一文讲透未来十年，天才少年的 AI 投资圣经：《态势感知》

作者：@giantcutie666

2024年，一个00后少年天才Leopold Aschenbrenner从OpenAI离职后，开始做基金。

同时还把自己的投资思路写了出来：

如今回头看，这篇165页论文《态势感知（Situational Awareness: The Decade Ahead）》已经封神了。

去年看懂的人，今年肯定也都财富自由了！

我把165页的英文原版放在“这里”，以下是我已经尽量精简版的内容：

第一部分：为什么 2027 年就有 AGI

方法很笨但有效：不预测时间，预测算力规模。

过去 4 年，从 GPT-2 到 GPT-4，模型的"有效算力"涨了大约 10 万倍，每半年增长10倍！

GPT-2 像幼儿园小孩勉强写半通顺句子，GPT-4 像聪明高中生能考过律师资格、做博士级科学题。

这 10 万倍来自三个地方：

第一，硬件砸钱。训练用的算力每年涨 3 倍多。摩尔定律一年才 1.3 倍，AI 是因为人砸钱、专门造 AI 芯片，速度快了 5 倍。

第二，算法变聪明。同样达到某个数学能力，今天的推理成本比两年前便宜 1000 倍，这是算法工程师在卷出来的。

第三，解锁默认被压制的能力（unhobbling）这个最有意思。

模型本身有很多能力，但被默认设置压住了。比如 ChatGPT 之前的 base model 其实很聪明，但用起来像胡言乱语——RLHF 解锁了它。

又比如让模型"想一会儿再回答"（chain of thought）解锁了推理能力。再比如给它工具用、给它长记忆，又解锁一层。

往后 4 年（到 2027），作者预测这三条路再加 10 万倍。

最关键的洞见藏在 unhobbling 里：

现在的模型一次推理只能"思考几分钟"——大约几百个 token。如果让它能"思考几个月"——上百万个 token——会怎样？

例如你和爱因斯坦的差距，远不如"你思考 5 分钟"和"你思考 5 个月"的差距。

这个解锁如果做成了，相当于额外多 3 到 4 个数量级的智能跃迁。这个果子已经看得见了。

按这个外推，2027 前后会出现一种 AI：能像远程员工一样独立工作几周，自己规划任务、写代码、做实验、修 bug、提交结果。

能完整替代一个 OpenAI 研究员，这就是作者定义的 AGI。

最大不确定性来自于数据墙——高质量公开互联网数据快被吃完了。

第二部分：AGI 不是终点，是引爆点

一旦 AI 能做 AI 研究员的工作，会发生什么？

算力不变，但你不再受"全球 OpenAI/Anthropic/DeepMind 加起来几百号研究员"的限制——你可以跑1 亿份 AI 研究员副本，每份以 100 倍人类速度运转。

每几天产出等于人类一整年的工作。

这些自动化研究员还有结构性优势：读完所有 ML 论文、记住每一次实验、副本之间直接共享思考、训练好一个等于全部训练好（不用每个新员工慢慢上手）。

这意味着：人类原本需要 10 年的算法进步，可能在 1 年内被压完。

然后这 1 年又会再生出更聪明的下一代模型，再压一轮。从 AGI 到远超人类的超级智能，可能就是几个月到一两年的事。

作者承认有瓶颈——比如实验需要算力，副本再多也得等 GPU。但他论证瓶颈最多让爆炸慢一点，不能阻止爆炸。

超级智能长什么样

数量级上超人——几亿份并行运行，跨所有学科即时融合，几周内积累相当于人类千年的经验。

质性上超人——像 AlphaGo 下出 move 37 那一步（人类专家几十年都想不到的招），但应用在所有领域。它能找出人类穷尽一生看不出的代码漏洞，写出人类永远读不懂的代码。

