核心信念
Leopold Aschenbrenner 是 Situational Awareness 作者、Situational Awareness LP 创始人，曾在 OpenAI 超级对齐团队工作。他的公开影响力来自 2024 年 165 页《Situational Awareness》：用 compute、算法效率、unhobbling 和国家安全四条线论证 AGI by 2027 strikingly plausible，并把 AI 描述成需要巨型集群、电厂、数据中心和政策动员的工业过程。进入公开市场后，他的 2026Q1 13F 把这个世界观落到 BE、CRWV、IREN、CORZ、APLD、SNDK、TSM、ASML、NVDA 等 AGI 基建票，同时用 NVDA、ORCL、AVGO、SMH 等 put 管理拥挤半导体风险。
他的稀缺 alpha 不是又一个 AI 多头叙事，而是把 AGI 时间线先写成数量级趋势，再落到物理约束：下一代模型需要多少算力、电力、变压器、存储、先进制程和可融资数据中心；随后再问哪些二阶受益者还没被市场按 AGI 基建定价。
方法论 · AGI 2027 × OOM 数量级 × 电力瓶颈 × 工业动员
- 先写趋势线，不先找股票：从有效算力、算法效率、unhobbling 和模型能力曲线出发，先判断 AGI 时间线是否仍在斜率上，再讨论公开市场映射。
- 用 OOM 数量级替代形容词：把 bigger/faster 转成数量级：需要多少 GPU、多少电、多少资本、多少年建设；只有数量级能暴露瓶颈。
- 叙事必须翻译成物理约束：AGI 不是一句主题口号，而是电厂、变压器、数据中心、存储、先进制程和融资的交付问题。
- 找二阶受益者：市场先拥抱一阶明星，再逐步发现电力、矿工转型、存储、数据中心和设备。二阶受益必须用订单、客户和交付验证。
- barbell：趋势和时点分开：看多 AGI 不等于无条件看多所有半导体。用普通股、call、put 和 ETF 对冲把方向、拥挤度、时点与爆仓风险拆开。
