毛利和现金流，它仍只是故事。

1.4 工业动员：AI 不是纯软件，而是电力、土地、芯片和国家能力

定义：Leopold 的第四模型是“AI 工业化”。他反复强调，下一代模型不是只靠代码，而是要建设集群、电力、数据中心，甚至涉及晶圆厂和国家安全体系。这个视角把 AI 从互联网产品叙事拉回制造业、能源与战争动员叙事。它也是 Situational Awareness LP 13F 看起来像“AI 基建篮子”的原因：芯片、云、GPU 云、电力、存储、半导体设备、先进制程都在同一张约束地图上。

出处：官方 Introduction 第 IIIa 摘要写到 GPU、datacenter、power buildout；Dwarkesh 访谈开头称 AI 是 industrial process；SEC 2026Q1 13F 信息表显示 NVDA、ORCL、AVGO、AMD、CoreWeave、Bloom Energy、TSM、Micron 等 AI 基础设施相关名称出现在披露中。

例子：Oracle 在该框架中是“云与数据中心交付能力”案例，不只是传统软件估值。CoreWeave 是“GPU 资产 + 云服务 + 融资能力”的案例。Bloom Energy 代表电力约束进入 AI 资产配置视野。Micron/Sandisk 对应存储与 HBM/数据流约束。TSM/ASML 对应先进制程与设备瓶颈。NVDA/AMD/AVGO 对应算力、竞争供给与网络 ASIC。该组合说明方法论不是找一个“AI 赢家”，而是把产业链中不可绕开的约束逐层映射。

误区：第一，把工业动员等于所有基建公司都受益。只有真正进入 AI 扩产瓶颈、具备交付能力、订单质量和资本纪律的公司才值得研究。第二，忽略周期。基建扩张容易形成供给过剩、折旧压力和债务压力。第三，忽略政策与地缘风险。若出口管制、能源许可、国家安全监管、客户集中度变化，链条估值会快速重定价。

1.5 国家安全定价：把技术领先看成战略资产

定义：Leopold 的第五模型是“国家安全定价”。《Situational Awareness》后半部分讨论 lab security、superalignment、free world must prevail、The Project，说明他不是把 AGI 当消费技术，而是当可能改变军事、经济与国家权力的战略资产。对投资研究来说，这意味着不能只用普通 SaaS 或半导体周期框架看 AI：领先模型、关键芯片、先进制程、云基础设施和能源供应可能被国家安全逻辑重塑。

出处：官方《Situational Awareness》目录 IIIb、IIIc、IIId、IV；Dwarkesh 访谈的 espionage、geopolitical implications、state-led vs private-led AI、The Project 等章节。

例子：NVDA、TSM、ASML、Broadcom 这类公司在此框架中有“战略瓶颈”属性，不只是盈利资产。Oracle、CoreWeave 等云与数据中心资产如果承载关键模型训练和推理，也可能进入更高政策敏感度。反过来，这也意味着风险：出口限制、客户审查、政府采购、数据主权、实验室安全要求、融资和供应链安全都可能影响商业模式。

误区：第一，把国家安全叙事当估值保护伞。战略重要不代表股东回报一定好，政府介入也可能压低利润率或改变资本结构。第二，把地缘冲突当单向利好。政策会创造需求，也会制造限制。第三，忽略合规边界。公开研究只能基于公开信息，不能用内幕、传闻或未核实政策猜测做交易判断。

1.6 非共识与扩散延迟：社会没有同时定价未来

定义：Leopold 的第六模型是“扩散延迟”。他在 Dwarkesh 访谈接近结尾处谈到，过去他相信有效市场假说，但现在认为旧金山某些小圈层可能比社会其他部分更早看到未来。他把这类“situational awareness”理解为少数人先理解即将发生的变化，而政府、金融市场、企业预算和公众叙事仍未完全吸收。这解释了为什么他会从写作转向投资：若 AGI 时间线是真，资本应提前迁移到新工业链条。

出处：Dwarkesh 访谈 04:17 附近“why AGI hasn’t been priced in”讨论；官方 Introduction 中关于少数人有 situational awareness 的段落。

例子：如果市场把 NVDA 当 2024 年高峰周期股，而 AI 集群需求继续上行，就产生错价。若市场把 Oracle 当成熟软件公司，而它能用云与数据中心合同进入 AI 算力供给，则也可能有再定价。若投资者只看应用端 APP，而忽略电力和 GPU 云，Bloom Energy、CoreWeave、数据中心 REIT/电力链条可能先被少数人研究。这里的关键不是相信所有非共识都对，而是建立“为什么多数人没定价”的可检验解释。

