AGI 基建 · 態勢感知🤖 Situational AwarenessAGI 基建籃子
Leopold AschenbrennerSituational Awareness LP
「錯過這十年的代價，遠大於過早擔憂泡沫的風險。」
他的稀缺 alpha 不是又一個 AI 多頭敘事，而是把 AGI 時間線先寫成數量級趨勢，再落到物理約束：下一代模型需要多少算力、電力、變壓器、儲存、先進製程和可融資資料中心；隨後再問哪些二階受益者還沒被市場按 AGI 基建定價。
AGI 態勢感知——用數量級追算力曲線，把 AI 當一場工業動員，重倉晶片/電力/雲端的基建鏈。
組合總市值$13.68BSEC 13F 口徑
揭露持股15+揭露 Top（季度快照）
AI 暴露64%按 AI 節點估算
揭露季度2026-03-31CIK 0002045724
CRWV
IREN機構共識 · 13F 全市場
機構共識條 · 他提到的票，市場站在哪邊
🛰 思想轉向雷達 · 獨家引擎
他此刻在賭什麼 · 注意力正往哪移
不是他說過什麼，而是他最近的注意力轉向哪裡、正在版面配置哪些 AI 產業鏈變數。引擎逐日對比公開發聲與 28 天基線，自動標出 🆕 全新方向 / 📈 加碼升級 / 🔁 既有強化 / 🔄 立場反轉。
主題熱度 · 近 7 天
電力/能源4
資料中心/雲端算力3
AI晶片/加速器3
記憶體/儲存2
下一驗證視窗：新方向會繼續進入觀點流與驗證中心；若後續硬資料不支援，臺賬會按公開資料軌記錄反駁。
展示關注變化 · 非買賣建議 · 引擎 thesis_shift_detector檢視完整觀點流 →
公開資料流
他最近公開說了什麼
和上方轉向雷達同引擎 · 電力/能源 正在追蹤資料截至 2026-05-18 · thesis_shift_detector
2021-02-18 
PPFE 💬 持續追蹤 看來歐盟拖延訂購輝瑞疫苗（且數量不足）的原因是他們不想支付每劑€54的價格。而德國媒體竟將此描繪為歐盟疫苗政策的勝利？！ 詳情 · 問AI → 2024-01-14 
NNVDA 💬 持續追蹤 我們將製作類似這樣的 NVIDIA 營收預測圖，幾年內實現。 詳情 · 問AI → 2022-03-30 
GGOOGL 💬 持續追蹤 DeepMind推出令人印象深刻的新語言模型。“僅”70B引數（GPT3: 175B, Gopher: 280B），但在MMLU基準測試上表現更好（跨領域多選題），超過了我們對2023年6月進度的預測。
https://t.co/vQ67miOaIe 詳情 · 問AI → 2022-02-09 
BBRKR 💬 持續追蹤 如果你的大部分報酬是群體內地位而不是金錢，那會激勵從眾和同質性。這不僅對布魯克林相關，也對一堆灣區社群相關！https://t.co/6YUWb5zcrk 詳情 · 問AI → 2021-10-21 
AASML 💬 持續追蹤 隱性知識對半導體也至關重要。特別是對於EUV光刻機，領先裝置成本1.5億美元，僅由ASML生產。 https://t.co/VtEREYgzAV
中國投入數百億美元追趕，但可能需要十年以上。 https://t.co/QIUBZViwez 詳情 · 問AI → 2023-03-15 
NNYT 💬 持續追蹤 《紐約時報》上 @kevinroose 關於 AI 和 AI 風險的報道出奇地好。過去六個月 Overton window 的變化簡直驚人。 詳情 · 問AI →
PPFE 💬 持續追蹤 看來歐盟拖延訂購輝瑞疫苗（且數量不足）的原因是他們不想支付每劑€54的價格。而德國媒體竟將此描繪為歐盟疫苗政策的勝利？！ 詳情 · 問AI → 2024-01-14 NNVDA 💬 持續追蹤 我們將製作類似這樣的 NVIDIA 營收預測圖，幾年內實現。 詳情 · 問AI → 2022-03-30 GGOOGL 💬 持續追蹤 DeepMind推出令人印象深刻的新語言模型。“僅”70B引數（GPT3: 175B, Gopher: 280B），但在MMLU基準測試上表現更好（跨領域多選題），超過了我們對2023年6月進度的預測。
https://t.co/vQ67miOaIe 詳情 · 問AI → 2022-02-09 BBRKR 💬 持續追蹤 如果你的大部分報酬是群體內地位而不是金錢，那會激勵從眾和同質性。這不僅對布魯克林相關，也對一堆灣區社群相關！https://t.co/6YUWb5zcrk 詳情 · 問AI → 2021-10-21 AASML 💬 持續追蹤 隱性知識對半導體也至關重要。特別是對於EUV光刻機，領先裝置成本1.5億美元，僅由ASML生產。 https://t.co/VtEREYgzAV
