[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"news-detail:ZX20250831_30296020":3},{"code":4,"data":5},0,{"unicode":6,"title":7,"categoryId":8,"categoryName":9,"industryId":10,"industryName":11,"origin":12,"originAuthor":13,"originRemark":14,"originUrl":15,"pic":16,"content":17,"numRead":18,"numLike":4,"createTime":19,"hadFav":4,"hadLike":4,"status":4,"memberUnicode":20,"companyLogo":21,"companyName":22,"corporateVideoUrl":13,"collected":4,"corporate3dCover":23,"corporate3dUrl":23,"corporate3dId":23,"companyUnicode":24,"focusFlag":25,"exhibitionMainInfoVO":23},"ZX20250831_30296020","23岁小哥被OpenAI开除，成立对冲基金收益爆表，165页论文传遍硅谷","1242381412612444162","行业动态","1245513623956107264","其它行业",1,"","http:\u002F\u002Ftech.ifeng.com\u002F","https:\u002F\u002Ftech.ifeng.com\u002Fc\u002F8mF6gvL03Rv","https:\u002F\u002Fx0.ifengimg.com\u002Fucms\u002F2025_35\u002FFA028259FC8CBA4C79B00D3C399C53999E776F1D_size410_w880_h1011.png","\u003Cdiv class=\"index_articleBox_6mBbT\" style=\"height:auto\">\n \u003Cdiv class=\"index_text_D0U1y\">\n  \u003Cp>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%。\u003C\u002Fp>\n  \u003Cp>如此跌宕起伏的人生，你就说刺不刺激？\u003C\u002Fp>\n  \u003Cp>\u003Cimg class=\"empty_bg\" src=\"https:\u002F\u002Fx0.ifengimg.com\u002Fucms\u002F2025_35\u002FFA028259FC8CBA4C79B00D3C399C53999E776F1D_size410_w880_h1011.png\" src=\"data:image\u002Fpng;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABAQMAAAAl21bKAAAAA1BMVEXy8vJkA4prAAAACklEQVQI12NgAAAAAgAB4iG8MwAAAABJRU5ErkJggg==\" style=\" width: 640px; height: 735px;\">\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>\u003Cimg class=\"empty_bg\" src=\"https:\u002F\u002Fx0.ifengimg.com\u002Fucms\u002F2025_35\u002F992FC05CC1123A51358BB749BBE489577E57DA72_size87_w1080_h929.jpg\" src=\"data:image\u002Fpng;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABAQMAAAAl21bKAAAAA1BMVEXy8vJkA4prAAAACklEQVQI12NgAAAAAgAB4iG8MwAAAABJRU5ErkJggg==\" style=\" width: 640px; height: 550px;\">\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>\u003Cimg class=\"empty_bg\" src=\"https:\u002F\u002Fx0.ifengimg.com\u002Fucms\u002F2025_35\u002FC69E25A77EB80C78115C68B9AAEB54EE4CFC766E_size209_w400_h400.png\" src=\"data:image\u002Fpng;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABAQMAAAAl21bKAAAAA1BMVEXy8vJkA4prAAAACklEQVQI12NgAAAAAgAB4iG8MwAAAABJRU5ErkJggg==\" style=\" width: 400px; height: 400px;\">\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>\u003Cimg class=\"empty_bg\" src=\"https:\u002F\u002Fx0.ifengimg.com\u002Fucms\u002F2025_35\u002F633041F1616B36EEBB11DB82A07122903D4CEFA7_size57_w1080_h276.png\" src=\"data:image\u002Fpng;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABAQMAAAAl21bKAAAAA1BMVEXy8vJkA4prAAAACklEQVQI12NgAAAAAgAB4iG8MwAAAABJRU5ErkJggg==\" style=\" width: 640px; height: 163px;\">\u003C\u002Fp>\n  \u003Cp>转头，这小哥就扎进投资领域，创建了名为 Situational Awareness 的对冲基金。\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>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。」\u003C\u002Fp>\n  \u003Cp>Leopold Aschenbrenner 是谁？\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>\u003Cimg class=\"empty_bg\" src=\"https:\u002F\u002Fx0.ifengimg.com\u002Fucms\u002F2025_35\u002F351B3A0E774A556EEEAC5FB3330F8DCBAFF24D6C_size42_w1080_h205.png\" src=\"data:image\u002Fpng;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABAQMAAAAl21bKAAAAA1BMVEXy8vJkA4prAAAACklEQVQI12NgAAAAAgAB4iG8MwAAAABJRU5ErkJggg==\" style=\" width: 640px; height: 121px;\">\u003C\u002Fp>\n  \u003Cp>GPA 够高，据说还是年级第一。\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>\u003Cimg class=\"empty_bg\" src=\"https:\u002F\u002Fx0.ifengimg.com\u002Fucms\u002F2025_35\u002F0A1B016771A47A55EB1DB615FB224DF04054B2BE_size234_w1080_h732.png\" src=\"data:image\u002Fpng;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABAQMAAAAl21bKAAAAA1BMVEXy8vJkA4prAAAACklEQVQI12NgAAAAAgAB4iG8MwAAAABJRU5ErkJggg==\" style=\" width: 640px; height: 433px;\">\u003C\u002Fp>\n  \u003Cp>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:\u002F\u002Farxiv.org\u002Fabs\u002F2312.09390）。