误区：第一，把“我不同意市场”当作非共识优势。真正的非共识必须有信息、模型或时间尺度优势，并能列出市场为何暂时忽略。第二，把圈层判断当权威。旧金山 AI 圈也可能过度自信。第三，忽略反身性。市场一旦拥挤，原本的非共识会变成共识交易，估值和风险收益比随之变化。

02 · 思想体系

决策原则

  1. 先写时间线，再写产业链：没有 AGI 时间线假设，就不要直接谈标的。先明确 2025/26、2027/28、2030 各阶段你认为会发生什么，再看哪些环节受益或受压。
  2. 把叙事翻译成物理约束：每个 AI 观点都要落到 GPU、ASIC、HBM、网络、封装、先进制程、云容量、数据中心、电力、变压器、土地、客户合同之一。
  3. 用瓶颈排序公司：先问“如果需求突然扩大十倍，最先卡在哪里”，再问“谁控制这个瓶颈，谁只是跟随扩产”。
  4. 区分股票、期权、ETF 和敞口：SEC 13F 披露可能包含 Put/Call 与股票，不能把披露价值直接等同于现货多头仓位。
  5. 每个标的必须有证伪条件：NVDA 看供给、竞争与客户 ROI；Oracle 看云合同质量与资本开支；Broadcom 看 ASIC/网络需求持续性；AMD 看份额与毛利；CoreWeave 看融资、利用率和客户集中度。
  6. 不把“他押了”当理由：名人持仓只能作为研究入口。用户必须独立判断能力圈、风险承受能力、资金期限和机会成本。
  7. 对时间线保持贝叶斯更新：若模型能力、智能体可靠性、企业付费、数据中心交付、电力许可、监管政策发生偏离，要更新产业链判断。
  8. 承认巨大不确定性：《Situational Awareness》是高强度预测，不是事实清单。越宏大的结论，越需要更明确的反方情景。
03 · 思想体系

金句库：短句与出处

说明：以下多为短引或转述。为避免误引，长句以中文概括，不作逐字翻译。

  1. “Trust the trendlines.” 出处：官方《Situational Awareness》与 Axios 对其要点摘录。
  2. “AGI by 2027 is strikingly plausible.” 出处：官方第一章摘要。
  3. “AI progress won’t stop at human-level.” 出处：官方第二章摘要。
  4. “AI is an industrial process.” 出处：Dwarkesh 访谈开头，Leopold 对 trillion-dollar cluster 的解释。
  5. “from chatbot to agent” 出处：官方第一章摘要对 unhobbling 的描述。
  6. “drop-in remote worker” 出处：Dwarkesh 访谈 00:07-00:10 附近。
  7. “The AGI race has begun.” 出处：官方 Introduction。
  8. “few have situational awareness.” 出处：官方 Introduction，转述少数人先看到未来。
  9. “Racing to the Trillion-Dollar Cluster.” 出处：官方第三部分标题。
  10. “Lock Down the Labs.” 出处：官方 IIIb 标题。
  11. “The Free World Must Prevail.” 出处：官方 IIId 标题。
  12. “The Project.” 出处：官方第四部分标题。
  13. “Society hasn’t priced it in yet.” 出处：Dwarkesh 访谈接近 04:18，讨论 AGI 为何未被市场定价。
  14. “human capital depreciates” 出处：Dwarkesh 访谈接近 04:17，谈用金融资本对冲人力资本。
  15. “No startup can handle superintelligence.” 出处：官方第四部分摘要，转述。
04 · 思想体系

案例库

4.1 NVDA：算力曲线的核心承载

NVDA 是 Leopold 体系里最容易被误读的案例。普通叙事说“AI 需要 GPU”，但 Situational Awareness 体系更进一步：如果训练算力和推理算力继续按数量级扩张，GPU 不只是一个产品周期，而是新工业基础设施的发动机。SEC 2026Q1 13F 披露中 NVDA 出现在重要位置，但披露也可能包含期权形式，不能直接当成当前现货持仓。方法论意义在于：跟踪训练集群规模、推理需求、客户 ROI、供应链交付、竞争替代和估值消化。

