与「SituationalAwareness」相关的搜索结果

Leopold 13F曝光：卖半导体，梭哈算力基础设施——他看到了什么 Leopold Aschenbrenner，OpenAI前核心研究员，Situational Awareness Fund掌门人，Q1持仓终于曝光。 一句话总结：弃算力芯片，押AI基础设施全产业链——电力（BE）、存储（SNDK）、算力租赁（CRWV、IREN、CORZ）。 他的最大仓位不是intel，不是amd，而是： •Bloom Energy $878.7M——电力 •SanDisk $724.4M——存储 •CoreWeave $556.1M——AI算力租赁 •IREN $401M——GPU云基础设施 •Core Scientific $389.1M——数据中心 半导体呢？AMD只有$20.2M，SMH $10.3M，台积电$7.6M，美光$5.9M，ASML$6.1M——加起来还不够他一个Coreweave仓位的零头。 对比上个季度报告，我能看到几个明显变化： 新增/大幅加仓（Q1新出现）： 1. SNDK $724M——大幅加仓，Q4也有但规模小很多 2. IREN $401M——Q4有，Q1大幅加仓（上个季度只有8.7M shares，这个季度有11.7M shares） 3. CORZ $389M——继续持有（上个季度28.6M shares，这个季度26M，略微减仓） 4. CRWV $556M —— 大幅加仓（上个季度6.09M shares，这个季度7.2M shares） 5. APLD $320M —— 大幅加仓（上个季度11.3M shares，这个季度13.5M shares） 还加仓了RIOT和CLSK Q4有但Q1明显变化： LUMENTUM（LITE）、CIPHER MINING（CIFR）、COHERENT（COHR）、INFOSYS（INFY）——Q4在，Q1消失了，清仓了 这个持仓结构在说一件事：AI算力的红利不在造芯片的人，而在用芯片的人。电力、数据中心、算力租赁——这才是他认为的下一个十年最确定的赛道。卖铲子的赚了第一桶金，现在轮到挖矿的了。 下半年neocloud板块要到验证的时候了，大佬持仓非常看好neocloud，H200 租赁价格都到每小时7刀，B200到每小时5.73，如果芯片都按时部署，那么原定计划的ARR是不是要翻倍？ $IREN 我会越跌越补，48-50大概率再来一次，这个位置要加重仓。 #Leopold# #SituationalAwareness# #IREN# #CoreWeave# #CRWV# #AI基础设施# #13F# #美股#

神一样的男人，又可以炒作业了！🧐 Leopold的基金Situational Awareness LP披露其持有 Nebius(#NBIS#) 1241万股A类普通股，占发行股份的5.6%！ Nebius是一家总部位于荷兰阿姆斯特丹的AI基础设施公司，欧洲AI领域的黑马，是欧洲最大的算力巨头，曾受到Meta与微软百亿合作，英伟达投资！ 受此消息影响，#NBIS# 夜盘大涨9.44%！

新一代股神 SITUATIONAL AWARENESS 的 Q1 13F 来了 可能很多人要失望了，几乎没有财富密码，最大变化是从“股票 + Call 多头”变成“股票 + 大量 Put 对冲”，62% 都是 PUT, 放在 Q1 价格高位 + 战争的背景下，到也能够理解 最大的三个 Call $SNDK , $BE 和 $CRWV ，清仓了所有光 4 月份这波上涨, 他大概率也做了调整，但没有显示在文件里 这个操作肯定不能照抄，市场变化这么快，但可以学习思路，股神觉得什么样的价格是过热了 完整链接放在评论区

SBF 还在狱中，他当年的小弟一年多狂赚 130 亿美元 过去几个月，AI 圈最受关注的基金之一，就是这个叫 Situational Awareness LP 的机构。创始人 Leopold Aschenbrenner 在 2022 年就职于 FTX 旗下的 Future Fund，直到 FTX 暴雷。 Situational Awareness LP 在 2024 年 Q4 时，公开持仓规模「仅有」2.25 亿美元。然后，在今年 2 月公布的 2025 年 Q4 持仓中，这一数字已飞速增长到了 55 亿美元。 现在离 Q1 过去了一个半月，所以市场都在关注，在 2026 年 Q1 的 AI 牛市中，他们又赚了多少钱？ 今天，Situational Awareness LP 向 SEC 提交的 F13 文件出炉了，我让 AI 总结了下，结果见图。过去一个季度，Situational Awareness LP 的持仓价值从 55 亿美元，增长到了惊人的 136.77 亿美元。

2026年5月，27岁的对冲基金经理Leopold Aschenbrenner再次成为市场焦点。 他管理的基金Situational Awareness LP在12个月内从3.83亿美元增长至55.17亿美元，增幅超过14倍。他的持仓没有英伟达、没有微软、没有OpenAI，取而代之的是燃料电池公司、比特币矿企、老牌芯片制造商和光学元件供应商这些很多人视野之外的标的。 他被称为美股新一代的股神，这是他投资的五大核心法则： 1. 鹰之视野：超越短期波动的长期主义 2. 逆行者之孤：在共识中保持独立思考 3. 深潜之识：信息是超额收益的源泉 4. 非对称杠杆：寻找风险有限、回报无限的机会 5. 心如止水：成为贪婪与恐惧的主人

