Leopold Aschenbrenner 最新持倉曝光：從 AI 晶片轉向電力與基礎設施
曾任職於 OpenAI、並因《Situational Awareness: The Decade Ahead》一文受到市場高度關注的 Leopold Aschenbrenner，近期再度成為 AI 投資圈焦點。
根據市場流傳的 2026 年 Q1 13F 持倉資料，Aschenbrenner 所管理的 Situational Awareness LP，在短短一季內將公開持倉規模從約 55 億美元提升至 136.7 億美元，同時新增超過 74 億美元的半導體 Put （Put Options，看跌期權）部位，引發市場對 AI 硬體循環是否進入估值高點的討論。
不過，如果仔細拆解持倉結構，這筆交易背後的邏輯，可能更接近「AI 資本流向轉移」，而非單純全面看空 AI。
重點整理
- Leopold Aschenbrenner 最新 Q1 2026 13F 顯示，Situational Awareness LP 公開持倉規模已從前一季約 55 億美元，增加至約 136.7 億美元。
- 基金在 2026 年第一季新增約 74.6 億美元半導體 Put（看跌期權）部位，涵蓋多家大型半導體與 AI 晶片公司。
- Put 部位包含 SMH、NVIDIA、Broadcom、AMD、Micron Technology、TSMC、ASML 與 Intel 等公司。
- 根據公開持倉資料，這些半導體 Put 部位在 2025 Q4 持倉中尚未出現，代表基金於 2026 Q1 才開始大幅建立相關避險部位。
- Situational Awareness LP 同時仍持續持有大量 AI 基礎建設相關股票，包括 Bloom Energy、SanDisk、CoreWeave、Core Scientific 與 Applied Digital 等公司。
- 主要長倉方向集中於電力、儲存、資料中心、GPU 託管、高密度運算與 AI 基礎建設相關領域。
- 基金同時持有部分公司 Call（看漲期權）部位，包括 Micron Technology、TSMC、CoreWeave 與 Bloom Energy。
- 從持倉結構來看，基金目前並非全面撤出 AI 產業，而是同時布局半導體估值風險與 AI 基礎建設長期需求。
- 市場近期開始關注 AI 下一階段瓶頸，包括電力供應、資料中心容量、液冷散熱、高速儲存、光通訊與 AI 推理成本等方向。
- 對台灣 AI 供應鏈而言，除了晶片與 AI 伺服器之外，電源管理、散熱、資料中心與光通訊相關供應鏈，也開始受到更多市場討論。
從 OpenAI 到 AI 投資基金，Leopold Aschenbrenner 是誰？
Leopold Aschenbrenner 曾於 2022 年加入 FTX 旗下的 Future Fund，後續歷經 FTX 崩潰事件。
2024 年，他發布長達 165 頁的 AI 論文《Situational Awareness: The Decade Ahead》，內容聚焦 AGI、算力競爭、國家級 AI 戰略與資料中心基礎建設，迅速在矽谷與 AI 投資圈引發高度討論。
同年，他創立 Situational Awareness LP，開始大規模押注 AI 基礎建設相關產業鏈。
根據公開資料，該基金在 2024 年 Q4 公開持倉規模約為 2.25 億美元，到了 2025 年 Q4 已成長至約 55 億美元，而最新流出的 2026 年 Q1 持倉則進一步擴張至 136.7 億美元。
最新持倉變化：半導體 Put 部位大增
本次市場最關注的焦點，在於 Situational Awareness LP 大幅建立半導體 Put 部位。
半導體 Put 持倉
| 標的 | Put 部位 |
|---|---|
| SMH | 20.4 億美元 |
| NVIDIA | 15.7 億美元 |
| Oracle | 10.7 億美元 |
| Broadcom | 10.1 億美元 |
| AMD | 9.69 億美元 |
| Micron Technology | 5.83 億美元 |
| TSMC | 5.35 億美元 |
| ASML | 4.94 億美元 |
| Intel | 1.59 億美元 |
這些部位在前一季持倉中尚未出現，因此市場解讀為：Aschenbrenner 開始認為 AI 晶片產業的估值已經偏高。