中國投入數百億美元追趕，但可能需要十年以上。 https://t.co/QIUBZViwez 詳情 · 問AI → 2023-03-15 NNYT 💬 持續追蹤 《紐約時報》上 @kevinroose 關於 AI 和 AI 風險的報道出奇地好。過去六個月 Overton window 的變化簡直驚人。 詳情 · 問AI → 檢視帶日期和出處的公開資料索引；提及不等於持股。看完整資訊瀑布 →
驗證中心 · 獨有硬資料
他說的每句話，都會被硬資料審判——我們不替他圓場
7✅ 已印證
19⏳ 審判中
0❌ 已反駁
每條判斷到裁決日自動出結果，對了記對、錯了記錯。待驗不計入印證率，不拿待驗判斷湊戰績。
A AMD 若客戶不願被單一GPU生態鎖死，AMD需要用產品、軟體和供給證明可替代性。
✅ 證據順風 裁決日待標註13F·Form4·營收·股價 在審 看證據 →
A APLD 若算力需求每代模型繼續跨數量級，快速建設能力會成為比單純土地更稀缺的資產。
✅ 證據順風 裁決日待標註13F·營收·股價 在審 看證據 →
A AVGO 超大叢集不只買GPU，還需要網路、ASIC和系統互聯，Broadcom對應叢集效率瓶頸。
✅ 證據順風 距裁決 0 天13F·Form4·營收·股價 在審 看證據 →
B BE 若訓練與推論叢集繼續走向吉瓦級，分散式電源和快速供電能力會被重新定價。
✅ 證據順風 裁決日待標註13F·Form4·營收·股價 在審 看證據 →
C CORZ AGI叢集擴張若繼續推進，市場會尋找所有可快速接入電力的資料中心載體。
✅ 證據順風 距裁決 0 天13F·營收·股價 在審 看證據 →每行的資料軌都是他夠不著的獨立來源，到期只裁 ✅ 印證 / ❌ 反駁，裁前只列進展。
交叉驗證為 AI 依據公開硬資料客觀比對，立場標“AI 推斷”、留原始證據鏈；只陳述事實，不構成結論或建議。
他現在在追什麼
提及標的 · 按產業鏈節點
① 電力與供電裝置 · AGI 真瓶頸
S
T
P
B
S② 礦工轉 AI 算力 · 二階受益
R
B
C
H
K③ AI 雲端與儲存 · 算力工廠承載層
S
G
W
P④ 半導體與先進製造 · 從一階 beta 到製造約束
NNVDANVDA 之後，TSM、ASML、MU、AMD、INTC 等製造/儲存/第二供給層會逐步獲得 AI beta
TTSMNVDA 之後，TSM、ASML、MU、AMD、INTC 等製造/儲存/第二供給層會逐步獲得 AI betaAASMLNVDA 之後，TSM、ASML、MU、AMD、INTC 等製造/儲存/第二供給層會逐步獲得 AI beta
IINTCNVDA 之後，TSM、ASML、MU、AMD、INTC 等製造/儲存/第二供給層會逐步獲得 AI beta
SSMHNVDA 之後，TSM、ASML、MU、AMD、INTC 等製造/儲存/第二供給層會逐步獲得 AI beta
MMUNVDA 之後，TSM、ASML、MU、AMD、INTC 等製造/儲存/第二供給層會逐步獲得 AI betaAAMDNVDA 之後，TSM、ASML、MU、AMD、INTC 等製造/儲存/第二供給層會逐步獲得 AI beta每隻票點進去 = 公開觀點、產業鏈節點、驗證臺賬和深度研判；提及不等於持股，不構成投資建議。
Leopold Aschenbrenner的價值不在一句結論，而在把公開觀點放回 AI 產業鏈和可驗證資料軌裡：先看他最近注意力轉向哪裡，再看觀點落在哪些公司和節點，最後用驗證中心持續記錄對錯。
他的方法論
供應鏈瓶頸四步
01
從有效算力、演算法效率、unhobbling 和模型能力曲線出發，先判斷 AGI 時間線是否仍在斜率上，再討論公開市場對映。
先寫趨勢線，不先找股票學這套方法 →02
把 bigger/faster 轉成數量級：需要多少 GPU、多少電、多少資本、多少年建設；只有數量級能暴露瓶頸。
用 OOM 數量級替代形容詞學這套方法 →03
AGI 不是一句主題口號，而是電廠、變壓器、資料中心、儲存、先進製程和融資的交付問題。
敘事必須翻譯成物理約束學這套方法 →04
市場先擁抱一階明星，再逐步發現電力、礦工轉型、儲存、資料中心和裝置。二階受益必須用訂單、客戶和交付驗證。
找二階受益者學這套方法 →一句話公式：AI 產業鏈變數 × 可驗證標的對映 × 後續硬資料複核 → 三檔情景 + 明確證偽條件
📐 我們把它系統化成一條可複用研究流水線（任意新股票都能跑一遍）
會員課程
《AGI 基建時代的 Situational Awareness 體系》 · 9 節