4.2 Oracle：成熟软件公司变成 AI 云容量案例

Oracle 在这套框架中不是“老牌数据库公司”这么简单。若 AI 扩产的关键变成谁能更快拿到电力、土地、GPU、客户合同和云交付能力，Oracle 的云基础设施业务会被重新审视。它是“市场旧分类可能滞后于新用途”的案例。但风险同样明显：资本开支、合同质量、客户集中度、负债和交付节奏都必须核验。

4.3 Broadcom：从芯片周期到网络与定制 ASIC

大规模 AI 集群不是把 GPU 堆起来就结束，还需要高速互联、交换芯片、定制 ASIC、封装和系统协同。Broadcom 的方法论意义，是提醒研究者从“单点算力”转向“集群效率”。若模型训练和推理变成超大规模系统工程，网络与定制芯片可能成为下一层瓶颈。

4.4 AMD：第二供应、价格约束与竞争变量

AMD 在组合中的意义不是简单复制 NVDA，而是作为 GPU 供给、客户议价、开放生态和竞争约束的变量。若 AI accelerator 市场继续扩，客户往往不愿只有单一供应商。AMD 的研究重点应放在产品路线、软件生态、客户验证、毛利与份额，而不是只看“AI 主题股”标签。

4.5 CoreWeave：GPU 云作为资本密集型新基础设施

CoreWeave 是 AI 时代“云算力工厂”的代表案例。它把 GPU 采购、融资、电力、数据中心、客户合同和运维效率组合起来。方法论价值在于：当算力成为稀缺资源，能把硬件变成可租用高利用率服务的平台会被重新定价。风险也很硬：高杠杆、高折旧、客户集中、GPU 残值、供给周期和合同期限。

4.6 Bloom Energy / 电力链：算力的最后约束

Leopold 反复强调 AI 集群耗电。电力不是背景，而是变量。Bloom Energy 等电力相关案例提醒研究者：当数据中心从兆瓦走向吉瓦，能源供给、并网、燃料、电力质量和建设周期都会影响 AI 扩产。该方向不等于所有电力公司都值得买，而是说明“AI 主题的边界”已经外溢到能源系统。

05 · 思想体系

表达 DNA

  1. 宏大历史感：常把 AI 与工业革命、二战、曼哈顿计划、国家动员类比。
  2. 数量级语言：常用 OOM、GW、trillion-dollar cluster、hundreds of millions of GPUs 这类尺度词。
  3. 强时间线：不回避 2025/26、2027/28、2030 等具体年份，但也承认“may be wrong”。
  4. 少数派视角：强调少数 AI 圈层拥有 situational awareness，而社会尚未完全吸收。
  5. 安全与权力合一：不把 AI 只写成商业机会，也写成安全、地缘、制度与国家能力问题。
  6. 从叙事落物理：即使谈 AGI，也会落到 GPU、电力、集群、数据中心、实验室安全。
  7. 高确信表达 + 风险注脚：表达锋利，但原文也会提示基于公开信息、个人想法、field knowledge 或 SF gossip。
06 · 思想体系

用到的源

07 · 思想体系

升级 v2（2026-06-11）：判断回测·失效条件·张力·边界·开放预测

本节为女娲法 v2 五件套补齐，只增不改。口径同全文：公开信息+出处，13F 为季度末滞后快照，不构成投资建议。回测标记：✓ 正确 / ◐ 部分正确 / ✗ 错误 / ○ 跟踪中未到期。

