《Situational Awareness》精华提取：一个前OpenAI研究员眼中的未来十年

素材整理 | 研路炼钢

原文：Leopold Aschenbrenner，《Situational Awareness: The Decade Ahead》，2024年6月，165页，5万字

一、作者是谁？为什么值得认真读？

作者介绍

Leopold Aschenbrenner（利奥波德·阿申布伦纳），德裔美国人，19岁以最优毕业生身份从哥伦比亚大学毕业，主修经济学和数学统计。2023年加入OpenAI的”超级对齐”（Superalignment）团队，师从Ilya Sutskever。2024年4月因涉嫌泄露内部安全备忘录被解雇（他本人否认泄密，称只是与外部研究者分享了一份关于安全措施的头脑风暴文件）。

离开两个月后，他发布了这篇165页的研究报告，在硅谷迅速传播。特朗普女儿伊万卡都在社交媒体上推荐过。随后他创办了以此文命名的对冲基金”Situational Awareness LP”，获得Stripe创始人Patrick和John Collison等人投资，截至2025年管理规模超过15亿美元。

他不是旁观者，他是参与构建这项技术的人。 这篇文章也因此被一些人比作冷战初期外交官乔治·凯南的那封”长电报”——试图唤醒精英阶层对即将到来的变局的认知。

二、核心论点：未来十年的五大判断

核心论点

判断一：2027年前后，AGI将成为现实

这是全文最核心也最大胆的判断。他的推导逻辑非常清晰：

“数OOM”方法论（OOM = Order of Magnitude，数量级，10倍 = 1个OOM）：

GPT-2（2019）→ GPT-4（2023），仅用4年时间，AI从”勉强能拼凑几句话”进化到”能通过大多数高中和大学考试”
这背后是三个维度的持续增长：
- 算力（Compute）：每年增长约0.5个OOM（约3倍）
- 算法效率（Algorithmic Efficiency）：每年也增长约0.5个OOM
- “去束缚”增益（Unhobbling）：RLHF、思维链、工具调用、Agent化等，释放模型已有但被压制的潜力

关键推算：从GPT-4到2027年底，我们还将获得约10万倍（~5个OOM）的有效算力提升。这意味着又一次GPT-2到GPT-4量级的质变飞跃。

他的原话（大意）：到2027年，模型很可能有能力完成一个AI研究员/工程师的工作。这不需要相信科幻——只需要相信图表上的直线。

过去十年的教训：一次又一次，怀疑者声称”深度学习做不到X”，然后被迅速打脸。MATH基准测试2021年发布时最好的模型只答对5%，作者还说需要”根本性的新突破”才能解决。结果一年后就到了50%，现在已经超过90%。

判断二：AGI之后，超级智能将在一年内到来（智能爆炸）

这是全文第二个震撼性判断：AI进步不会停在人类水平。

他用原子弹和氢弹做类比：原子弹是更高效的轰炸，氢弹则是能毁灭一个国家的武器——两者之间只隔了7年。AGI和超级智能的关系类似。

核心逻辑：

一旦实现AGI，我们不会只有一个AGI，而是可以同时运行数百万甚至上亿个AGI副本
这些AI不需要会走路或倒咖啡，只需要能在电脑上做ML研究
原来一个顶级AI实验室只有几百个人类研究员，现在变成了上亿个自动化研究员，日夜不停地工作
而且很快它们可以以10倍甚至100倍于人类的速度思考
结果：人类研究员十年的算法进步，可能在不到一年内被压缩完成

他特别强调了一个反直觉的观点：很多重大的ML突破其实非常简单和”hacky”——“加个归一化层”（LayerNorm）、”做f(x)+x而不是f(x)”（残差连接）、”修个实现bug”（Kaplan到Chinchilla缩放律）。AI研究是可以被自动化的。

判断三：万亿美元级基础设施竞赛已经开始

这是对投资者最重要的一章。 他用详细的数据表格展示了一个惊人的基建扩张时间线：

年份	最大训练集群规模	成本	电力需求	参照物
2022（GPT-4）	~1万块H100等效	~5亿美元	~10MW	约1万户家庭
~2024	~10万块	数十亿美元	~100MW	约10万户家庭
~2026	~100万块	数百亿美元	~1GW	胡佛大坝或一座大型核反应堆
~2028	~1000万块	数千亿美元	~10GW	一个中等美国州的用电量
~2030	~1亿块	1万亿美元+	~100GW	美国总发电量的20%以上

