视频标题：Kevin O'Leary Reveals His Next Big Bet
视频作者： Stock Sharks
编者按：当 AI 投资从模型竞争进入基础设施扩张阶段，市场讨论的焦点正在从「谁能开发出最强的模型」，转向「谁能为整个 AI 产业提供持续运转的基础」。芯片、算力和模型能力仍然重要，但随着数据中心规模扩大，电力供应、能源成本及长期基础设施合同，开始成为影响 AI 投资回报的关键变量。当技术进步逐渐成为市场共识，一个更底层的问题开始浮现：如果无法提前判断技术竞争的最终赢家，投资者应该如何分享整个产业扩张带来的收益？
在 Stock Sharks 旗下播客 The Deep End 的访谈中，加拿大知名投资人、Shark Tank常驻嘉宾 Kevin O'Leary（绰号「Mr. Wonderful」）分享了他对 AI、能源、Crypto、量子计算及资产配置的最新判断。O'Leary 早年通过创办软件公司 SoftKey 积累财富，如今投资版图覆盖科技、能源及加密资产等领域。相比追逐单一热门资产，他更关注技术扩张背后的资源约束、商业模式，以及增长最终能否转化为可持续的资本回报。
在这场对谈中，O'Leary 实际上是将「下一阶段应该投资什么」拆解为一组更底层的结构性问题：技术扩张依赖什么资源？产业价值最终由谁获取？新技术如何转化为现金流？当市场无法确定最终赢家时，又该如何控制投资风险？
第一，是 AI 投资逻辑从技术领先转向资源约束。过去几年，AI 投资主要围绕大型科技公司、先进芯片及模型能力展开，投资者试图识别具有技术优势的企业。但随着算力需求增加，电力正成为影响数据中心扩张的重要条件。O'Leary 因此将未来三年的投资重点放在能源，尤其关注天然气、电力基础设施、铀矿，以及拥有低成本电力资源的加拿大和北欧地区。他采用的是典型的「卖铲人策略」：不必预测哪家 AI 公司最终胜出，而是寻找能够为整个行业提供关键资源的企业。这意味着，AI 产业的投资机会可能从科技公司向能源和基础设施环节进一步扩散，但资源优势能否转化为超额收益，仍取决于项目成本、合同定价和执行能力。
第二，是 Crypto 的估值逻辑从市场交易转向实际采用。此前，机构资金主要关注 Bitcoin 和 Ethereum，其他加密资产则面临流动性集中、监管不确定性及缺乏明确商业需求的问题。但 O'Leary 开始重新研究 Avalanche 等公链，原因并非短期币价表现，而是企业在金融、物流、体育资产和合同管理等领域，可能需要不同类型的区块链基础设施。由此产生的问题是，未来区块链应用究竟会集中于少数通用网络，还是形成多个服务于不同产业的专业化网络？这一变化可能为其他公链创造机会，但企业采用区块链技术，并不必然意味着相关代币能够获取对应的经济价值。真正需要验证的，是网络使用量、商业收入以及价值向代币持有者传导的机制。
第三，是量子计算正在为加密资产引入新的长期安全变量。过去，Bitcoin 的主要市场风险集中于价格波动、监管及资金流动。随着量子计算发展，现有密码学体系未来能否抵御潜在攻击，正在成为另一个值得讨论的问题。O'Leary 提出，即使真正具备破解能力的量子计算机尚未出现，市场对这一风险的预期，也可能提前影响资产定价。不过，所谓 Q-Day 仍没有确定时间表，量子技术进展也不能直接等同于区块链安全机制失效。相比预测 Bitcoin 何时面临威胁，他同时关注 IBM、Google 等企业在量子计算和安全技术领域的布局。这里涉及的不只是 Crypto 风险，更是金融系统未来可能面临的密码学基础设施升级。
第四，是投资方法从押注赢家转向管理不确定性。O'Leary 并不否认高增长资产的吸引力，但其早年做空 Yahoo 的经历，使他更加重视仓位限制。他坚持单只股票不超过投资组合的 5%、单一行业不超过 20%，并通过分批减仓控制集中度风险。这种方法与其能源、Crypto 和量子计算投资逻辑是一致的：在技术路径尚不明确时，通过分散配置参与潜在增长，而不是让某一个预测决定整个投资组合的表现。与此同时，他对私人企业的分析始终围绕客户获取成本、留存率和现金流展开，强调技术最终必须体现为真实的经营改善。
