前OpenAI员工预测AGI将在2027年到来，并以15亿美元基金印证其AI投资眼光

机器之心 08月30日

本文聚焦于前OpenAI员工Leopold Aschenbrenner的传奇经历。他因被指控泄露公司信息而遭OpenAI解雇，随后利用其对AI发展的洞察，创立了规模达15亿美元的对冲基金Situational Awareness。该基金专注于投资受益于AI发展的行业，如半导体和AI公司，并在今年上半年取得了47%的高回报率，远超市场平均水平。Aschenbrenner在解雇后发布的165页分析文章《Situational Awareness: The Decade Ahead》中，详细阐述了AI指数级增长的趋势，并预测通用人工智能（AGI）可能在2027年实现。他认为，算力、算法创新和海量数据是AI进步的关键驱动力，并探讨了AGI可能带来的“智能爆炸”效应及其对社会的影响，包括潜在的颠覆性机遇和严峻的控制挑战。

🚀 **AGI预测与基金表现**：Leopold Aschenbrenner，一位曾被OpenAI解雇的年轻人才，大胆预测通用人工智能（AGI）将在2027年实现。他利用内部信息和对AI趋势的深刻理解，创立了规模达15亿美元的Situational Awareness对冲基金。该基金通过押注AI相关产业（如半导体、基础设施、电力公司及新兴AI公司）并规避被淘汰行业，在今年上半年取得了高达47%的回报率，远超标普500指数和技术对冲基金指数，印证了他对AI投资的敏锐洞察。

💡 **AI指数级增长与驱动因素**：Aschenbrenner在其分析文章《Situational Awareness: The Decade Ahead》中，详细阐述了AI能力的指数级增长，并将其归因于三个主要因素：扩展定律（Scaling Laws）、算法创新以及海量数据集的使用。他强调，随着算力、数据和算法的协同进步，AI模型性能正以接近指数级的速度提升，为AGI的到来奠定了基础。

💥 **“智能爆炸”与AGI的潜在影响**：文章深入探讨了AGI可能引发的“智能爆炸”效应，即一旦AI达到人类水平，其智力将可能以指数级速度自我提升。这种自我完善的循环可能导致AI在解决复杂问题、开发新技术以及管理物理系统方面超越人类，带来材料科学、能源和健康领域的巨大进步。然而，这也伴随着失业、AI伦理以及如何确保超级智能行为符合人类价值观等关键的控制和治理挑战。

原创关注AI的 2025-08-30 12:10 北京

他说：2027年AGI就来。

机器之心报道

编辑：泽南、杨文

他说：2027年AGI就来。

23 岁被 OpenAI 开除，利用自己的「内部消息」打造了一支规模达 15 亿美元的基金，今年这支基金的表现还比华尔街高出 700%。

如此跌宕起伏的人生，你就说刺不刺激？

最近，这个名叫 Leopold Aschenbrenner 的小哥因这段离谱的经历在社交媒体上火了。《华尔街日报》等媒体报道了他迅速蹿升的故事。

Aschenbrenner 本是 OpenAI 知名的「超级对齐」团队成员，被认为是 OpenAI 前首席科学家 Ilya Sutskever 的嫡系，不过后来因涉嫌泄露公司内部信息而被 OpenAI 解雇。

两个月后，他发布了一篇 165 页的分析文章《Situational Awareness: The Decade Ahead》，在硅谷引发广泛关注。

转头，这小哥就扎进投资领域，创建了名为 Situational Awareness 的对冲基金。

别看他没啥专业投资经验，但他的投资策略简单粗暴，就是押注那些可能从 AI 技术发展中受益的行业，如半导体、基础设施和电力公司，以及一些新兴 AI 公司，比如 Anthropic，另一边又做空那些可能被淘汰的行业来保持收益。

这一策略令该基金在短时间内吸引大量投资者，资金规模迅速突破 15 亿美元。

其背后不乏大佬支持，包括支付公司 Stripe 的创始人 Patrick 和 John Collison 两兄弟，Meta 的 AI 团队领导 Daniel Gross 和 Nat Friedman，以及著名投资者 Graham Duncan。

此外，Aschenbrenner 还招聘了曾在彼得・蒂尔宏观对冲基金工作过的 Carl Shulman，作为该基金的研究总监。

许多投资者也对该基金表现出极大的信任，愿意将资金锁定数年不动。

据《华尔街日报》报道，该基金在今年上半年实现了 47% 的回报率，远超同期标普 500 指数的 6% 和技术对冲基金指数的 7%，堪称市场中的一匹黑马。

Aschenbrenner 去年在接受播客主持人 Dwarkesh Patel 采访时表示：「我们将比纽约那些管理资金的人拥有更多的情境意识，肯定会在投资上做得非常出色。」