全球AI总投资规模：

2024年已经达到1500亿~2000亿美元
到2027年，总AI投资可能超过1万亿美元/年
到2030年，可能达到8万亿美元/年

他指出，当时硅谷最热门的话题不是”下一个模型能做什么”，而是**”我到哪里去找10GW的电力？”** 算力不是瓶颈，能找到的基础设施才是。

历史参照：曼哈顿计划和阿波罗计划在高峰年份各自达到GDP的0.4%（约1000亿美元），而AI投资到2027年可能达到GDP的3%。1996-2001年电信行业投入了约1万亿美元（今日价值）。AI投资将超越这些历史先例。

收入支撑逻辑：微软Office有3.5亿付费用户，如果其中三分之一愿意为AI插件支付100美元/月，就已经是超过1000亿美元的年收入。对普通白领来说，这只相当于每月省下几个小时的生产力。

判断四：实验室安全形同虚设，国家安全危机迫在眉睫

这是他在OpenAI时就向董事会提交过备忘录的核心关切：

顶级AI实验室对安全的态度就像”把国防机密放在银盘上端给对手”
AGI的模型权重和关键算法秘密一旦被窃取，等于把数万亿美元的研发投入拱手让人
他认为当时OpenAI的安全措施远远不足以抵御国家级别的网络攻击

他预测，到2027-2028年，美国政府将不得不介入，形成某种形式的”政府AGI项目”。没有任何初创公司能独自处理超级智能带来的挑战。

判断五：自由世界的存亡之战

他将AGI竞赛提升到地缘政治的高度：

超级智能将提供决定性的经济和军事优势
中国并没有出局（后来DeepSeek R1的发布在某种程度上验证了这一点）
这不仅是一个商业和技术故事，更是一个国家安全故事——类似核武器诞生时的局面，但影响更加深远
在通往AGI的竞赛中，自由世界的存续本身将面临考验

三、对我们的启示

对我们的启示

1. 关于技术趋势的判断力

Aschenbrenner最打动人的不是他的预测多么大胆，而是他预测的方法论多么朴素——就是相信趋势线。过去十年，每一个声称”深度学习做不到X”的人都被打脸了。他只是把这条趋势线往前画了几年。

2. 关于投资方向

全文最核心的投资洞察：真正的超额回报可能不在做AI模型或应用的公司，而在AI背后的基础设施——电力、芯片制造、数据中心、冷却系统、电力传输设备。

他提到一个细节：当时硅谷最抢手的不是AI工程师，而是能拿到电力合同和电压变压器的人。美国需要在十年内将发电量提升数十个百分点。

Nvidia的数据中心收入从140亿美元暴涨到900亿美元年化只是”刚刚开始”。

3. 关于个人准备

他在文末说了一句发人深省的话（大意）：目前全世界可能只有几百人真正理解即将发生什么。这些人大多在旧金山的AI实验室里。也许他们会成为历史的脚注，也许他们会像西拉德、奥本海默和泰勒一样载入史册。

对于普通人来说，核心启示是：不要用线性思维去预判AI的发展速度。 我们正处在一个指数级变化的起点。

四、需要注意的反面观点

需要注意的反面观点

公平地说，Aschenbrenner的观点并非共识：

他是AI投资者，不是完全中立的观察者。他创办的对冲基金直接押注AGI的到来。
AGI的定义本身就很模糊。关于当前大语言模型能否真正通向AGI，业界专家意见分歧很大。
技术进步从来不是一条光滑曲线。历史上有很多看似不可阻挡的趋势最终撞上了瓶颈期（plateau），有些瓶颈期相当漫长。
更广泛的专家共识认为，AI在到达AGI之前就已经有巨大的价值和应用空间，AGI本身可能并不是重点。

但无论你是否同意他的时间表，这篇文章提供的思考框架——用”数OOM”的方法来量化AI进步的速度——对任何关注AI发展的人来说都是极有价值的。

五、全文结构速览

全文结构速览

章节	主题	一句话概括
导言	态势感知	全世界可能只有几百人真正理解即将发生什么
第一章	从GPT-4到AGI	数OOM：2027年AGI完全合理
第二章	从AGI到超级智能	智能爆炸：AI自动化AI研究，十年进步压缩到一年
第三章a	万亿美元集群竞赛	史无前例的基建扩张，电力成为核心瓶颈
第三章b	实验室安全	当前安全措施远远不够，形同裸奔
第三章c	超级对齐	控制比我们聪明得多的AI是未解的技术难题
第三章d	自由世界必须胜出	地缘政治维度：这是关乎国家存亡的竞赛
第四章	政府项目	2027-2028年政府将不得不介入
第五章	结语	如果我们是对的呢？