但他並沒有離開 AI
值得注意的是，Situational Awareness LP 並未同步撤出 AI 基礎建設。
相反地，基金依然持有大量與 AI 電力、儲存、資料中心與算力供應相關的公司。
AI 基礎建設長倉
| 類型 | 公司 | 持倉規模 |
|---|---|---|
| 電力能源 | Bloom Energy | 8.78 億美元 |
| 儲存設備 | SanDisk | 7.24 億美元 |
| AI 雲端算力 | CoreWeave | 5.56 億美元 |
| AI 礦場 / HPC | IREN | 4.01 億美元 |
| 資料中心 | Core Scientific | 3.89 億美元 |
| AI 基礎建設 | Applied Digital | 3.2 億美元 |
| 礦業算力 | Riot Platforms | 1.42 億美元 |
| 礦業算力 | CleanSpark | 1.04 億美元 |
這類公司有一個共通點：它們更接近 AI 時代的「基礎資源供應商」。
包括：
- 電力供應
- 資料中心容量
- GPU 託管
- 高密度運算
- 儲存設備
- HPC 基礎設施
這也反映出一個市場趨勢：當 GPU 本身的估值已經極高，資金開始往 AI 的下一層基礎建設移動。
同時持有 Put 與 Call，透露什麼訊號？
另一個值得注意的細節，是 Situational Awareness LP 並非全面單向押注。
基金同時也持有多筆 Call 部位：
| 標的 | Call 部位 |
|---|---|
| Micron Technology | 4.22 億美元 |
| SanDisk | 3.88 億美元 |
| TSMC | 3.54 億美元 |
| CoreWeave | 1.4 億美元 |
| Bloom Energy | 5,500 萬美元 |
這代表他的核心觀點更可能是：
- AI 資本支出仍會持續成長
- AI 基礎建設需求仍然強勁
- 但部分晶片公司估值，已提前反映未來數年的樂觀預期
換句話說，市場焦點開始從「誰能賣最多 GPU」，逐漸轉向：
- 誰能提供電力
- 誰能建資料中心
- 誰能提供長期儲存
- 誰能解決 AI 運算成本
AI 產業鏈正在從 GPU 擴散到基礎設施
這其實與近一年市場趨勢相當一致。
AI 產業早期資金主要集中於 GPU、HBM、CoWoS 與高階晶片供應鏈，但隨著大型模型規模持續擴張，資料中心開始面臨幾個新的瓶頸：
1. 電力供應
大型 AI 資料中心耗電量持續提升，電力與能源管理逐漸成為核心問題。
2. 資料中心容量
GPU 缺口正在逐步緩解，但 AI 訓練與推理需要更多機櫃、散熱與高密度機房。
3. 儲存需求
AI 模型與推理服務需要大量高速儲存與長期資料管理。
4. AI 推理成本
市場開始關注模型真正落地後的成本結構，而非只有訓練階段。
這也是近期市場資金開始流向：
- 電力公司
- 核能概念
- AI 資料中心
- GPU 租賃
- 高速儲存
- 光通訊
- 液冷散熱
等方向的重要原因。
台灣 AI 供應鏈需要注意什麼？
對台灣市場而言，這類資金流向也值得觀察。
因為目前台股 AI 主軸仍高度集中於：
- TSMC
- Quanta Computer
- Wiwynn
- Delta Electronics
- AVC
- Auras Technology
但下一階段的市場焦點，很可能會逐漸往：
- 電力管理
- 液冷散熱
- AI 資料中心
- 高速儲存
- 光通訊
- 邊緣運算
延伸。
尤其當 AI 模型正式進入大規模推理與商業化階段後，市場關注的重點，可能會從「訓練多少參數」，轉向「如何長期低成本運行」。
延伸閱讀：《 2026 AI 概念股完整解析｜散熱、ASIC、ABF、HBM 龍頭清單整理 》
Leopold Aschenbrenner 最新持倉引發討論的原因，並不只是因為他新增了大量半導體 Put。
更重要的是，他的部位結構透露出一個正在成形的市場方向：
AI 資本循環開始從 GPU 與高估值晶片股，逐步擴散至電力、儲存、資料中心與長期基礎建設。
這類變化未必代表 AI 成長結束，反而更像是 AI 產業鏈進入下一階段成熟期後，資金重新尋找新瓶頸與新需求的過程。
加密貨幣屬於高風險投資，本網站內容均不構成任何投資建議與責任。
掌握虛擬貨幣、區塊鏈大小事