Leopold Aschenbrenner 是谁？

Aschenbrenner 是个 00 后，在德国出生，作为「天才少年」的他 15 岁时进入哥伦比亚大学学习，并于 19 岁时以优异成绩毕业，获得了数学、统计学和经济学三个学位，成为该校的优秀毕业生。

GPA 够高，据说还是年级第一。

毕业后，他在牛津大学的全球优先事项研究所从事长期经济增长研究，并参与了有效利他主义运动。他曾在 FTX Future Fund 工作，专注于 AI 安全和全球风险管理。

2023 年，Aschenbrenner 加入了 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 与人类价值观一致。他参与过的工作，包括被广泛关注的《Weak-to-Strong Generalization: Eliciting Strong Capabilities With Weak Supervision》（https://arxiv.org/abs/2312.09390）。

在全球领先的人工智能实验室工作时，他发现了 OpenAI 可能将美国 AI 机密泄露给外国对手的安全漏洞。于是在 2024 年 4 月，他将自己的担忧写成备忘录分享给董事会成员，但时值 OpenAI「宫斗」第二季，随后以泄密为理由被 OpenAI 解雇。

故事发展到这样的程度，或许只需要看做是 OpenAI 去年宫斗背景下混乱的一角，但 Leopold Aschenbrenner 显然不是等闲之辈。

《态势感知：未来十年》

在去年被 OpenAI 赶走后，Leopold Aschenbrenner 更加没了束缚，他在一篇长达 165 页的论文《Situational Awareness: The Decade Ahead》（态势感知：未来十年）中，阐述了自己对于 AI 发展的看法，在硅谷被广泛传阅。

他的论点简单而具革命性：「全世界正处于人类历史上最大的变革之中，而我们还在昏昏欲睡。现在，可能只有几百人，大多数都在旧金山和人工智能实验室，能真正理解当前 AI 领域发生的事情。」

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

在文章中，作者探讨了近年来 AI 能力的指数级增长，尤其是 GPT-2 到 GPT-4 出现的过程。Leopold Aschenbrenner 强调，这是一个快速进步的时代，人工智能从完成非常基础的任务发展到拥有更复杂、类似人类的理解和语言生成能力。

「数量级」（Orders of Magnitude，即「OOM」）的概念对于讨论至关重要。Aschenbrenner 使用数量级（OOM）来评估 AI 能力、算力和数据消耗的进步，OOM 指给定指标的十倍增长。就计算能力和数据可扩展性而言，从 GPT-2 到 GPT-4 的转换代表了许多 OOM。

这些收益的背后有三个主要因素 —— 扩展定律（Scaling Laws）、算法创新及海量数据集的使用，它们的增长接近于指数级。根据扩展定律，当使用更大规模的数据和处理能力进行训练时，模型的性能会得到可靠的提升。

算法创新也至关重要。训练方法、优化策略和底层架构的进步提升了 AI 模型的功效和效率。这些发展使模型能够更好地利用持续增长的算力和可用数据。

Leopold Aschenbrenner 强调了到 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，提升算法效率的前提下，我们或许能够让 AI 系统在众多领域上与人类智力匹敌，甚至超越人类。

通用人工智能的出现无疑将产生深远的影响。这类系统能够独立解决复杂问题，以目前只有人类专家才能做到的方式进行创新，执行复杂的工作，这又赋予了 AI 系统自我进化的潜力。

AGI 的发展会改变各行各业，提高生产力和效率。但它也带来了一些重要问题，例如失业、AI 道德，需要强有力的治理结构来控制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，以及从如今 AI 快速过渡到远超人类认知能力的系统的可能性。该论点的核心思想是，驱动 AI 进化的原理可能会产生一个反馈回路，一旦达到人类水平，其智力就会爆发式增长。根据「智能爆炸」的概念，AGI 可能会自行开发算法和技能，它们能够比人类研究人员更快地完善自身设计。这种自我完善的循环可能会带来智力的指数级增长。

他对可能影响这种快速升级的各种变量进行了全面的分析。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，能够识别远远超出人类理解范围的模式和洞察。

此外，AGI 还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，并行改进其设计和性能的不同部分。

因此，这些系统将比任何人都强大得多，能够开发新技术，解决复杂的科学技术难题，甚至可能以当今无法想象的方式管理物理系统。超级智能可能带来的优势，例如材料科学、能源和健康领域的进步，这些进步可能会显著提高经济生产力和人类福祉。与此同时，控制是主要问题之一。一旦系统超越人类智力，就很难确保其行为符合人类的价值观和利益。

构建 AGI 所需的计算基础设施需要大规模工业动员，这不仅包括纯粹的算力，还包括设备效率、能源利用和信息处理能力的提升。