我们会像小学生看博士论文。

后果是：机器人学被解决（这主要是 ML 算法问题不是硬件问题）、合成生物学武器化、隐形无人机蜂群可以先发摧毁核武器。

整个国际军事平衡会在几年内被推翻。

第三部分：四个真正紧迫的麻烦

麻烦一：万亿美元集群

这场竞赛不只是码农写代码，是工业动员。

每代模型需要更大集群，更大集群需要电厂，电厂需要芯片厂。

按现在节奏：2026 年 1GW 集群（一个胡佛大坝的电），2028 年 10GW（一个中等美国州），2030 年 100GW（美国全部发电的两成多）。

投资规模 2027 年可能突破 1 万亿美元/年。

真正卡脖子的不是钱也不是 GPU，是电。"我去哪找 10GW？"是 SF 现在最火的话题。

要在美国本土建成，必须放松环保审批、动用联邦权力解锁土地——作者把这个上升到国家安全级别。

如果美国建不出，集群就会跑去阿联酋、沙特，等于把 AGI 钥匙交给其他国家。

麻烦二：实验室就是漏的

现在的 AI 实验室，安全水平等于普通硅谷创业公司。

Google DeepMind（业内最好的）自己承认对国家级对手的防御能力是 0 级（满分 4 级）。

这意味着什么？AGI 模型的"权重"本质就是服务器上一个大文件。

这个文件被偷走，等于把"自动化 AI 研究员"直接交给中国——他们立刻可以跑自己的智能爆炸，美国所有领先归零。

更紧迫的是算法机密——下一代范式的关键突破（怎么破数据墙）正在 SF 各家公司的 Slack 里、办公桌窗外形成。

作者断言：未来 12 到 24 个月，关键 AGI 突破会泄漏给中国。不是 maybe，是几乎一定。

要做到能挡住中国的安全水平，需要硬件级隔离、人员背调到原子弹工程师等级、专门的集群设计——这些至少要几年时间迭代才能建成。如果不立刻动手，2027 拿到 AGI 时安全跟不上，到时只有两个糟糕选项：要么直接送给别的国家，要么停下来等安全建好（可能丢掉领先）。

麻烦三：对齐问题

现在的对齐技术叫 RLHF——人给模型评分，模型学着讨好人。

这招对比人类笨的 AI 有效。一旦 AI 比人类聪明几个数量级，这招彻底失效——你怎么评判一份你看不懂的博士论文？

智能爆炸把这件事搞得极其紧张：

不到一年内，从"RLHF 还管用"跳到"RLHF 完全失灵"，没有时间迭代试错。

同时从"小错误"（ChatGPT 说脏话）跳到"灾难性错误"（超级智能从集群里跑出去黑掉军方系统）。

中间架构经历多代演化，最终的超级智能我们完全看不懂它怎么思考的。

现在的模型用英文 token 推理（相对透明），未来大概率会演化到内部 latent state 推理——彻底不可解释。

作者对技术解决方案乐观：低悬果实多，可解释性研究有进展。

但对组织执行极度悲观——全球严肃做这件事的人不超过几十个，实验室没有为安全付出代价的迹象。"我们在过度依赖运气。"

麻烦四：自由世界必须赢

作者花大量篇幅论证：有的国家不仅没出局，而且很有竞争力。

算力上：华为 7nm 芯片（中芯产）性能是英伟达 A100 级，性价比差 2-3 倍但够用。

建设能力：中国过去十年新增电力等于美国全部发电装机。建 100GW 集群的工业动员力，中国可能比美国强。

盗窃路径：只要美国实验室不锁，关键算法两年内必然泄漏。

时间线上有个令人不安的巧合：AGI 时间线（~2027）和台海观察家的中共攻台时间窗（~2027）正在收敛。"AGI 终局有可能在世界大战背景下展开。"

作者的结论：美国必须保持"健康领先"——他建议 2 年。这两年缓冲是用来稳定局势、和中国谈判后超级智能时代的国际秩序。

少于这个领先，整个世界会被推入"通过智能爆炸的存亡竞速"——所有安全裕度归零，所有人为求快裸奔。

第四部分：The Project（AGI 版曼哈顿工程）

到这里作者抛出全书最大胆的预测。

"美国政府让一家 SF 创业公司开发超级智能"是不可能的。想象一下当年用 Uber 开发原子弹。

预测：2027 或 2028 年某个时点，美国国家安全机器会以某种形式接管 AGI 项目。形态可能是国防承包商模式（OpenAI 变成洛克希德·马丁）、合资模式（云厂商+实验室+政府）、甚至更极端的国有化。

核心研究员搬进 SCIF 安全设施，万亿美元集群以战时速度建成。

形成路径：2026/27 出现第一次真正吓人的能力展示——可能是"帮新手造生物武器"，可能是 AI 自主黑入关键基础设施。

叠加 CCP 渗透实验室的细节被揭露，华盛顿氛围突变。"我们需要 AGI 曼哈顿工程吗？"先慢慢、然后突然成为头号议题。

为什么必须是政府？因为超级智能属于核武器类，不属于互联网类。私营公司从来不被允许持有完整核武器。

要做到能抵御中国全力的安全等级，只有政府基础设施能做。要管理智能爆炸这种"一年内一切重写"的过程，需要核启动协议级的指挥链，不是创业公司董事会。

作者对政府效率没幻想（曼哈顿工程也曾被官僚拖延），但没有更好选择。

第五部分：作者的告白

作者批评两个对立阵营都搞错了：

加速主义者（e/acc）天真地认为市场会自我调节，忽视对齐和安全的真实难度。

末日论者主张暂停一切——但中国不会暂停，暂停就是认输。

正确姿态作者叫AGI 现实主义：

①超级智能是国家安全决定性技术

②风险真实存在且我们没准备好

③美国必须做 The Project 并主导后超级智能国际秩序。