9. 判断回测时间线（带日期+出处）

9.1 《Situational Awareness》(2024-06) 核心预测逐条回测（截至 2026-06）

#当时判断（2024-06）截至 2026-06 的现实对照回测
1AGI by 2027 “strikingly plausible”：到 2027 年出现能替代远程员工的 AGI未到期。距 2027 年中约 13 个月，“drop-in remote worker” 尚不存在；AI 在显著加速编码但没有在”运营实验室”。第三方评估（EA Forum，2026-03-29）判定”未决，近期能力跃迁让时间线重新变得可信”○
2~2026 年出现 ~1GW、十亿美元级训练集群（IIIa 章集群推演表：2026≈10万卡/1GW）已兑现：xAI Colossus、OpenAI Stargate Abilene、Anthropic Project Rainier 等已建成或在运营，规模落在其预测区间（StockAlarm 回测，2026）✓
3~2028 年 10GW、千亿美元级集群在建中，多个 10GW 级园区已公开宣布（Stargate 总盘子 $500B，2025-01 宣布），尚未交付◐/○
4~2030 年 100GW、万亿美元级集群 + 美国发电量增长百分之几十未到期；数据中心用电需求激增方向正确，电力已成为行业核心约束（与其预测一致），但 100GW 单集群与发电量增幅待验证○
5AI 收入：~2026 年达 $100B 年化运行率最明确的失误：第三方最佳估计约 $60B（EA Forum，2026-03-29），差距未到 2 倍但方向偏快✗
6从 chatbot 到 agent 的 unhobbling 将持续解锁能力大方向兑现：工具调用、长时推理、自治任务时长按 4-7 个月翻倍节奏推进；但他描述的质变式”远程同事”未落地，企业集成摩擦（他自己预警的 “schlep”）确实成为瓶颈◐
7中国是认真对手，AGI 竞赛已开始DeepSeek R1（2025-01）登顶 App Store 后，该判断显得保守而非危言耸听；但他预测的”专有算法构成美国持久护城河、开源衰落”被现实打脸——能力扩散远快于其框架假设◐
8政府将介入：The Project（曼哈顿计划式国家 AGI 工程）约 2027/28 启动截至 2026-06 未发生，美国政府反应明显慢于其预测（时间窗口尚未完全关闭）✗/○
9实验室安全严重不足，无法抵御国家级窃密评估认为安全/对齐准备”大致仍如他所描述的不足”（EA Forum，2026-03-29）✓

出处：官方原文 https://situational-awareness.ai/ （集群推演见 IIIa “Racing to the Trillion-Dollar Cluster”）；EA Forum《How did Leopold do? Evaluating Situational Awareness’s predictions》2026-03-29，https://forum.effectivealtruism.org/posts/RuwF8FCfpsLeZRgur/how-did-leopold-do-evaluating-situational-awareness-s ；StockAlarm《Situational Awareness, Two Years Later》https://pro.stockalarm.io/blog/situational-awareness-two-years-later ；Medium（Omer Ansari）《Situational Awareness, Two Years Later》2026-04，https://medium.com/data-science-collective/situational-awareness-two-years-later-4b941d052ef9 。

9.2 个人决策时间线（事件回测）

日期事件备注与回测
2024-04被 OpenAI 解雇。官方理由是信息泄露（他称是分享给 3 位外部研究者征求反馈的”无害头脑风暴文档”）；他公开称真实主因是他向董事会提交了警告中国工业间谍风险的安全备忘录，曾因此收到 HR 正式警告。OpenAI 否认解雇与备忘录有关各执一词，无法裁决。出处：Transformer News 2024-06-04 报道其 Dwarkesh 访谈说法，https://www.transformernews.ai/p/openai-employee-says-he-was-fired ；维基百科条目 https://en.wikipedia.org/wiki/Leopold_Aschenbrenner
2024-06发表《Situational Awareness: The Decade Ahead》，一文成名https://situational-awareness.ai/
2024 下半年创立 Situational Awareness LP，种子投资人：Nat Friedman、Daniel Gross、Patrick & John Collison。首份 13F（2024Q4）披露美股组合 $2.55 亿、6 个持仓（MRVL/VST/VRT/TLNE 等）13f.info：https://13f.info/manager/0002045724-situational-awareness-lp ；Fortune 2025-10-08：https://fortune.com/2025/10/08/leopold-aschenbrenner-openai-ftx-1-5-billion-hedge-fund-situational-awareness/
2025-07WSJ 报道（经 Fortune/PYMNTS 转引）：2025 上半年费后回报 +47%（同期标普 500 +6%、PivotalPath 科技对冲基金指数 +7%），AUM 超 $15 亿回测 ✓（牛市顺风期跑出超额）。PYMNTS：https://www.pymnts.com/news/artificial-intelligence/2025/former-openai-researcher-launches-1-5-billion-ai-focused-hedge-fund/
2025Q3-Q413F 披露组合 $41.4 亿（28 持仓）→ $55.2 亿（29 持仓），重仓 BE、CRWV、INTC calls、LITE、CORZ、IRENhttps://13f.info/manager/0002045724-situational-awareness-lp
2026-05-05Motley Fool 报道：基金在 Bloom Energy 上涨 176% 之前买入单笔标志性战绩（媒体口径）。https://www.fool.com/investing/2026/05/05/leopold-aschenbrenners-situational-awareness-fund/
2026-05-182026Q1 13F：42 个持仓、组合 $136.8 亿。多头集中 BE、SNDK、CRWV、IREN、CORZ；同时披露约 $84.6 亿名义看跌期权对冲（含 SMH puts ~$20 亿、NVDA puts ~$16 亿名义）结构性信号：AGI 多头同时大规模对冲半导体估值。SEC：https://www.sec.gov/Archives/edgar/data/2045724/000204572426000008/salp13fq1xml.xml ；Quiver Quantitative：https://www.quiverquant.com/news/Former+OpenAI+Employee%E2%80%99s+Hedge+Fund+Unveils+Massive+Nvidia+and+AI+Chip+Options+Positions

