Bill The Investor (@billtheinvestor) “这位将 2.25 亿美元变成 55 亿美元的男子，在镜头前详细解释了他进行最大规模押注的原” — TopicDigg

这位将 2.25 亿美元变成 55 亿美元的男子，在镜头前详细解释了他进行最大规模押注的原因。这就是 Leopold Aschenbrenner。在 Oracle 签署了 2.8 吉瓦燃料电池协议后，他持有的 Bloom Energy 仓位现已价值近 20 亿美元。他阐述了驱动其基金每一项投资决策背后的电力算力逻辑。2022 年，GPT-4 训练集群的功耗约为 10 兆瓦，成本约为 5 亿美元。AI 算力规模正以每年约半个数量级的速度增长，这意味着最大的训练集群的电力需求每 12 到 18 个月就会翻一番，且从未停歇。到 2024 年，最大的集群规模约为 100 兆瓦，相当于 10 万块高端 GPU，成本高达数十亿美元。 到 2026 年，即现在，领先的训练集群需要 1 吉瓦的持续电力，这相当于一座大型核反应堆的输出功率。到 2028 年，预测值将达到 10 吉瓦，这比美国大多数州的总发电量还要多。到 2030 年，万亿美元级别的集群将达到 100 吉瓦，这超过了美国目前总发电量的 20%，而这仅仅由单个 AI 训练设施消耗。而这还仅仅是训练集群。推理，即为数亿用户运行 AI 产品所需的持续算力，在此基础上还需要数倍的电力。与此同时，过去十年美国的总发电量几乎只增长了 5%，且电网的设计初衷并非应对此类需求。目前占据新闻头条的变压器短缺、开关设备积压以及数据中心项目取消，都是电力系统即将撞墙的初步可见症状，而 Aschenbrenner 在市场其他参与者察觉之前几年的就预见到了这一点。 这正是他为何在 Bloom Energy 上建立了 8.75 亿美元的仓位。该公司利用燃料电池直接在数据中心现场发电，完全绕过了电网瓶颈——而这一瓶颈已经导致美国一半计划中的数据中心无法按期开工。其核心逻辑从未复杂过。AI 的瓶颈不在于模型，不在于芯片，也不在于软件。瓶颈在于，文明能否产生足够的电力，以驱动机器运行到足以产生影响力的速度。