Dianggap sebagai salah satu investor AI paling radikal di dunia, Leopold Aschenbrenner, sementara secara terbuka memegang posisi short sekitar 9 miliar dolar AS di NVIDIA, ASML, dan Oracle, sekaligus mengalihkan dana ke infrastruktur dan aset model AI yang lebih mendalam.

Logika posisi kepemilikannya dapat dibagi menjadi tiga arah, satu penilaian:
Short chip. Dana lindung nilai-nya, Situational Awareness LP, telah membangun sekitar 8,46 miliar dolar AS opsi put di sektor semikonduktor, meliputi NVIDIA, Broadcom, AMD, Oracle, Micron, TSMC, dan lainnya. Dia menyebutkan dalam makalahnya bahwa pada akhir 2025 atau awal 2026, pasar sudah mencerminkan nilai GPU secara penuh. Chip adalah lapisan paling mudah dikomersialkan dalam seluruh tumpukan AI, dengan Amazon Trainium, Google TPU, dan arsitektur baru Cerebras semuanya bersaing di jalur ini, dan kompetisi ini dapat menekan margin keuntungan.
Long AI Labs. Anthropic adalah posisi terbesar dalam portofolio, sekitar 20%. Dalam kerangka kerjanya, laboratorium adalah "lapisan yang memiliki permintaan". Selain itu, dia juga memegang CoreWeave sekitar 300 juta dolar AS, perusahaan layanan cloud baru yang secara khusus membantu laboratorium AI dalam penyebaran GPU, pasokan listrik, dan pendinginan.
Long infrastruktur. Banyak laboratorium AI menghadapi masalah bahwa GPU sudah cukup, tetapi jaringan listrik yang ada dirancang untuk manusia dan tidak mampu menahan kebutuhan listrik AI. Dia menaruh 20% posisi ke Bloom Energy yang memproduksi bahan bakar sel, sekaligus membeli sejumlah perusahaan yang sedang bertransformasi dari penambangan Bitcoin ke pusat data AI: CleanSpark, Riot Platforms, Applied Digital, IREN. Bottleneck telah beralih dari "siapa yang membuat chip" menjadi "di mana menempatkan chip".
Posisi short secara historis melebihi posisi long untuk pertama kalinya, dengan eksposur short sebesar 8 miliar dolar AS, 40 kali lipat dari nilai bersih seluruh dana 18 bulan yang lalu.
Dia bukan bertaruh bahwa AI akan gagal, tetapi bertaruh bahwa keuntungan akan berpindah dari pembuatan chip ke laboratorium yang mengendalikan permintaan dan infrastruktur yang mengendalikan bottleneck.