注意口径：13F 的 $136.8 亿是美股多头+期权名义的披露值，不等于 AUM、不等于净敞口；网传”AUM $55 亿/一年 22 倍”等说法混用了披露组合值与管理资产，本文不采信未经核实的 AUM 数字。基金确切 AUM 与最新业绩未能从一手来源核实，跳过。

10. 心智模型失效条件（对应第 1 节六大模型逐个补）

  • 1.1 趋势线优先 → 失效条件：当曲线的约束从工程侧转到需求侧时失效——算力、电力曲线可以继续陡峭，而企业付费意愿不跟（其 $100B 收入预测已被证伪一次，正是这个失效模式）；趋势线也无法预测离散事件（出口管制、战争、监管断点）。
  • 1.2 OOM 思维 → 失效条件：当数量级扩张撞上单位经济性时失效——集群每跨一个 OOM，折旧、利用率、客户集中度风险同步跨 OOM；若 token 价格下降快于用量上升，OOM 扩张本身就是亏损放大器。他 2026Q1 挂 $84.6 亿名义半导体 puts，可视作他本人对此失效条件的承认。
  • 1.3 Unhobbling → 失效条件：当可靠性长尾迟迟不收敛时失效——agent 能力演示与企业级”五个九”之间隔着他自己说的 schlep；若自治任务时长曲线（当前 4-7 个月翻倍）在某个复杂度档位停滞，从 chatbot 到 agent 的经济跃迁就推迟，整个时间线后移。
  • 1.4 工业动员 → 失效条件：当资本开支周期见顶时失效——动员叙事在上行期人人受益，下行期变成供给过剩+债务+折旧三杀；基建公司从”瓶颈控制者”变成”沉没成本持有者”只需要一次需求失速。
  • 1.5 国家安全定价 → 失效条件：当政府不按剧本出场时失效——他预测的 The Project 截至 2026-06 没有发生；国家安全逻辑也可能反向作用：政府介入压利润率、改资本结构、限制客户，而不是给估值上保险。
  • 1.6 扩散延迟/非共识 → 失效条件：当非共识变成共识交易时失效——其基金从 $2.5 亿膨胀到百亿级披露组合本身就是”AGI 已被定价”的证据；当”买 AI 基建”成为最拥挤交易，扩散延迟模型的 alpha 来源即枯竭，反身性反噬开始（参见张力 #5）。

11. 内在张力（保留矛盾，不调和）

  1. 安全告警人 vs 牛市收银员：在 OpenAI 因（他声称的）安全备忘录被解雇、原文用整章写 superalignment 失败风险与”锁死实验室”——然后创办对冲基金，全部商业模式押注 AI 大干快上不停步。担心的事越接近发生，他的基金越赚钱。
  2. 预测国有化 vs 经营私人资本：原文第四部分断言”没有创业公司能驾驭超级智能”、政府必将接管（The Project）——他自己却选择以私人 LP 结构卷入，且《Situational Awareness》事实上成了基金最高效的募资营销文件（Fortune 2025-10-08 即以此为主线报道）。如果他的国有化预测兑现，他的私人基金赛道会被自己预言的政府之手重塑。
  3. “Trust the trendlines” vs 84.6 亿美元看跌对冲：公开布道是”相信趋势线、AGI 没被定价”，2026Q1 实际交易结构是多头 BE/SNDK/CRWV 同时挂 SMH/NVDA 等约 $84.6 亿名义 puts——嘴上是先知，手上是套利者。这不必然虚伪（可解读为对时间线方差的诚实定价），但布道文本与持仓结构的温差必须摆在桌面上。
  4. 26 岁分析师 vs 百亿美元组合：履历=哥大 19 岁毕业 + FTX Future Fund（雇主 SBF 暴雷）+ OpenAI 18 个月（被解雇）+ 一篇长文；却在两年内坐到百亿美元级披露组合的决策席。天才叙事与履历厚度之间的缺口，由一轮 AI 牛市的业绩临时填上——牛市本身无法区分天才和 beta。
  5. 批评市场没定价 AGI vs 自己成为定价者：扩散延迟模型的前提是”我在场外、市场在睡觉”；当其基金规模与影响力大到 Fortune 称其”从硅谷到华盛顿都有超额影响力”，他已是定价机制的一部分——观察者变成变量，与 Dylan Patel 的”报告即市场事件”同构。