把他散落觀點裡的方法論，整合成一門能學會的系統課：核心架構、真實案例、AI 產業鏈全景和驗證臺賬。教的是可遷移的投研思維，不是薦股。
00
總綱：AGI 是一場工業動員為什麼不能把 AGI 當成普通軟體主題
免費試看進入 →01OOM 數量級架構把能力、算力、電力和資本支出都寫成數量級
🔒進入 →02AGI 2027 路線圖compute、演算法效率、unhobbling 與國家安全
🔒進入 →03電力是真瓶頸從巨大叢集到電廠、變壓器和快速供電
🔒進入 →04二階受益選股法礦工、資料中心、儲存和裝置如何被重新定價
🔒進入 →05barbell 槓鈴結構多頭基建和半導體對沖如何同時存在
🔒進入 →06BE 全案拆解電力瓶頸如何落到可驗證公開對映
🔒進入 →07讀 13F 的時點訊號普通股、call、put 和 ETF 對沖怎麼分開讀
🔒進入 →08風險與邊界時間線誤差、估值擁擠、融資成本和政策不確定性
🔒進入 →解鎖全部課程配套：每課可用「分析器」跑票交作業 · 學完能獨立做 AI 產業鏈研究報告
獨家對映
他版面配置在 AI 產業鏈哪一段
最強暴露：① 電力與供電裝置 · AGI 真瓶頸 · ② 礦工轉 AI 算力 · 二階受益 · ③ AI 雲端與儲存 · 算力工廠承載層。
我們把公開觀點對映成節點，而不是把一句話當結論。
⚖️ 理性看待
別盲信 · 高風險信源
- 公開觀點不等於即時持股，也不等於你的交易結論。
- 驗證中心只記錄公開資料能驗證的部分，裁前不把待驗判斷算成戰績。
- AI 產業鏈變化快，任何方法論都需要結合財報、供需和估值邊界複核。
◆ 解鎖完整研究 · 越往上覆蓋越廣
牆後是 Leopold Aschenbrenner 的完整能力 —— 我們當他的中文研究團隊 + 監控站
免費看懂他的公開資料；完整觀點流保留來源日期與驗證線索，人物終端僅在真實生成時提供。
先看整站（最多人選）· 要為你點名的一個物件立項 → 機構級投研追蹤（在下方）
★ 最多人選 
41 位聰明錢，一個不落，全站為你追蹤她們的每一次轉向，你比市場先看見
43 位聰明錢大佬 —— 每一次轉向，你先看見
聰明錢人的深度 —— 最聰明的幾個腦子怎麼想、怎麼做
43位人物 · 公開資料追蹤
43門課程 · 方法論學習
43套思想體系 · 認知架構
透視雷達錢的廣度 —— 全市場的錢正往哪兒流
8,741家申報機構 · 全量追蹤
359個可算標的 · 共識可算
337位具名掌門人 · 真實身份
188位國會議員 · 買賣揭露
13F · Form 4 · 13D/G · 國會 · N-PORT 五源交叉 —— 四張訊號榜(多源 / 共識 / 擁擠度 / 背離)+ 四類對比庫(公司 / 機構 / 掌門人 / 國會)
只看聰明錢，你知道幾個人在想什麼；只看透視雷達，你知道錢在動、卻不知道為什麼。兩個合起來，才是完整的一張圖。
$299/年
平均每月 $24.9 · ≈ 一天 8 毛 聰明錢 41 位人物 + 43 門課程 + 43 套思想體系，外加透視雷達全開 · 單訂一位 $79/年 = 每位 ≈ $7 41 位各自單訂 = $3,397 · 整站 $299你打包省下 $3,098（立省 91%），透視雷達整個頻道還是白送的
0 元開始 · 7 天完整版 → 0 元開始隨時取消續費前 7 天必提醒
只想先盯Leopold Aschenbrenner一個？也行 —— 單訂 · $79/年 → 先把這一個看穿。 跟你說實話：4 份單訂一年（$316）就超過整站（$299）。想多看幾個，直接整站更划算——41 位全給你、每位約 $7。哪種都行，賬擺在這，你自己挑。 - 先評估覆蓋 · 再單獨立項：你點名一個物件——一個人（投資人 / 機構 / 分析師 / 高管）或一家公司 / 標的——我們先評估其公開資料覆蓋與可採源，確認能追蹤後單獨立項、架設專屬投研席位；蹤跡不足會直說做不了，不硬湊。
- 按物件適用性啟用機構級方法：13F 持股 · Form4 內部人 · 13D-G 舉牌 · 公開發聲 · 跨源交叉驗證 · 命中率臺賬——適用於 SEC 可覆蓋物件；不適用的項以替代證據或缺口說明如實交付，與追蹤 41 位聰明錢同一條投研流水線。
- 持續盯守 · 證據可回溯：人工 / 半自動每週投研簡報 + 重大訊號經人工確認後工作日提醒 + 證據鏈歸檔（本地 JSON / Markdown / SEC 連結），可回溯復盤「當時憑什麼這麼判」。
- 只對你一人開放：追蹤口徑、提醒規則、交付形式按你的決策需求定製；不進公共庫、不共享。
不薦股 · 不碰你的帳戶7 天免費試用隨時取消續費前 7 天必提醒升級按餘額補差