2026年5月18日，一個叫Leopold Aschenbrenner的基金，悄悄向SEC提交了最新的13F持倉檔案。

沒有新聞發佈會，沒有媒體採訪。

但這份檔案一出來，華爾街所有認真跟蹤這個基金的人，都停下來重新看了一遍。

因為他們看到了一個讓人困惑的組合——這個基金同時持有大量AI基礎設施的多頭，又開了將近九十億美元名義規模的半導體空頭。

這聽起來像一個錯誤。但等我把這個人的故事和他的思維框架說清楚，你會發現這不是矛盾，這是目前為止，我見過的對AI投資最深刻的一個判斷。

Leopold Aschenbrenner，22歲，哥倫比亞大學畢業，前OpenAI研究員。他寫了一篇165頁的文章，標題叫《情境感知：未來十年》，核心論點是：AGI會在2027年出現，超級智能會在2028到2030年之間到來，而市場完全沒有定價這件事。

他在OpenAI工作期間，因為洩露內部安全資訊被解僱。離職之後，他沒有去另一家AI公司，而是創立了一個叫"Situational Awareness"的避險基金——就用他那篇文章的名字命名。

然後他做了一件讓很多人驚掉下巴的事。

他的第一份13F在2024年第四季度披露，總持倉只有2.548億美元，六個持倉。十二個月後，這個數字變成了55.2億美元，29個持倉。一年，漲了二十倍。同期回報率28.9%。

一年從兩億到五十五億。而現在躍升至137億美元.

這不是運氣，這是一套完整的世界觀在資本市場上兌現。

持倉的歷史演變：一張隨AI革命推進而更新的地圖

要理解現在這份13F，你需要先看他走過了那幾個階段。

他的持倉歷史可以分成三個階段。第一階段是半導體期——他最早買的是製造AI所需要的晶片公司，因為AI的第一個瓶頸是算力，算力的瓶頸是晶片。第二階段是電力期——他發現晶片不是最終瓶頸，電力才是。一個資料中心需要的電，相當於一個中等城市的用電量，但電網的擴張速度遠遠跟不上算力需求。第三階段是現在這份13F裡呈現的：做多算力基礎設施和記憶體，同時大規模做空整個半導體類股。

這個演變路徑，本質上是一個人在追蹤AI發展的真實瓶頸在那裡，然後把錢壓在那裡。

最新13F：五十五億美元的世界觀

好，現在說昨天剛披露的具體內容。

這份檔案有兩面，必須同時看才能理解他的邏輯。

最大的多頭持倉是Bloom Energy，8.787億美元，持有650萬股，同時持有對40.9萬股的認購期權。Bloom Energy是做固態氧化物燃料電池的，專門用於高密度能源場景，比如AI資料中心。這只股票今年已經漲了接近180%。

你發現沒有——最大持倉不是輝達，不是微軟，不是任何一家AI公司，而是一家做電力裝置的公司。

這就是Aschenbrenner和大多數AI投資者最根本的區別。他買的不是AI，他買的是AI運轉所必須消耗的東西。

第二大持倉是Sandisk，7.244億美元。第三大是CoreWeave，5.561億美元，這是一家專注AI工作負載的雲算力公司。

Sandisk是記憶體公司。為什麼記憶體會成為AI的瓶頸？因為AI訓練需要極大規模的資料快速讀寫，記憶體的速度和容量正在成為卡脖子的地方。他買記憶體，和他買電力是同一個邏輯——買AI最依賴的那個它自己生產不了的東西。

空頭這邊——這才是真正讓人震驚的：

Situational Awareness這份13F，披露了將近85億美元名義規模的半導體做空頭寸。其中最大的兩筆：對VanEck半導體ETF（SMH）的認沽期權，名義價值20億美元；對輝達的認沽期權，名義價值16億美元。此外還有對博通、甲骨文、AMD、美光、艾斯摩爾、英特爾、康寧、台積電的做空倉位。

他做空輝達，同時做多AI基礎設施。

他的判斷是：現在的半導體類股，估值已經定價了一個"AI順利推進、算力需求持續爆炸"的最樂觀情景。但如果AI的進展出現任何減速——無論是技術瓶頸、監管壓力、還是市場需求放緩——這些晶片公司的估值都會面臨巨大的壓縮。

換句話說，他在做一個避險：多頭押注AI的基礎設施建設會繼續，空頭避險AI敘事如果破裂時半導體類股的下行風險。

這是一個槓鈴策略。一邊是實物基礎設施，一邊是對估值泡沫的防護。

最值得關注的細節：他同時大規模減倉了什麼

這份13F裡最大的減倉動作包括：完全清倉了LITE（Lumentum），減少了約九億美元的倉位，降幅100%；減持了Bloom Energy約36%；完全清倉了EQT（天然氣公司）；完全清倉了Cipher Mining（比特幣礦機公司）。