12. 诚实边界（≥4 条具体局限）

  1. 样本量 = 1：成名靠一篇文章，业绩靠一轮尚未走完的牛市；基金可查业绩 < 2 年，没有经历过一次完整的资本开支下行周期。47% 的半年回报在 beta 顺风期无法证明技能（同期其重仓的整个 AI 基建板块都在暴涨）。
  2. 预测措辞自带滑动空间：“strikingly plausible”、“by 2027/28”、“this decade” 这类表述在证伪日到来时都有解释余地；他的收入预测（$100B by 2026）是少数措辞够硬的，结果恰恰是已被证伪的那条。读他的预测要先分类：哪些可证伪、哪些永远可辩护。
  3. 立场与持仓结构性缠绕：每一次公开布道（文章/访谈/国会方向的影响力活动）都同时服务于基金叙事与募资；他警告的风险（中国竞赛、电力短缺）同时是他的多头逻辑。读其观点必须问 Dylan Patel 同款问题：“他的钱在哪边？“——且他的钱比 Dylan 多两个数量级。
  4. 13F 口径陷阱：13F 只披露美股多头与期权，看不到空头、非美持仓、现金与杠杆；$136.8 亿披露值 ≠ AUM ≠ 净敞口，且滞后 45 天。一切”复制他持仓”的操作在结构上就是错的——你抄到的是半张牌、上一季的牌。
  5. 经济扩散判断系统性偏快：收入 miss（$100B vs ~$60B）+ 政府反应 miss + drop-in worker 未现，三者指向同一偏差：他对”能力→经济/政治后果”的传导速度估计过快，对摩擦（集成、采购、官僚）估计过低。能力侧预测明显好于扩散侧预测，使用时应区别加权。
  6. 开源/扩散盲区已被证实：他预测专有算法构成美国持久护城河、开源衰落，DeepSeek 等的扩散速度证明该框架低估了追赶方；这不是细节失误，而是其”自由世界必须靠领先取胜”战略大厦的承重墙之一出现裂缝。

13. 开放预测追踪表（在途可证伪预测）

#预测原始出处（2024-06 原文章节）验证日期当前状态（2026-06）
1AGI / drop-in remote worker 到 2027 年出现I. From GPT-4 to AGI2027-12-31○ 未现；自治任务时长曲线在涨但差距仍大
2自动化 AI 研究员（automated AI researcher）2027/28II. From AGI to Superintelligence2028-12-31○ AI 显著加速编码，未达”运营实验室”
3超级智能（superintelligence）本十年内（~2030 前）II. From AGI to Superintelligence2030-12-31○
4~2028 年 10GW、千亿美元级单集群投运IIIa. Racing to the Trillion-Dollar Cluster2028-12-31◐ 多个 10GW 级园区在建（Stargate 等），未交付
5~2030 年 100GW、$1T+ 集群；美国发电量较 2024 增长百分之几十IIIa2030-12-31○ 电力约束方向已验证，量级待验证
6The Project：美国政府主导的国家 AGI 工程，约 2027/28 启动IV. The Project2028-12-31○ 截至 2026-06 未发生，明显落后其剧本
7CCP 将发起对美国实验室算法机密/权重的全力窃取IIIb. Lock Down the Labs持续验证○ 安全不足判断成立（✓），国家级窃密公开实锤待观察
8基金层面的隐含预测：近端半导体估值有回调风险（2026Q1 的 $84.6 亿名义 puts）SEC 2026Q1 13F（2026-05-18 提交）2026Q2-Q3 13F 对照○ 下季度 13F 看其是否平仓/加仓，可回测其择时

