从OpenAI弃子到AI投资巨擘：Leopold Aschenbrenner的传奇逆袭

年仅23岁，Leopold Aschenbrenner遭遇职业生涯转折点——被OpenAI解雇，但他凭借对AI行业的内部洞察，创立了规模达15亿美元的对冲基金，今年该基金回报率惊人地超越华尔街700%。

如此充满戏剧性的人生历程，堪称一场刺激而传奇的冒险。

最近，这位名叫Leopold Aschenbrenner的年轻人因这段非凡经历在社交媒体上爆火。《华尔街日报》等媒体广泛报道了他迅速崛起的逆袭故事。

Aschenbrenner原是OpenAI知名“超级对齐”团队成员，被视为前首席科学家Ilya Sutskever的嫡系，后因涉嫌泄露公司内部信息而被OpenAI开除。

被解雇仅两个月后，他发布了一篇165页的深度分析文章《Situational Awareness: The Decade Ahead》，在硅谷引发广泛热议。

随后，他果断投身投资领域，创建了名为Situational Awareness的对冲基金。

尽管缺乏专业投资背景，但他的策略直接而有效：重仓押注可能受益于AI技术发展的行业，如半导体、基础设施和电力公司，以及Anthropic等新兴AI企业，同时做空可能被淘汰的行业以平衡收益。

这一策略使该基金迅速吸引大量资本，资金规模在短时间内突破15亿美元。

其背后获得众多大佬支持，包括支付公司Stripe的创始人Patrick和John Collison兄弟，Meta的AI团队领导Daniel Gross和Nat Friedman，以及著名投资者Graham Duncan。

此外，Aschenbrenner还聘用了曾在彼得・蒂尔宏观对冲基金工作的Carl Shulman，担任基金研究总监。

许多投资者对该基金表现出高度信任，愿意将资金锁定数年。

据《华尔街日报》报道，该基金在今年上半年实现47%的回报率，远超同期标普500指数6%和技术对冲基金指数7%的表现，成为市场中的一匹耀眼黑马。

Aschenbrenner去年在接受播客主持人Dwarkesh Patel采访时表示：“我们比纽约那些资金管理者拥有更强的情境意识，投资表现必将出色。”

Leopold Aschenbrenner是谁？

Aschenbrenner是一名00后，出生于德国，作为“天才少年”15岁进入哥伦比亚大学学习，19岁以优异成绩毕业，获得数学、统计学和经济学三个学位，成为该校杰出毕业生。

他的GPA极高，据称曾是年级第一。

毕业后，他在牛津大学全球优先事项研究所研究长期经济增长，并参与有效利他主义运动。他曾在FTX Future Fund工作，专注于AI安全和全球风险管理。

2023年，Aschenbrenner加入OpenAI，成为“超级对齐”团队成员，致力于确保未来超级智能AI与人类价值观对齐。他参与的工作包括广受关注的《Weak-to-Strong Generalization: Eliciting Strong Capabilities With Weak Supervision》。

在OpenAI工作期间，他发现公司可能存在将美国AI机密泄露给外国对手的安全漏洞。2024年4月，他将担忧写成备忘录分享给董事会，但正值OpenAI内部权力斗争，随后以泄密为由被解雇。

故事发展至此，或许只是OpenAI去年宫斗混乱的一角，但Leopold Aschenbrenner显然非同寻常。

《态势感知：未来十年》

被OpenAI赶走后，Leopold Aschenbrenner更加无所拘束，在一篇165页的论文《Situational Awareness: The Decade Ahead》中，深入阐述了对AI发展的见解，在硅谷被广泛传阅。

他的论点简洁而具革命性：“全世界正处于人类历史上最重大的变革之中，而我们却浑然不觉。目前，可能仅有几百人，大多集中在旧金山和AI实验室，真正理解AI领域的进展。”

文章链接：https://situational-awareness.ai/

在文章中，作者探讨了AI能力的指数级增长，尤其是从GPT-2到GPT-4的演进过程。Leopold Aschenbrenner强调，这是一个快速进步的时代，AI已从执行基础任务发展到拥有复杂、类人的理解和语言生成能力。

“数量级”（Orders of Magnitude，即OOM）的概念至关重要。Aschenbrenner使用OOM来评估AI能力、算力和数据消耗的进步，OOM指指标的十倍增长。在计算能力和数据可扩展性上，从GPT-2到GPT-4的跨越代表了多个OOM。

这些进步背后有三个主要因素——扩展定律、算法创新及海量数据集的使用，其增长接近指数级。扩展定律表明，当使用更大规模的数据和算力训练时，模型性能会可靠提升。

算法创新同样关键。训练方法、优化策略和底层架构的进步提升了AI模型的效能和效率，使模型能更好地利用持续增长的算力和数据。

Leopold Aschenbrenner强调了到2027年实现通用人工智能的可能路径。他认为，在业界持续投入算力、提升算法效率的前提下，AI系统或在众多领域媲美甚至超越人类智力。

通用人工智能的出现将产生深远影响。这类系统能独立解决复杂问题，以人类专家的方式创新和执行工作，赋予AI自我进化潜力。

AGI发展将变革各行各业，提升生产力和效率，但也带来失业、AI伦理等问题，需要强健的治理结构来控制自主系统风险。

Aschenbrenner在文中探讨了超级智能概念，以及从当前AI快速过渡到远超人类认知能力的系统的可能性。核心论点是，驱动AI进化的原理可能产生反馈回路，一旦达到人类水平，智力将爆发式增长。根据“智能爆炸”概念，AGI或自行开发算法和技能，比人类更快地自我完善，导致智力指数级增长。

他对影响这种快速升级的变量进行了全面分析。AGI系统凭借无与伦比的速度和处理海量数据的能力，能识别远超人类理解的模式和洞察。

此外，AGI强调研究并行化。与人类不同，AGI系统可同时进行多项测试，并行改进其设计和性能。

因此，这些系统将比任何人更强大，能开发新技术，解决复杂科技难题，甚至以当今难以想象的方式管理物理系统。超级智能可能带来材料科学、能源和健康等领域的进步，显著提升经济生产和人类福祉。同时，控制是核心问题，一旦系统超越人类智力，难确保其行为符合人类价值观。

构建AGI所需计算基础设施需大规模工业动员，不仅包括纯粹算力，还涉及设备效率、能源利用和信息处理能力的提升。

Aschenbrenner认为，随着AGI临近，国家安全机构将在这些技术的创造和管理中发挥更大作用。他将通用人工智能的战略意义与阿波罗计划、曼哈顿计划相提并论。

论文发布一年多来，AI技术飞速演进，许多预测正逐步验证。最直接的体现是科技巨头投入重金建设前所未有的大规模AI算力基础设施。

那么，AGI会如Aschenbrenner预测在2027年到来吗？或许通过他的基金收益，我们能间接窥见端倪。

参考链接：

https://www.wsj.com/finance/investing/billions-flow-to-new-hedge-funds-focused-on-ai-related-bets-48d97f41

https://situational-awareness.ai/

https://x.com/renckorzay/status/1961480306328019407