清倉Lumentum，這是一家做雷射器和光學器件的公司，主要客戶是資料中心。這只股票之前是他的重要持倉，現在全部賣出。

我的判斷是：Lumentum的光學器件，是上一代資料中心架構裡的瓶頸。隨著新一代的資料中心開始使用不同的互聯架構，這個瓶頸正在被替代，Lumentum的優勢在減弱。

完全清倉EQT是一個更微妙的訊號。EQT是美國最大的天然氣生產商之一，他之前持有是因為AI資料中心需要大量天然氣發電。現在賣出，可能意味著他認為天然氣價格的上升周期已經接近尾聲，或者電力供給正在往其他方向轉移。

把Aschenbrenner的持倉和我們整個對話裡討論的內容對比，你會發現一個極其有意思的吻合。

我們之前討論了：算力期貨剛剛推出，CME開始把GPU算力變成大宗商品。算力期貨的出現，會加速算力基礎設施的投資，但同時會讓算力定價更透明，更市場化，頂級晶片公司的定價權會被稀釋。

Aschenbrenner的空頭，恰恰在押注這件事的發生。

我們討論了：AI算力的真正瓶頸正在從晶片轉移到電力。資料中心的用電量正在以指數級增長，但電網的擴張速度遠遠不夠。

Aschenbrenner的最大多頭持倉是Bloom Energy——一家電力基礎設施公司。

我們討論了：華許縮表之後，流動性會減少，市場對高估值資產的容忍度會下降，AI敘事驅動的高估值股票會首先承壓。

Aschenbrenner的空頭，覆蓋了幾乎所有估值最高的半導體公司。

這幾件事放在一起，你會發現Aschenbrenner的整套持倉，其實是對未來十二到十八個月最核心的幾個宏觀趨勢，同時下了注。

他的一句話總結是：AGI是一個2027年的事件，超級智能是一個2028到2030年的事件，市場沒有定價任何一個。所以買建設AI所需要的瓶頸資產——電力、算力、記憶體、光學——然後做空那些已經被AI敘事過度定價的晶片公司。

這個框架，有一個非常清晰的內在邏輯：他相信AI會成功，所以他買基礎設施。他不相信市場對AI的估值是理性的，所以他做空那些定價了過於樂觀未來的晶片公司。

他不是在賭AI成功還是失敗。他是在說：不管AI是否如期成功，基礎設施的需求都是真實的，而晶片公司的估值已經透支了未來。

這才是這份13F最值得學習的地方，不是具體的買那只股票，而是這個思維框架：

買真實的瓶頸，空虛高的敘事。

好，這就是今天想跟你聊的。一個22歲的前OpenAI員工，用一套完整的AI世界觀管理著五十五億美元，昨天剛剛告訴了我們他最新的判斷。你同意不同意他，這個框架本身，值得每個關注AI的人認真想一想。   (Old- Future)

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：翻他的持倉報告，找下一個該買的股票。

最近被翻得最多的那份報告，當然屬於一個叫 Leopold Aschenbrenner 的 24 歲德國人。

今年 3 月，國內媒體曾集中報導過他，標題都差不多；比如被 OpenAI 開除的天才，寫了 165 頁論文預判了 AI 趨勢，開了個避險基金，管著 55 億美元...

但標籤只是標籤。這個基金真正讓人側目的地方在於，它不買輝達，不買 OpenAI，不買任何做 AI 模型的公司。它只買 AI 活著離不開的東西，發電、晶片製造、光通訊、資料中心...

用他自己論文裡的話說，AI 的瓶頸不在演算法，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管他叫“AI 時代的美股版本之子”，或者 AI 版的股神巴菲特。最近這個稱號又被翻出來了，因為他賭對的程度開始變得有點離譜。

據跟單平台 Autopilot 5 月 1 日發佈的資料，模擬他持倉的投資組合兩個月漲了 61%。按此推算，他的基金規模已經逼近 90 億美元。

錢從那賺的？主要靠兩隻重倉股。Bloom Energy，一家給 AI 資料中心提供離網電力的燃料電池公司，年初至今股價漲了 239%。

據去年底公開的持倉報告，他持有這家公司 8.75 億美元的股票和期權，現在市值膨脹到將近 30 億。

還有 Intel。同一份持倉報告顯示，他 2025 年一季度買了 2020 萬份 Intel 的看漲期權，那時候 Intel 股價在 20 美元附近，華爾街的主流判斷都認為 Intel 不太行。

上周，Intel 漲到 113 美元，創了 25 年來的歷史新高。一年不到翻了將近五倍，這位年輕人的期權回報倍數比股票還要誇張得多。

我能理解圍觀者的衝動。美國投資網站 Motley Fool 一天發了四篇文章拆他的持倉，海外 Reddit 投資版在討論要不要抄他的作業。所有人都試圖從他的持倉報告裡找到下一個 Intel。