追踪纪律：每季度 13F 提交日（2、5、8、11 月中旬）回填第 8 条；每年 6 月（原文发表周年）对 1-7 条做一次年检并更新回测标记。

14. 升级 v2 用到的增量源

08 · 思想体系

升级 v3（2026-06-21）：最深认知根系 + 一手核实修正

本节为”挖出最深认知 + 一手核实”补齐（Lee 要求”超越 99.9% 研究者”）。只增不改。每条标注【一手验】=主原文/SEC 直接证实 / 【强推断】=逻辑成立但未一手证实 / 【订正】=推翻此前记载。

15. 最深认知根系（5 层下沉，市场只到第 5 层）

  • 第 5 层·表层（市场到此为止）：AGI by 2027 + barbell（多头实体基建/空头芯片）。市场所有研究停在这。
  • 第 4 层·方法：【一手验】数 OOM、对数思维——不预测，外推已在轨道上的工程曲线（compute ~0.5 OOM/年 × 算法 ~0.5 OOM/年 × unhobbling）。多数人无法内化持续指数→把指数误当线性，这是认知分水岭。出处：《Situational Awareness》Intro；Dwarkesh 00:20-00:23（“在壕沟里的人反而看不清趋势线”）。
  • 第 3 层·本体论（颠覆性）：【一手验】智能不再是人类专属的稀缺天赋，而是可用「算力×算法×解除束缚」工业化制造的产品；S 曲线续+资本到位→AGI 是工程确定性非科学赌注。推翻”聪明=稀缺=值钱”的文明级默认。
  • 第 2 层·相变核心（最锋利一刀）：【一手验】智能爆炸=技术第一次具备自加速能力。电力/互联网/芯片只单向改进人类工具；AGI 能自动化 AI 研究本身，把十年算法进步压进一年（“5+ OOMs ≤1 year”），从人类级瞬间冲到远超人类级。这是”AI 不同于一切过往技术”的真正根据。出处：《Situational Awareness》II “From AGI to Superintelligence”。
  • 第 1 层·根（已证实版）：【一手验】稀缺迁移——“电子是瓶颈，不是算法”。真正的稀缺从”智能层”（芯片：一旦”AI 要 GPU”成共识就拥挤、超竞争→边际率压缩、估值不可持续）迁移到”物理底座”（电力/电子/场地/核电：软件能边际复制，电子不能）。barbell 是这条根的精算落地：空头腿 2026Q1 才加，多头电力（VST/TLNE）从 Day1 就在。

15b. 拱顶石的诚实处理（人力资本对冲）

  • 【订正/强推断】“既然聪明（人力资本）要贬值，趁世界没定价把人力资本转成持有 AGI 物理底座的金融资本”——这条逻辑上完美统一了他的文章+基金+持仓，但两次一手核实（Dwarkesh 页 / capitalists.substack）均未捞到他的逐字原话，多家媒体口径也是”作者诠释”。本仓库 v2 金句#14 把它标为 Dwarkesh ~04:17 原话，存疑，待逐字复核或降级。 故此条作为”强推断解读”保留，不当实锤、不作为页面引用的直接证据。

16. 一手核实修正（推翻市场二手 / 净增轨迹）

  • 【订正】NBIS/Nebius 不是他的持仓。市场最深分析之一（bearsavings）言之凿凿称”NBIS 占组合 15.21%、1241万股、$197.73 买入、最大仓位之一”——经 13f.info（SEC 镜像）核实：任何季度的 13F 都没有 NBIS。市场二手存在自信的假数据，凡引用必过一手。
  • 【一手验】季度演化轨迹（13f.info，AGI 基建 thesis 的实证演化，市场叙事少见）：Q4’24 6 仓 $2.55亿（MRVL/VST/VRT/TLNE）→ Q1-Q2’25 INTC calls/AVGO/VST/ONTO → Q4’25 29 仓 $55亿（BE/CRWV calls/INTC calls/LITE）→ Q1’26 42 仓 $137亿（barbell 大规模上）。
  • 【一手验】电力是 Day1 主线：一上来（Q4’24）就押 VST(Vistra)/TLNE(Talen 核电)/VRT，“电子是瓶颈”从第一天就在持仓里，不是后来才有的叙事。
  • 【一手验】barbell 的空头腿是 2026Q1 才结构性加的（$84.6亿名义半导体 PUT：SMH $20亿/NVDA $16亿/ORCL/AVGO/AMD/MU/TSM）——“做空半导体”不是他一贯立场，是最近的精算对冲。时点信号 > “他是空头”。
  • 【一手验】BE 是多头双押：649万股普通股 + 40.85万股 call（$55M 名义）。CRWV 调仓信号：call 从 10.81M 砍到 1.81M、普通股从 6.10M 增到 7.18M（从看涨期权转现货）。

