跨市博弈丨押注電力股年化回報超過100%—這告訴我們什麼？

華爾街從來不缺天才。但能在24歲之前同時完成以下事項的人，確實罕見:以全班第一名的成績從哥倫比亞大學畢業、在OpenAI核心安全團隊工作、因「提出安全疑慮」被解僱、發表一份165頁的末日預言書、募集2.25億美元成立對沖基金、然後在12個月內將美股持倉膨脹至55.2億美元。Leopold Aschenbrenner做到了。如果你覺得這段履歷讀起來像是某個矽谷科幻小說的角色設定，那麼他的基金回報數字會把你拉回現實——截至2026年初，Situational Awareness LP的總回報超過100%，相對標普500產生逾96個百分點的超額收益。這不是一個學術演練，這是真金白銀。

讓我們先處理房間裏的大象:一支2024年9月才成立的基金，起始資金約2.25億美元，到2025年底其公開披露的美股持倉已達55.2億美元。這意味着約22倍的增長。即使我們慷慨地假設其中一半來自新資金流入(畢竟Patrick Collison和Nat Friedman這些名字本身就是一台募資機器），剩下的投資回報仍然令人側目。更重要的是，這些回報並非來自購買NVIDIA或微軟這類顯而易見的AI受益者。Aschenbrenner的核心持倉是Vistra Energy、Constellation Energy、Bloom Energy和CoreWeave——清一色的電力生產商與基礎設施公司。一個在OpenAI內部親眼見證了大型語言模型訓練過程的人，選擇把錢押在發電廠和變壓器上，而不是GPU和軟體。這本身就是一個值得深思的訊號。

Leopold Aschenbrenner的核心論點可以濃縮為一句話:通往AGI的道路不是被數學卡住的，是被物理卡住的。 這聽起來反直覺。畢竟，整個市場敍事都圍繞着「誰能訓練出最強的模型」展開。但如果你真正理解大型語言模型的Scaling Laws——即投入的計算量與數據量每增加一個數量級，模型能力就會可預測地躍升——那麼你很快就會意識到，這場競賽的終極限制因素不是聰明的研究員(雖然他們也稀缺），而是能否在物理世界中建造出足夠龐大的計算集群。

Leopold Aschenbrenner在他的報告中提出了「萬億美元集群」(Trillion-Dollar Cluster)的概念。這不是修詞上的誇張。當你把目前最大數據中心的功耗(約100-200兆瓦)外推到下一代AI訓練所需的規模時，你得到的數字是吉瓦級——相當於一座核電站的全部輸出，專門為一個計算集群服務。微軟2025年宣布的800億美元資本支出計劃、Meta每季度超過120億美元的基礎設施投資、以及亞馬遜在俄勒岡州和維吉尼亞州瘋狂圈地建設數據中心園區——這些都是同一個物理現實的不同表述。

問題在於:美國現有電網的剩餘容量幾乎為零。根據Grid Strategies在2024年底的報告，美國電力需求預計在未來五年內增長38%，這是自上世紀70年代以來最陡峭的增長曲線。而電網基礎設施的建設周期通常是7到12年。這意味着我們正在用一套為1990年代設計的輸電網絡，去支撐一個2027年的計算需求。這個缺口不會被軟體優化所彌合。你不能通過更好的算法來製造電子。

Leopold Aschenbrenner的物理瓶頸論點自然延伸出六條可投資的產業鏈。第一條是電力生產——核能、天然氣和可再生能源。當一個吉瓦級數據中心需要24/7不間斷的基載電力時，間歇性的風電和太陽能只能扮演輔助角色，真正的贏家是核能復興(小型模組化反應堆的商業化正在加速)和高效天然氣發電。Constellation Energy和Vistra在美國市場的暴漲已經證明了這一點，但在日本、韓國和歐洲，類似定位的電力公司仍以個位數市盈率交易。

第二條是電網與輸配電基礎設施。變壓器的全球交貨周期已從疫情前的12-16周延長到60-80周。這不是周期性波動，這是結構性短缺。全球能夠生產大型電力變壓器的工廠屈指可數，而需求端——AI數據中心加上電動車充電網絡加上工業電氣化——正在以前所未有的速度膨脹。任何擁有變壓器或高壓開關設備產能的製造商，都坐在一座尚未被市場充分定價的金礦上。

