当大多数 23 岁年轻人还在为职场起步摸索时，Leopold Aschenbrenner 已完成了从 OpenAI 核心团队成员到对冲基金掌舵人的华丽转身 —— 因涉嫌泄密被开除后，他凭借对 AI 行业的深度洞察，创立规模 15 亿美元的 Situational Awareness 基金，今年上半年回报率达 47%，远超标普 500 指数的 6% 和技术对冲基金指数的 7%，成为华尔街最炙手可热的 “黑马”。而他撰写的 165 页论文《Situational Awareness:The Decade Ahead》（《态势感知：未来十年》）在硅谷疯传，其中 “2027 年 AGI（通用人工智能）或将到来” 的预言，更让这场投资逆袭蒙上了一层技术前瞻性的传奇色彩。
一、从 OpenAI “弃子” 到对冲基金新贵：跌宕起伏的逆袭之路
Aschenbrenner 的人生转折，始于一场充满争议的 “离职”。作为 OpenAI “超级对齐” 团队的核心成员 —— 该团队由前首席科学家 Ilya Sutskever 直接领导，致力于确保超级智能 AI 与人类价值观一致 —— 他曾被视为 AI 安全领域的潜力新星。2024 年 4 月，他因向董事会提交 “OpenAI 可能泄露美国 AI 机密给外国对手” 的担忧备忘录，恰逢 OpenAI 内部 “宫斗” 升级，最终以 “泄密” 为由被解雇。
但这场挫折反而成为他转型的契机。离职仅两个月，Aschenbrenner 便发布 165 页长文，系统阐述对 AI 发展的判断；随后迅速切入投资领域，创立同名对冲基金。尽管缺乏专业投资背景，他的策略却简单精准：押注 AI 受益行业，做空被替代领域。具体而言，他重仓半导体、AI 基础设施、电力等支撑 AI 发展的核心产业，以及 Anthropic 等新兴 AI 公司；同时做空传统媒体、低效服务业等可能被 AI 颠覆的行业，通过 “多空平衡” 实现稳定收益。
这一策略迅速吸引了硅谷大佬的青睐：支付巨头 Stripe 创始人 Collison 兄弟、Meta AI 团队负责人 Daniel Gross、著名投资者 Graham Duncan 纷纷注资；他还招募到曾任职于彼得・蒂尔宏观对冲基金的 Carl Shulman 担任研究总监，强化投研实力。截至目前，基金规模已突破 15 亿美元，投资者愿意将资金锁定数年，足见对其 AI 洞察能力的信任。Aschenbrenner 曾自信表示：“我们比纽约的基金经理更懂 AI 行业的‘态势感知’，投资表现自然更出色。”
二、165 页论文疯传硅谷：AGI 预言背后的技术逻辑
Aschenbrenner 的投资底气，源于他对 AI 行业的深度研判，而这一切都浓缩在那篇 165 页的论文中。在硅谷科技圈看来，这不仅是一份投资分析，更是对 AI 未来十年发展的 “路线图”，其中最震撼的观点莫过于 “2027 年 AGI 有望实现”。
（一）AI 能力的 “指数级跃迁”：从 GPT-2 到 GPT-4 的量变与质变
Aschenbrenner 在论文中提出，AI 发展已进入 “数量级（OOM）增长” 阶段 ——OOM 指指标的十倍增长。他以 GPT 系列为例，从 GPT-2 到 GPT-4，模型参数、训练数据量、算力消耗均实现多个 OOM 的突破，这种增长并非线性叠加，而是带来了 “能力质变”：AI 从只能完成简单文本生成，跃升至具备复杂推理、多模态理解、类人对话的能力。他强调，这种进步源于三大核心驱动力：
扩展定律：当训练数据与算力规模按比例提升时，模型性能会稳定增长；
算法创新：训练方法、优化策略的迭代，让模型更高效地利用资源；
数据红利：海量多模态数据的积累，为模型泛化能力提供支撑。
（二）AGI 的实现路径：从 “人类水平” 到 “智能爆炸”
