总纲：AGI 是一场工业动员
本节学什么
Leopold Aschenbrenner 的方法不是把 AGI 当作一个软件功能更新，而是把它当作需要算力、电力、数据中心、供应链、融资和政策协同的工业动员。第一讲先建立课程坐标：模型能力进展只是起点，真正能否兑现，要回到有效算力、算法效率、unhobbling、集群建设、电力供给和国家安全语境。
核心框架
这节课只训练一个动作：把抽象 AGI 叙事翻译成物理与组织约束。看到“能力曲线继续上行”，要继续问需要多少算力、多少电、多少年建设、多少资本、多少供应链冗余。看到“二阶受益者”，要继续问它暴露在哪个瓶颈：电力、数据中心、矿工转型、存储、先进制造、设备还是融资。
怎么读公开材料
《Situational Awareness》是一份强时间线文本，13F 是滞后的组合快照，访谈是解释框架，三者不能互相替代。课程要求把观点拆成可复核变量：趋势线是否仍成立，物理建设是否跟上，公开市场映射是否有独立证据，反证是否出现。任何结论都要保留不确定性，尤其是时间线误差和估值拥挤。
课堂练习
用一页纸写出“AGI 工业动员表”：左栏写模型能力假设，中栏写对应的物理约束，右栏写可观察证据与反证条件。若一个环节只能写概念词，不能写具体证据，就先标为待核。课程只训练态势感知，不提供证券交易指令。
OOM 数量级框架
本节学什么
OOM 是 order of magnitude，数量级。Leopold 的很多判断之所以有穿透力，是因为他尽量避免只用“更大、更快、更强”这类形容词，而是把能力、算力、电力、资本开支、建设周期和政策响应写成数量级。数量级会暴露瓶颈，也会暴露过度自信。
核心框架
OOM 表有五行。第一行是模型能力：能力提升来自更多计算、算法效率、数据和解除工具限制。第二行是算力：需要多少 GPU 或等效加速器，以及互连和存储是否匹配。第三行是电力：集群规模对应多少兆瓦或吉瓦级负载。第四行是资本：建设和融资是否能承受折旧周期。第五行是时间：建设周期与模型进展节奏是否错位。
证据清单
公开材料里的数字不必全都精确，但必须标注来源和口径。13F 只能说明公开仓位快照，不能说明实时意图；公司公告只能说明计划，不等于交付；模型 benchmark 只能说明某些任务，不等于全面能力。OOM 的价值是把不同口径放到同一张表中比较，而不是制造伪精确。
课堂练习
选择一个 AI 基建主题，把所有“很大、很快、很缺”改写成数量级：需要多少电、多少设备、多少时间、多少资本、多少客户需求。然后写三条反证：需求放缓、供给提前释放、融资成本上升或政策约束。
AGI 2027 路线图
本节学什么
AGI 2027 是 Leopold 文本中最强、也最需要折扣的时间线。课程不会把它当成确定日期，而是把它拆成四条可复核线索：compute 扩张、算法效率、unhobbling、国家安全与产业动员。这样读，重点就从“日期是否神准”变成“哪些变量在支持或削弱这条时间线”。
核心框架
compute 线索看前沿训练集群和推理负载是否继续扩大；算法效率线索看模型是否用更少计算完成更复杂任务；unhobbling 线索看长期思考、工具使用、代理执行、记忆和工作流是否让模型从聊天界面走向生产系统；国家安全线索看政策、出口管制、数据中心审批和战略资本是否参与。
证据清单
可观察证据包括前沿模型能力、集群建设、云资本开支、电力合同、芯片供应、数据中心并网、存储需求、政策文件和公开融资。每条证据都要写日期和滞后性。模型进步快，不代表物理建设同步；物理建设快，也不代表收入能够覆盖成本。
边界
时间线越强，越需要反证。反证可能来自模型能力放缓、算法效率拐点、长时任务难商业化、监管限制、融资成本、客户 ROI 或电力交付失败。课程要求把 AGI 2027 当成假设管理，而不是口号。