但你要知道，持倉報告一般有 45 天延遲。等你看到他買了什麼的時候，行情已經走了一半。

更關鍵的是，就算你即時知道他的持倉，你也複製不了他持續押對的原因。

首先，Leopold Aschenbrenner  讓人感覺到最神的地方，是他在 24 年寫的那個關於 AI 的論文，幾乎預判了現在的 AI 發展方向和投資脈絡。

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大約半個數量級，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會從兆瓦級跳到吉瓦級，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 發展的速度由物理瓶頸決定，所以你就應該投資瓶頸本身。

這個判斷，聽起來像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。

他寫論文之前，在 OpenAI 的 Superalignment 團隊幹了一年。這個團隊專門研究怎麼控制比人類更聰明的 AI，直接向首席科學家 Ilya Sutskever 匯報。

在那一年裡，他看到的是內部的訓練計畫、實際的算力消耗、下一代模型對電力和晶片的具體需求。他在論文裡寫下“吉瓦級用電量”這個判斷的時候，依據或許就是實驗室裡的內部路線圖。

2024 年 4 月他被 OpenAI 開除了，導火線是他給 OpenAI 董事會寫了一份內部備忘錄，警告公司的安全措施不足，可能面臨外國情報機構的滲透風險。

這份備忘錄引發了管理層和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。這篇論文與其說是獨立研究，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 2024 年就有大把分析師在說。真正值錢的是時機和倉位，比如你敢不敢在 Intel 股價 20 美元的時候砸 2000 萬份看漲期權進去。

這種信心不只是來源於相信 AI 的大趨勢，而是具體知道那家公司在簽多大的電力採購合同，那個資料中心在擴建，需求的量級到底有多大。

而 Leopold Aschenbrenner 創立的基金 Situational awareness ，其中的出資人恰好就坐在這些決策的第一排。

這個基金的 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；

而另一位出資人是前 GitHub CEO、現 Meta AI 產品負責人 Nat Friedman，每天都在參與算力採購的決策。

他們給基金帶來的，除了初始資本，還有一條持續更新的資訊管道。

此外，他的基金裡的研究總監也是這條鏈上的關鍵角色。 Carl Shulman，AI 安全領域的老前輩，之前在 Peter Thiel 的避險基金 Clarium Capital 幹過，專門負責把 AI 圈的認知轉化成可執行的交易策略。

他的持倉裡，還有一個容易被忽略的加密角落。

去年底的持倉報告顯示，他新建了 CleanSpark 和 Bitfarms 的倉位，兩家都是比特幣礦企，正在把 BTC 挖礦設施轉型成 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 資料中心最稀缺的資源。

有意思的是，他跟加密行業並不陌生。2022 年他曾在 SBF 創辦的 FTX 慈善基金 Future Fund 工作過九個月，在 FTX 暴雷前恰好離開了。

這段經歷是否直接影響了他對礦企的判斷，外人無從知道。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和人脈連結的可能。

還有一個細節，他的未婚妻 Avital Balwit，是 Anthropic CEO Dario Amodei 的幕僚長。Anthropic 是 Claude 的母公司，也是 OpenAI 最直接的競爭對手。

他在 OpenAI 工作過，未婚妻在 Anthropic CEO 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 雜誌去年採訪了與他有接觸的十幾個圈內人，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”。

筆者覺得這個說法太客氣了。他做的事情更直接，就是把私人圈子獲取的認知，在公開市場上下注。發出來的 AI 論文是脫密版，自己的投資基金才是完整版。

一個外部人進不去的正反饋循環

回頭看， Leopold Aschenbrenner 的基金選擇了一種不太常見的結構。

大多數 AI 領域的資金走風險投資路線，投早期公司，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。

可以是一家有現成電力接入的燃料電池公司，一家有晶圓代工產線的晶片巨頭，一家有礦場和散熱系統的比特幣礦企。這些公司已經上市多年，流動性好，但大多數分析師還在用舊的估值框架給它們定價，還沒有把“AI 基礎設施剛需”這個變數認真納入模型。

圈子裡的人已經知道 AI 基礎設施擴張的節奏和規模，公開市場還在用舊邏輯定價。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，越多產業核心層的人願意成為 LP。LP 越多，基金能接觸到的決策層資訊就越密集。資訊越密集，下注精度就越高。這是一個正反饋循環，而且對外部人來說，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。高度集中的持倉加上顯著的槓桿，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去了，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。節奏一旦錯位，圈子裡的共識反而可能變成集體盲區。

所有人都在研究他的持倉，試圖複製他的操作。但股神等級收益率的背後，是有結構性條件的。

論文是公開的，持倉報告是公開的，他的投資邏輯在播客和採訪裡也講得很清楚。但即便你完整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，收益值得羨慕，但認知的來源卻無法共享。這大概才是這個時代最貴的一種不對稱。 (深潮 TechFlow)

彙整鉅亨號中所有使用「Leopold Aschenbrenner」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`