Aschenbrenner 认为，AGI 的关键标志是 “在多数领域达到并超越人类专家水平”。他预测，随着算力持续投入（如台积电 3nm、2nm 制程芯片量产）、算法效率提升（如稀疏激活、强化学习优化），2027 年前后 AI 有望突破 “人类水平” 阈值；而一旦达到这一节点，可能触发 “智能爆炸”——AGI 能自主优化算法、迭代自身设计，其智力增长速度将远超人类，甚至能解决材料科学、可控核聚变等当前无法突破的难题。
他特别指出，AGI 的发展需要 “大规模工业动员”，其战略意义堪比阿波罗计划、曼哈顿计划。届时，国家安全机构将深度介入 AI 技术的管控，而算力基础设施、能源供应、数据安全等领域将成为核心竞争赛道 —— 这也正是他基金重仓半导体、电力等行业的底层逻辑。
（三）风险与挑战：控制难题与社会冲击
尽管对 AGI 充满期待，Aschenbrenner 也警示潜在风险：一旦 AI 智力超越人类，如何确保其行为符合人类价值观将成为最大挑战；同时，AGI 可能引发大规模失业（尤其是重复性劳动岗位）、贫富差距扩大等社会问题，需要提前建立全球协同的治理框架。
三、AI + 投资的新范式：“行业洞察” 取代 “技术指标”
Aschenbrenner 的成功，不仅是个人逆袭，更标志着 “AI 驱动型投资” 的兴起 —— 传统对冲基金依赖财务数据、技术指标分析，而他的核心竞争力在于对 AI 行业技术迭代、产业变革的前瞻性判断。这种新范式的优势体现在三个方面：
（一）精准捕捉 “隐形机会”
传统投资机构往往滞后于技术变革，而 Aschenbrenner 凭借 OpenAI 的从业经历，能提前感知 AI 技术的商业化节奏。例如，他重仓的 AI 基础设施公司，正是基于 “大模型训练需要海量算力，数据中心建设将迎来爆发” 的判断；而做空传统媒体，则是预见 AI 生成内容将颠覆传统内容生产模式。这种 “技术 - 产业” 的联动分析，让他能捕捉到被市场忽视的机会。
（二）动态调整投资组合
AI 技术迭代速度极快，Aschenbrenner 的基金保持高频调整策略：当某类 AI 技术（如多模态模型）取得突破时，迅速加仓相关硬件供应商；当监管政策（如 AI 伦理审查加强）出台时，及时减持合规风险高的标的。这种 “敏捷调整” 能力，远超传统基金的决策效率。
（三）大佬背书的 “信任杠杆”
硅谷科技巨头的投资，不仅为基金提供资金，更带来了行业资源与信息优势。例如，Stripe 的支付数据能帮助他判断 AI 企业的商业化进展；Meta 的 AI 团队则能提供技术趋势的一手信息。这种 “资本 + 资源” 的结合，进一步放大了他的投资优势。
四、争议与质疑：“内部消息” 的灰色地带
尽管业绩亮眼，Aschenbrenner 也面临不少争议：有人质疑他的投资决策依赖在 OpenAI 工作期间获取的 “内部消息”（如技术路线、合作企业等），涉嫌违反竞业协议；也有专家认为，他对 AGI 的预测过于乐观 —— 目前 AI 仍存在 “幻觉”、推理能力不足等问题，2027 年实现 AGI 的可能性极低。
对此，Aschenbrenner 回应称，基金的投资逻辑均基于公开的技术趋势分析，而非内部信息；而关于 AGI 的预测，他强调是 “基于当前发展速度的合理推演”，并非绝对定论。
五、结语：AGI 未至，投资已先行
Leopold Aschenbrenner 的故事，折射出 AI 时代的新逻辑：技术洞察正成为投资领域的核心竞争力，而 AGI 的潜在到来，已开始重塑全球产业格局与资本流向。无论 2027 年 AGI 是否如期而至，他的成功都证明：在技术驱动的时代，谁能更深刻地理解技术变革的本质，谁就能在投资竞争中占据先机。
对于投资者而言，Aschenbrenner 的案例提供了新的启示：未来的投资不再是 “数据分析的游戏”，而是 “技术趋势的博弈”。而对于整个社会，这场 “AI + 投资” 的实验，也让人们提前思考 AGI 到来后的机遇与挑战 —— 当机器能自主做出投资决策时，人类投资者将何去何从？这或许是比基金收益更值得关注的命题。