17. v3 增量源（一手优先）

本页整理 Leopold Aschenbrenner 公开材料中的方法论，用于投研学习，不构成证券买卖建议；个人观点；提及不等于持仓；引用以原文为准。

◆ 解锁完整研究 · 越往上覆盖越广

Leopold Aschenbrenner · 完整思想体系解锁

免费试看第 1 章；墙后还有 8 章，包含完整思想体系、案例标的和可迁移方法。

先看整站（最多人选）· 要为你点名的一个对象立项 → 机构级投研追踪（在下方）
★ 最多人选
43 位聪明钱，一个不落，全站为你追踪她们的每一次转向，你比市场先看见
43 位聪明钱大佬 —— 每一次转向，你先看见
dylanpatels2gavinbakermarknewmanmingchikuodannilesbethkindigcitrinichrismackscottenjonesasianometrytaekimstacyrasgonpierreferraguvivekaryaaustinlyonszeuskerravalarihardjarcfabianandrewschmittclausaasholmtimculpanchiakokhuaiancutressbrianbaileytpmbillkleymanjaminballtanayguwenjunpaultriolovikramsekarduanyongpingarkleopolddanbindannystedtjukanphilgarroudruckenmillerlilusoros
1,149家公司 · 深度页
713家 AI 产业链机构 · 深度追踪
427只标的 · 透视雷达
24产业链节点 · 13 赛道
nvdatsmavgoamdasmlamatmumrvlarmcohrliteaxtiaehralabanetamkraeisadiklaclrcxterintcqcomsmcifncamtvrtmtsigfsasxarryaclsacmrapldappgooglmsftmetatsladellhpepltrsnpscdnsmpwrpiformontolsccsitmaaoiakamstxwdcpstgddognetsnowcrwdpanwnoworclibmcrmadbekeysenphneecegvstgevetn
芯片 → HBM → 先进封装 → 光模块 → 电力 —— 整条 AI 产业链，一个节点都不落；每只票背后谁在买、谁在减，逐季追到底。
年付省 29% 按月付
$299/年
每月只合 $24.9 · 比 月付省 29% · ≈ 一天 8 毛 43 位大佬 + 1,149 家公司 + 713 家 AI 产业链机构 + 全产业链雷达全给你 · 单订一位 $79/年 = 每位 ≈ $7
43 位各自单订 = $3,397 · 整站 $299你打包省下 $3,098（立省 91%）
0 元开始 · 7 天完整版 →
0 元开始随时取消续费前 7 天必提醒
Leopold Aschenbrenner 只想先盯Leopold Aschenbrenner一个？也行 —— 钉一个 · /月（$79/年）→ 先把这一个看穿。 跟你说实话：4 颗钉一年（$316）就超过整站（$299）。想多看几个，直接整站更划算——43 位全给你、每位约 $7。哪种都行，账摆在这，你自己挑。
定制专属 机构级投研追踪 把追踪 43 位聪明钱的整套机构级投研方法，单独架设在你点名的那一个对象上——专人立项、持续盯守、证据可回溯。 看服务书 →
  • 先评估覆盖 · 再单独立项：你点名一个对象——一个人（投资人 / 机构 / 分析师 / 高管）或一家公司 / 标的——我们先评估其公开数据覆盖与可采源，确认能追踪后单独立项、架设专属投研席位；踪迹不足会直说做不了，不硬凑。
  • 按对象适用性启用机构级方法：13F 持仓 · Form4 内部人 · 13D-G 举牌 · 公开发声 · 跨源交叉验证 · 命中率台账——适用于 SEC 可覆盖对象；不适用的项以替代证据或缺口说明如实交付，与追踪 43 位聪明钱同一条投研流水线。
  • 持续盯守 · 证据可回溯：人工 / 半自动每周投研简报 + 重大信号经人工确认后工作日提醒 + 证据链归档（本地 JSON / Markdown / SEC 链接），可回溯复盘「当时凭什么这么判」。
  • 只对你一人开放：追踪口径、提醒规则、交付形式按你的决策需求定制；不进公共库、不共享。
不荐股 · 不碰你的账户7 天免费试用随时取消年付省 29%续费前 7 天必提醒升级按余额补差