又一个可以美股抄作业的AI投资大神，就是那个被 #OpenAI# 扫地出门的天才少年Leopold Aschenbrenner，他管理的基金Situational Awareness，仅仅1年多时间，从资产2.25亿美金飙升到如今55亿美金，整整增长了24倍。 他目前持仓的15只主要美股，每一只都跟AI相关，他的逻辑跟我们平时研究公链或AI的逻辑有异曲同工之处，核心看底层硬约束。缺电投电，缺内存投内存，缺机房投机房。 25年底，他基金披露出来的前5大持仓分别如👇图2，这5家公司在26年涨幅都十分惊人，给基金带来了接近20亿美金增长，以后是一个很好抄作业的代表，抄作业链接放在评论区！ #BE# 解决“缺电问题”。 #LITE# 解决“数据传输问题”。 #CRWV# 解决“云与Token经济问题”； #SNDK# 解决“数据存储问题”。 #CIFR# 解决“机房借电问题”； 1️⃣Bloom Energy (#BE#) ，AI 时代的“私人充电宝” 核心卖燃料电池的。它不靠电网，直接用天然气或氢气在现场发电，减少了AI机房的电力建设周期。 众所周知，美国电网旧的老掉牙，要等电网完善，AI机房黄花菜都凉了。Oracle要建超大规模机房给 OpenAI 用，电网批电要等几年，但找 Bloom Energy 几个月就能搞定，而Oracle也是BE的大客户之一。它现在是 AI 基础设施的「脱电网神器」。 2️⃣Lumentum Holdings (#LITE#) ，算力机房的“高速公路”，光通信领域的绝对龙头，专门做光收发器和激光器。 现在的 GPU 集群，比如几万张 H100之间，数据交换量极其恐怖。如果用铜线连接，速度慢还发热。Lumentum 的光模块就是把电信号变光信号，让几万颗芯片像一个大脑一样协同工作。没有它，算力集群就是一盘散沙。 3️⃣CoreWeave Inc(#CRWV#) 属于NVIDIA 的“亲儿子”算力商。这家公司以前是挖以太坊的，毕竟都是GPU，由于ETH转型POS后，干脆后面全仓转型搞 GPU 云服务。 它是 NVIDIA 全球最大的合作伙伴之一，甚至能先于亚马逊、谷歌拿到最顶级的显卡（H100/H200/B200）。它是专门为 AI 训练而生的云，效率比传统公有云高得多，是现在 AI 独角兽们最爱租的“算力房东”。 4️⃣Sandisk Corp (#SNDK#) ，最近已经涨疯了，很快要站上1000美金了，作为存储巨头，核心做闪存和 SSD 硬盘。 目前大家都在抢算力，但 AI 模型越大，喂给它的数据就越多，训练出来的“权值文件”也越大。AI 不光需要大脑快，还需要兜里装得下海量知识。存储是整个 AI 链条里刚需型的环节。 5️⃣Cipher Digital (#CIFR#) ， 矿场变机房的“转型标兵”，它是一家从加密货币矿工成功上岸 HPC。 首先这家公司原来叫 Cipher Mining赛富矿业，2026 年初刚改名 Cipher Digital。目前矿场最值钱的是什么？是大载荷的供电许可和现成的配电设施。 这家公司把挖矿的厂房拆了，改造成 AI 机房，直接卖电力容量给 AWS和谷歌。在“缺电”的当下，它手里的电力批文就是金矿。 天才少年Leopold Aschenbrenner的投资逻辑，是值得借鉴和思考的，他采用的便是标准的「第一性原理」，推演未来3-5年后，AI市场最缺乏的是什么，那么现在就去资本市场下注！🧐

We’re building an LLM chip that delivers much higher throughput than any other chip while also achieving the lowest latency. We call it the MatX One. The MatX One chip is based on a splittable systolic array, which has the energy and area efficiency that large systolic arrays are famous for, while also getting high utilization on smaller matrices with flexible shapes. The chip combines the low latency of SRAM-first designs with the long-context support of HBM. These elements, plus a fresh take on numerics, deliver higher throughput on LLMs than any announced system, while simultaneously matching the latency of SRAM-first designs. Higher throughput and lower latency give you smarter and faster models for your subscription dollar. We’ve raised a $500M Series B to wrap up development and quickly scale manufacturing, with tapeout in under a year. The round was led by Jane Street, one of the most tech-savvy Wall Street firms, and Situational Awareness LP, whose founder @leopoldasch wrote the definitive memo on AGI. Participants include @sparkcapital, @danielgross and @natfriedman’s fund, @patrickc and @collision, @TriatomicCap, @HarpoonVentures, @karpathy, @dwarkesh_sp, and others. We’re also welcoming investors across the supply chain, including Marvell and Alchip. @MikeGunter_ and I started MatX because we felt that the best chip for LLMs should be designed from first principles with a deep understanding of what LLMs need and how they will evolve. We are willing to give up on small-model performance, low-volume workloads, and even ease of programming to deliver on such a chip. We’re now a 100-person team with people who think about everything from learning rate schedules, to Swing Modulo Scheduling, to guard/round/sticky bits, to blind-mated connections—all in the same building. If you’d like to help us architect, design, and deploy many generations of chips in large volume, consider joining us.

Frontier models can recognize when they are being tested, and their tendency to scheme is influenced by this situational awareness. We demonstrated counterfactually that situational awareness in their chain-of-thought affects scheming rates: the more situationally aware a model is, the less it schemes, and vice versa. Moreover, both RL training and anti-scheming training increase levels of situational awareness.

In this new research with @apolloaievals, we found behaviors consistent with scheming in controlled tests across frontier models, including OpenAI o3 and o4-mini, Gemini-2.5-pro, and Claude Opus-4. We can significantly reduce scheming by training models to reason explicitly, using an extension to the Model Spec that prohibits scheming. That method is called deliberative alignment. With this technique, we can reduce covert actions by 30x for o3. However, situational awareness complicates results. Model spec: