新智元報道

編輯：定慧 好困

他曾是Ilya的親信，因揭露OpenAI安全隱患被解雇，卻在短短6個月內以47%回報打造出管理規模15億美元的基金。作為AI安全激進派，他在165頁論文《Situational Awareness》中預測2027年將迎來AGI，并呼吁建立「AI版曼哈頓計劃」。

如果一個人身上有如下標簽：

Ilya的親信

一名因為警告OpenAIAGI安全卻被OpenAI開除的員工

一名認為「AI版曼哈頓計劃」是極其必要的AGI安全信徒

寫過一份165頁的AI論文宣揚2027年AGI即將到來

他會在離開OpenAI后做什么？

正常人大概率會借勢去成立自己的AI公司，然后融資一波，看著情況上市，或者被科技巨頭收購。

但真實答案是他去「炒股投資」了，并在6個月內取得47%的回報，還籌集了15億美元。

這位名叫Leopold Aschenbrenner的23歲德國青年此前沒有任何金融行業經歷。

但是他的基金戰績卻超過了一眾金融領域的專業投資者，在今年（2025）上半年扣除費用后獲得了47%的收益。

此前他曾經還放出豪言：

在舊金山（硅谷），只有差不多200人真正理解AI領域在發生什么。

盡管Leopold沒有任何金融背景，但靠著他在AI領域KOL的地位，他還是說服了很多人。

基金的支持者包括支付公司Stripe的創始人Patrick Collison和John Collison兄弟，以及近期被meta招募負責AI業務的Daniel Gross和NatFriedman。

Leopold在一次采訪曾說

我比任何在紐約管理資金的人都擁有更多的態勢感知能力，我在投資上肯定會做得很好。

態勢（情境）感知，是什么？

靠著這個能看到AI趨勢從而賺錢嗎？

態勢感知是Leopold寫的一篇165頁的論文《Situational Awareness: The Decade Ahead》。

為何要寫「這么長」的論文，還要從一年前說起。

2024年4月，Leopold被OpenAI以安全為由開除；開除后不久，6月，他就發表了這篇文章。

而Leopold所在的部門正是Ilya所領導的超級對齊部門，他也是Ilya的支持者，這或許就是作為Ilya擁躉的代價。

而在這篇「鴻篇巨著」中，開篇部分Leopold就特地表示這篇論文是獻給Ilya的，可見對其的崇拜之心。

不久之后，世界將會覺醒

2023年，年僅21歲的德國青年Leopold踏入舊金山OpenAI總部的大門。

懷揣AI安全理想，他加入OpenAI超級對齊（Superalignment）團隊。

該團隊由Ilya Sutskever和Jan Leike領導，目標是在四年內解決超級智能的對齊問題。

Leopold自視為「AGI守護者」，提醒公司關注潛在AI安全風險。

不久后，他注意到公司安全薄弱。一次黑客入侵未被公開披露，更讓他憂慮關鍵算法被其他對手竊取。

與此同時，奧特曼主導的產品節奏越來越快，內部安全文化卻逐漸被擠壓。

出于責任感，Leopold寫下措辭嚴厲的安全備忘錄，直言OpenAI防護「極度不足」。

他繞過上級，直接將備忘錄遞交董事會，引發高層與董事會的緊張。

隨后，他遭到HR警告，尤其因他在Altman被罷免風波中沒有簽署支持復職的請愿，被視作「不夠忠誠」。（看來老美那邊也玩站隊的游戲）

2024年初，他整理了一份關于AGI安全措施的頭腦風暴文檔，并請三位學者反饋。

他堅稱文檔無機密，僅含公開信息，但公司仍以「泄露內部資料」為由展開調查，并翻出他此前的「董事會越級」舊賬。

最終在2024年4月，Leopold被OpenAI解雇，理由是「泄密且不配合調查」。

Leopold并未沉寂。

2024年6月，他發表165頁「巨著」《Situational Awareness》，預測2027年前后或將出現AGI，2030年邁向超級智能，他呼吁建立「AI版曼哈頓計劃」，并把此書獻給Ilya Sutskever。

耐人尋味的是，就在Leopold被解雇后不久，Ilya與Jan相繼離開OpenAI。

AGI「奇點」預計就在2027年

在2024年發表的這篇論文中，Leopold認為，到2027年，大模型將能夠完成AI研究人員或工程師的工作。

他的論據也很簡潔直觀——你只需要畫出過去4年GPT模型有效計算量的增長曲線，再延伸到4年后，就可以得出這個結論。

當時，Scaling Law看起來正在碰壁，但Leopold提醒我們——往后退一步，看看AI已經走了多遠。

直覺上，可以將模型能力類比為人類的智能水平，從而衡量AI能力的進步：

從2019年學齡前兒童水平的GPT-2，到2023年聰明高中生水平的GPT-4，OpenAI只用了4年。

用4年從學齡前讀到高中，是人類智力發展速度的3倍不止。

GPT-2只能寫出一個半連貫的段落，幾乎不能順利地從1數到5。

在文章總結任務中，生成的結果只比隨機選3個句子稍微好一點。

GPT-3能生成更長、邏輯更一致的段落，具備了少樣本學習能力，還可以完成一些基本的算術或代碼任務。

GPT-4則同時在邏輯和語言方面，獲得了重大突破。

理科能力上：能深入思考并推理數學問題，并勝任從編寫復雜代碼到迭代調試的高級編程任務。

文科能力上：能在更長的文本中保持邏輯和內容的一致性，并能輕松駕馭和探討各類復雜話題。

在包括AP和SAT在內的幾乎所有基準測試中，得分已經超越了絕大多數的高中生。

算力規模

在摩爾定律鼎盛期，算力每10年才增長1-1.5個數量級（OOM）；而如今AI硬件的年增長率達到0.6個數量級，速度是過去的5倍還多。

以GPT系列為例，GPT-2到GPT-3實現了設備的過渡，從較小的實驗設備變成了數據中心，一年內增長了2個OOM。

GPT-4延續了這種戲劇性增長，而且從OpenAI囤積芯片的動作來看，這個增長速度會逐漸演變為長期趨勢。

Aschenbrenner預估，「在這個十年結束之前，將有數萬億美元投入到GPU、數據中心和電力建設中。為支持AI的發展，美國至少將電力生產提高數十個百分點」。

隨著AI產品收入的快速增長，谷歌、微軟等公司在2026年左右的年收入可能達到1000億美元。

這將進一步刺激資本，到2027年，每年的AI投資總額可能超過1T美元。

時間線再拉遠，到2028年，單個訓練集群就需要耗資千億美元，比一個國際空間站還貴。

而到本世紀末，一個集群就能吞掉1T美元，每年產出上億個GPU，AI所需電力占美國發電總量的百分比，將從現在的不到5%上升到20%。

算法效率

對算力的瘋狂投資帶來的驚人收益是非常明顯的，但算法進步的驅動力很可能被嚴重低估了。

以MATH基準測試為例，從Minerva到Gemini 1.5 Flash，準確率在50%處的推理效率提高了將近3個OOM，也就是1000倍的效率提升。

雖然推理效率不等同于訓練效率，但這個趨勢可以表明，大量的算法進步是可行的，而且正在發生。

從長期趨勢來看，算法進展的速度也相當一致，因此很容易根據趨勢線做出預測。

回顧2012年-2021年期間ImageNet上的公開算法研究，可以發現，訓練相同性能模型的計算成本以近乎一致的速度下降，每年減少約0.5個OOM，而且每種模型架構都是如此。

雖然LLM的團隊一般不會公開算法效率相關的數據，但根據EpochAI的估算，2012年-2023年期間，每年算法效率的收益也約為0.5個OOM，也就是在8年時間里提升了1萬倍。

解開收益

所謂「解開收益」（unhobbling gains），是指某些情況下模型的原始能力被阻礙了，而通過簡單的算法改進可以解鎖和釋放這些潛在能力。

雖然它也是一種算法改進，但不僅僅是在已有范式內提升訓練效果，而是跳出訓練范式，帶來模型能力和實用價值的躍升。

值得一提的是，這種提升雖然更難量化，但收益卻十分可觀：

RLHF能讓小模型達到百倍于其的大模型的效果

CoT能為推理任務帶來超10倍的有效算力提升

增加上下文長度（從2k到1M+）能解鎖大量全新應用

后訓練則是GPT-4發布后性能大幅改進的主要原因

EpochAI的研究表明，這類技術普遍能帶來5-30倍的等效算力收益。

METR同樣發現，在智能體任務中，GPT-4基礎模型的性能僅為5%，經過后訓練能達到20%，再結合工具和框架后，性能可躍升至近40%。

與算力和算法效率帶來的單一維度的擴展不同，「解開收益」能夠解鎖模型能力的巨大可能性，帶來「階梯式」的進步。

想象一下，如果AI可以使用電腦，有長期記憶，能針對一個問題進行長期思考和推理，而且具備了入職新公司所需的上下文長度，它會有多么強悍的能力？

算力、算法效率、「解開收益」疊加

2027年，AI將取代所有認知工作。

綜合考慮算力、算法效率與解開收益這三個方面的疊加，GPT模型從第2代到第4代，大致經歷了4.5-6個OOM的有效計算擴展。

此外，從基本模型到聊天機器人，相當于約2個OOM的「解開收益」。

基于這個發展速度，數一數OOM，未來4年我們可以期待什么？

首先，隨著計算效率提高，迭代速度會越來越快。假設GPT-4訓練花了3個月的時間，到2027年，領先的AI實驗室將能夠在一分鐘內訓練一個GPT-4級別的模型。

而且，由于「解開收益」的存在，我們不能僅僅是想象一個非常聰明的ChatGPT，還需要把它看成一個非常智能的、能獨立工作的Agent。

到2027年，這些AI系統基本上能夠自動化所有認知工作，或者說是所有可以遠程進行的工作。但是作者同時也提醒道，這其中有很大的誤差范圍。

如果「解開收益」逐漸停滯，或者算法的進展沒能解決數據耗盡的問題，就會推遲AGI的來臨時間。

但也有可能，「解開收益」釋放了模型更大的潛能，讓AGI的實現時間比2027年更早。

AGI守護者，還是激進者？

讓我們回到Leopold的身上。

在2024年的一次采訪中，Leopold就認為英偉達的數據中心收入將從每季度幾十億美元增長到每季度250億美元。

現實也印證了他的說法。

英偉達的2025財年第二季度的數據中心收入就已經超過262億美元。

2026財年第二季度更是直逼411億美元，Leopold還是保守了。

但不論怎么樣，Leopold將自己的那篇引發熱議的「態勢感知」文章轉化為有史以來增長最快的對沖基金之一。

如今，AI初創企業正持續引起VC的關注。

根據CNBC引用Pitchbook的數據，今年上半年AI初創企業籌集了1043億美元，而基于風險投資的退出總額超過了360億美元。

其中最大的幾筆投資包括OpenAI在3月份籌集的400億美元，Scale AI從meta獲得的143億美元，以及Anthropic籌集的35億美元。

而像Leopold這種自稱「覺醒者」的人，也在從二級市場攫取屬于他們的財富。

這也許就是當下這個AI時代之所以愈發瘋狂，最有說服力的注腳。

參考資料：

https://www.youtube.com/watch?v=zdbVtZIn9IM&ab_channel=DwarkeshPatel

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