23岁时被OpenAI解雇，随后凭借其掌握的“内部信息”，成功创立了一支规模达15亿美元的对冲基金。今年该基金的回报率较华尔街平均水平高出700%。
这样跌宕起伏的人生经历，令人惊叹不已。
近日，这位名为Leopold Aschenbrenner的年轻人，因其传奇经历在社交媒体上迅速走红。《华尔街日报》等主流媒体纷纷对其迅速崛起的故事进行了报道。
Aschenbrenner曾是OpenAI知名“超级对齐”（Superalignment）团队的核心成员，被视作OpenAI前首席科学家Ilya Sutskever的得意门生。后因涉嫌泄露公司内部机密，被OpenAI直接开除。
两个月后，他发布了一篇长达165页的分析报告《态势感知：未来十年》（Situational Awareness: The Decade Ahead），在硅谷引发了广泛关注。
随后，他转身投入投资领域，创立了名为“Situational Awareness”的对冲基金。
尽管他并无专业投资背景，但其投资策略堪称简洁高效：做多那些有望从AI技术发展中获益的行业，例如半导体、基础设施、电力公司以及新兴AI企业（如Anthropic）；同时做空可能被淘汰的传统行业，以平衡收益。
这一策略使该基金在短时间内吸引了大量投资者，资产管理规模迅速突破15亿美元。
该基金获得了多位业界大佬的背书，包括支付公司Stripe的联合创始人Patrick和John Collison兄弟、Meta AI团队负责人Daniel Gross与Nat Friedman，以及知名投资人Graham Duncan。
此外，Aschenbrenner还邀请了曾任职于彼得·蒂尔宏观对冲基金的Carl Shulman担任研究总监。
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之久。
据《华尔街日报》报道，该基金今年上半年回报率高达47%，远超同期标普500指数6%的涨幅以及技术对冲基金指数7%的收益，堪称市场中的一匹黑马。
去年，Aschenbrenner在接受播客主持人Dwarkesh Patel采访时曾直言：“我们将比纽约那些资金管理者拥有更强的态势感知能力，毫无疑问会在投资领域取得卓越表现。”
Leopold Aschenbrenner 是谁？
Aschenbrenner是一名千禧年后出生的德国人，被誉为“天才少年”。他15岁进入哥伦比亚大学，19岁以优异成绩毕业，获得数学、统计学和经济学三个学位，并被评为该校优秀毕业生。
他的GPA极高，据称是年级第一名。
毕业后，他在牛津大学全球优先事项研究所从事长期经济增长研究，并积极参与有效利他主义运动。他还曾在FTX Future Fund任职，专注于人工智能安全与全球风险管理。
2023年，Aschenbrenner加入OpenAI，成为“超级对齐”（Superalignment）团队的一员，致力于确保未来的超级智能AI与人类价值观保持一致。他参与的重要工作包括备受关注的论文《Weak-to-Strong Generalization: Eliciting Strong Capabilities With Weak Supervision》。
在这家全球领先的人工智能实验室工作期间，他发现OpenAI存在可能将美国AI机密泄露给外国对手的安全隐患。2024年4月，他将自己的担忧撰写成备忘录提交给董事会。然而正值OpenAI内部权力斗争的第二季，他随后被以泄露机密为由解雇。
这一情节或许只是OpenAI去年权力斗争混乱局面的一角，但Leopold Aschenbrenner显然并非等闲之辈。
《态势感知：未来十年》
去年被OpenAI扫地出门后，Leopold Aschenbrenner反而如释重负。他在一篇长达165页的论文《态势感知：未来十年》中，阐述了自己对人工智能发展的见解，在硅谷被广泛传阅。
他的论点简洁而颠覆性：“全世界正处于人类历史上最伟大的变革之中，而我们却仍在沉睡。目前，或许只有几百人——多数集中在旧金山和AI实验室——能够真正理解当前AI领域的动向。”
在论文中，作者探讨了近年来AI能力的指数级增长，特别是从GPT-2到GPT-4的演进过程。Leopold Aschenbrenner强调，这是一个飞速进步的时代，人工智能从执行极其基础的任务，发展到具备更复杂、接近人类的理解与语言生成能力。
“数量级”（Orders of Magnitude，简称OOM）概念在此类讨论中至关重要。Aschenbrenner运用OOM来评估AI能力、算力以及数据消耗方面的进步。从计算能力和数据扩展性角度看，GPT-2到GPT-4的跨越经历了多个OOM。
这些进步背后存在三大驱动力——扩展定律（Scaling Laws）、算法创新以及海量数据集的使用，它们的增长接近指数级。根据扩展定律，当使用更大规模的数据和算力进行训练时，模型性能会实现稳定提升。
算法创新同样不可或缺。训练方法、优化策略以及底层架构的进步，显著提升了AI模型的效果与效率。这些发展使模型能够更充分地利用持续增长的算力与可用数据。
Leopold Aschenbrenner描绘了到2027年实现通用人工智能（AGI）的可能路径。他认为，在业界持续投入算力并提升算法效率的前提下，我们或许能让AI系统在众多领域与人类智力媲美，甚至超越人类。
通用人工智能一旦出现，将带来深远影响。这类系统能够独立解决复杂问题，以目前唯有人类专家才能实现的方式进行创新，并执行复杂任务，这赋予了AI系统自我进化的潜力。
AGI的发展将重塑各行各业，提升生产力与效率。但它也带来了重大挑战，如失业问题、AI伦理，以及需要强有力的治理结构来管控完全自主系统带来的风险。
Aschenbrenner在文中探讨了超级智能的概念，以及从当前AI快速跃升至远超人类认知能力的可能性。该论点的核心在于：驱动AI进化的原理可能形成反馈回路，一旦达到人类水平，智力便会爆发式增长。根据“智能爆炸”的概念，AGI可能会自主开发算法与技能，其自我完善的速度远超人类研究人员。这种自我强化的循环，很可能导致智力呈指数级攀升。
他对可能影响这种快速升级的各类变量进行了全面剖析。首先，AGI系统凭借无与伦比的速度以及访问和处理海量数据的能力，能够识别出远超人类理解范畴的模式与洞察。
此外，AGI强调研究工作的并行化。与人类研究人员不同，AGI系统能够同时进行多项测试，并行优化其设计与性能的各个部分。
因此，这些系统将比任何人类都更强大，能够开发新技术、解决复杂的科学技术难题，甚至可能以今日难以想象的方式管理物理系统。超级智能可能带来的优势，例如在材料科学、能源和健康领域的突破，将显著提升经济生产力与人类福祉。与此同时，控制问题成为关键难题。一旦系统超越人类智力，确保其行为符合人类价值观与利益将变得极为困难。
构建AGI所需的计算基础设施需要大规模工业动员，这不仅涉及纯粹的算力，还包括设备效率、能源利用以及信息处理能力的全面升级。
Aschenbrenner认为，随着AGI日益临近，国家安全机构将在这些技术的创造与管理中发挥更大作用。他甚至指出，通用人工智能的战略意义堪比阿波罗计划与曼哈顿计划。
在他文章发布一年多的今天，AI技术日新月异，当初的许多预测正逐步成为现实。最直观的体现，莫过于各大科技巨头纷纷斥巨资建设前所未有的大规模AI算力基础设施。
那么，AGI是否真会如Aschenbrenner所言在2027年到来？或许从他可观的投资收益中，我们能窥见一丝端倪。