第三條是數據中心建設與冷卻技術。當GPU的功耗密度從每機櫃10千瓦升至100千瓦以上時，傳統的空氣冷卻徹底失效。液冷——無論是直接接觸式還是浸沒式——從一個可選項變成了必選項。這個市場在2024年的規模約為20億美元，預計到2028年將超過150億美元。但真正生產冷卻板、快速接頭和冷卻液分配單元的公司，很多仍是市值數億美元的工業零件製造商，估值停留在舊世界。

第四條是能源基礎設施設備——天然氣壓縮機、管道組件、閥門、泵。美國天然氣產量需要在未來五年內增長30%以上才能滿足電力需求的增長，這意味着中游基礎設施的資本支出周期才剛剛開始。

第五條是銅與電網材料。一個吉瓦級數據中心消耗的銅量相當於一座中型城市的全部電氣化需求。全球銅礦的新增產能在過去十年嚴重不足，庫存天數處於歷史低位。銅價已經從底部反彈了一倍，但銅加工和電纜製造商的股價在很多市場仍未反映這一現實。

第六條是網絡與連接——光纖、光模塊、高速交換機。當數千塊GPU需要在微秒級延遲內交換數據時，光纖網絡的頻寬需求呈指數級增長。800G和1.6T光模塊的需求正在爆發，但供應這些模塊所需精密光學元件的零件商，很多仍以材料股的估值交易。

在結束之前，讓我們誠實地面對一個不舒服的問題:Leopold Aschenbrenner可能錯嗎？

當然可能。他的整個論點建立在Scaling Laws將持續有效的假設之上。如果大型語言模型在某個計算規模之上出現收益遞減——如果存在一個我們尚未觸及但確實存在的天花板——那麼萬億美元集群就是過度投資的紀念碑，而所有下游的基礎設施需求都將大打折扣。此外，即使Scaling Laws成立，監管風險(尤其是核能)、供應鏈瓶頸(稀土、特種鋼)和地緣政治摩擦(中國在銅精煉和稀土加工領域的主導地位)都可能減緩建設節奏。

但這裏有一個關鍵的不對稱性:即使AI的發展速度比Leopold Aschenbrenner預期的慢兩到三年，電力基礎設施的需求增長仍然是確定的。電動車、工業自動化、數據中心(即使只是傳統雲計算的增長)和岸上回流的製造業，已經獨立於AGI時間表創造了巨大的電力需求。你不需要相信AGI會在2027年到來，才能相信一家以單位數市盈率交易的變壓器製造商被嚴重低估了。

Leopold Aschenbrenner的基金表現不是偶然的。它反映了一個簡單但深刻的洞察:在一場以物理世界為基礎的技術革命中，最大的投資機會不在虛擬層，而在原子層。市場花了18個月給NVIDIA定價，卻似乎忘記了每一塊H100晶片都需要插在一個消耗數千瓦電力的伺服器中，那個伺服器需要液體冷卻，那些液體需要管道和泵，那些管道需要銅，那些銅需要電力來冶煉，而那些電力需要一座尚未建成的發電廠。

整條價值鏈的定價是不均勻的。頂端(芯片設計)已經被定價為完美；底端(物理基礎設施)仍被定價為平庸。這就是機會所在。一個22歲的德國天才用2.25億美元證明了這一點。問題是：你是否願意在他之後、但在市場之前，沿着同一條邏輯行動？

歷史上每一次重大基礎設施建設周期——鐵路、電報、互聯網骨幹網——都遵循同一個劇本:願景先行者獲得超額回報，然後資金逐漸沿着供應鏈向下滲透，最終連最不起眼的零件商都享受到估值重估。我們現在正處於這個滲透過程的早期階段。那些以清算價值交易、但坐擁創紀錄積壓訂單的全球中小型工業股，正是這個周期中尚未被開採的礦脈。

時間會證明Leopold Aschenbrenner是這一代的先知還是一個運氣極好的年輕人。但無論如何，物理定律不會因為市場的忽視而改變。電子需要導體，熱量需要散去，數據需要光纖。在一個癡迷於軟體的市場中，押注硬體——尤其是便宜的硬體——或許是最具「情境意識」的投資行為。

徐立言(本欄每逢周一刊出)

https://www.facebook.com/hsulylab