\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>\u003Cimg class=\"empty_bg\" src=\"https:\u002F\u002Fx0.ifengimg.com\u002Fucms\u002F2025_35\u002F1A7BB2EA7C56EEFEE18B620CD9D17616D472EC38_size864_w1080_h608.png\" src=\"data:image\u002Fpng;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABAQMAAAAl21bKAAAAA1BMVEXy8vJkA4prAAAACklEQVQI12NgAAAAAgAB4iG8MwAAAABJRU5ErkJggg==\" style=\" width: 640px; height: 360px;\">\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>《态势感知：未来十年》\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>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。」\u003C\u002Fp>\n  \u003Cp>\u003Cimg class=\"empty_bg\" src=\"https:\u002F\u002Fx0.ifengimg.com\u002Fucms\u002F2025_35\u002F53F5890B30CCE61E0CE699CB14167B7C4D14A51C_size141_w1080_h654.png\" src=\"data:image\u002Fpng;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABAQMAAAAl21bKAAAAA1BMVEXy8vJkA4prAAAACklEQVQI12NgAAAAAgAB4iG8MwAAAABJRU5ErkJggg==\" style=\" width: 640px; height: 387px;\">\u003C\u002Fp>\n  \u003Cp>文章链接：https:\u002F\u002Fsituational-awareness.ai\u002F\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>\u003Cimg class=\"empty_bg\" src=\"https:\u002F\u002Fx0.ifengimg.com\u002Fucms\u002F2025_35\u002FADBCBBA34BFD15066BE0C702E6F72018D972A1D0_size55_w1015_h345.png\" src=\"data:image\u002Fpng;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABAQMAAAAl21bKAAAAA1BMVEXy8vJkA4prAAAACklEQVQI12NgAAAAAgAB4iG8MwAAAABJRU5ErkJggg==\" style=\" width: 640px; height: 217px;\">\u003C\u002Fp>\n  \u003Cp>「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。\u003C\u002Fp>\n  \u003Cp>\u003Cimg class=\"empty_bg\" src=\"https:\u002F\u002Fx0.ifengimg.com\u002Fucms\u002F2025_35\u002FD635794FD144B0EBB03BC1F3F8FE96EBD46FD3EE_size91_w662_h557.png\" src=\"data:image\u002Fpng;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABAQMAAAAl21bKAAAAA1BMVEXy8vJkA4prAAAACklEQVQI12NgAAAAAgAB4iG8MwAAAABJRU5ErkJggg==\" style=\" width: 640px; height: 538px;\">\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>\u003Cimg class=\"empty_bg\" src=\"https:\u002F\u002Fx0.ifengimg.com\u002Fucms\u002F2025_35\u002F45C78B26E5E56E2E60041873DB9484B1FAA1D021_size102_w776_h439.png\" src=\"data:image\u002Fpng;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABAQMAAAAl21bKAAAAA1BMVEXy8vJkA4prAAAACklEQVQI12NgAAAAAgAB4iG8MwAAAABJRU5ErkJggg==\" style=\" width: 640px; height: 362px;\">\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>\u003Cimg class=\"empty_bg\" src=\"https:\u002F\u002Fx0.ifengimg.com\u002Fucms\u002F2025_35\u002FD0CC26497FB02711C2AD0E59EE29B19E3080BBED_size135_w958_h542.png\" src=\"data:image\u002Fpng;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABAQMAAAAl21bKAAAAA1BMVEXy8vJkA4prAAAACklEQVQI12NgAAAAAgAB4iG8MwAAAABJRU5ErkJggg==\" style=\" width: 640px; height: 362px;\">\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>\u003Cimg class=\"empty_bg\" src=\"https:\u002F\u002Fx0.ifengimg.com\u002Fucms\u002F2025_35\u002FBD29484051EFC32F9BBB93EE274E9B17ED86D326_size229_w888_h681.png\" src=\"data:image\u002Fpng;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABAQMAAAAl21bKAAAAA1BMVEXy8vJkA4prAAAACklEQVQI12NgAAAAAgAB4iG8MwAAAABJRU5ErkJggg==\" style=\" width: 640px; height: 490px;\">\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>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。\u003C\u002Fp>\n  \u003Cp>\u003Cimg class=\"empty_bg\" src=\"https:\u002F\u002Fx0.ifengimg.com\u002Fucms\u002F2025_35\u002F1930F132A3D068058BC3B44DF5272564E6FBE92D_size140_w940_h738.png\" src=\"data:image\u002Fpng;base64,iVBORw0KGgoAAAANSUhEUgAAAAEAAAABAQMAAAAl21bKAAAAA1BMVEXy8vJkA4prAAAACklEQVQI12NgAAAAAgAB4iG8MwAAAABJRU5ErkJggg==\" style=\" width: 640px; height: 502px;\">\u003C\u002Fp>\n  \u003Cp>Aschenbrenner 认为，随着 AGI 越来越近，国家安全机构将在这些技术的创造和管理中发挥更大的作用。他认为，通用人工智能的战略意义可以与阿波罗计划、曼哈顿计划相比较。\u003C\u002Fp>\n  \u003Cp>在他的文章发布一年多以后，AI 技术日新月异，不过我们也看到了当初的很多预测在被一步步得到验证。最直接的可能就是各家科技巨头纷纷投入重金，建设前所未有的大规模 AI 算力基础设施的盛景了。\u003C\u002Fp>\n  \u003Cp>那么，AGI 会如 Aschenbrenner 所说的在 2027 年到来吗？或许通过他的投资收益，我们可以间接地看到些端倪。\u003C\u002Fp>\n \u003C\u002Fdiv>\n \u003Cspan>\u003C\u002Fspan>\n \u003Cdiv class=\"index_end_1O-ki\">\u003C\u002Fdiv>\n\u003C\u002Fdiv>",679,"2025-09-01 11:43:48","3620375967","https:\u002F\u002Foss-images6396289.yzdli.com\u002F3620375967\u002F1ftirt8q0e\u002F20200602111616.png","广州立佳信科技有限责任公司",null,"ci67fdmkbnogt",-2]