如果将这场对谈压缩为一个判断，那就是：下一阶段的投资竞争，可能不再只是寻找技术能力最强的企业，而是识别哪些资源、基础设施和商业模式，能够在技术持续扩张的过程中稳定获取价值。
在这个意义上，O'Leary 讨论的已经不只是 AI、Crypto 或能源等具体资产，而是技术产业从叙事驱动走向商业兑现后，市场如何重新分配资本、衡量风险并确定资产价值。真正决定长期回报的，未必是谁最早押中了技术趋势，而是谁能够在产业发展过程中持续获取现金流，并避免为尚未兑现的增长支付过高价格。
以下为原文内容（为便于阅读理解，原内容有所整编）：
如果未来三年只能选择一个投资主题，Kevin O'Leary 的答案是能源。
这或许与市场对一位科技投资人的预期不同。过去几年，AI 投资的核心是 NVIDIA、模型公司和大型科技企业。投资者试图判断谁拥有最先进的芯片、最强大的模型，以及最有可能主导未来的技术平台。
但 O'Leary 认为，随着 AI 产业继续扩张，投资者需要重新思考价值究竟来自哪里。
他的思路并不是退出科技投资，而是减少对单一技术赢家的依赖。无论最终哪家公司赢得模型竞争，都需要电力、土地、数据中心和其他基础设施。
这也是他将投资重点转向能源的原因。
而在 Crypto 市场，O'Leary 正在进行类似的重新评估：过去主要依靠市场交易和资金流入获得估值的区块链资产，未来是否能够通过实际商业应用，证明自身具有可持续的经济价值？
O'Leary 对 AI 的长期前景并不悲观。
他承认，大型科技公司在过去一轮 AI 投资中创造了可观回报，持有相关股票或指数的投资者已经从中受益。但对于下一阶段的投资，他更关注一个问题：如果不确定最终由哪家模型公司胜出，是否仍然可以参与 AI 产业的增长？
他的答案是投资能源。
O'Leary 将其称为 Picks and Shovels（卖铲人策略）。在淘金热中，与其预测谁能够挖到黄金，不如投资向淘金者提供工具的企业。
AI 产业也存在类似的商业结构。模型公司需要芯片，芯片需要数据中心运行，而数据中心需要大量且稳定的电力。因此，无论是 OpenAI、Anthropic，还是其他科技企业获得更多市场份额，电力需求都可能随着计算基础设施扩张而增加。
O'Leary 表示，未来 36 个月，自己重点关注能源公司，以及天然气发电、涡轮机、电力基础设施和铀矿等领域。他看重的不是这些资产具有 AI 概念，而是它们可能成为整个产业发展的必要投入。这也解释了他为什么看好加拿大和北欧。
在访谈中，O'Leary 多次提到芬兰、挪威及加拿大阿尔伯塔省的能源优势。他认为，这些地区拥有相对低成本的电力资源，部分长期供电合同价格可低于每千瓦时 6 美分。
对于需要长期运行的大型数据中心而言，电力成本可能直接影响项目利润率。即使模型公司之间的竞争格局发生变化，拥有土地、电网接入条件和长期电力合同的企业，仍可能向不同客户提供服务。
他投资的 Bitzero 就是这一思路的具体体现。按照 O'Leary 的介绍，Bitzero 曾利用 Bitcoin 挖矿产生现金流，但他更看重的是这家公司在挪威和芬兰获得的长期电力合同及基础设施资源。
对他而言，挖矿只是现有业务之一，真正具有长期价值的可能是公司的能源获取能力。如果未来云计算或 AI 企业需要在当地建设数据中心，Bitzero 有机会利用既有资源参与相关项目。这种商业模式的吸引力在于，基础设施供应商不一定需要判断客户最终使用哪一种 AI 模型。
当然，掌握电力资源并不等于已经拥有稳定利润。项目仍然需要解决电网接入、设备采购、客户合同和资本开支等问题，长期供电合同的价格优势也必须能够覆盖综合建设及运营成本。但 O'Leary 认为，相比在模型竞争中寻找唯一赢家，能源基础设施提供了另一种参与 AI 增长的方式。
AI 需求的增长，可能不只体现在科技公司的收入中，也可能体现在上游能源、设备与基础设施的经济价值中。
从电力进一步延伸到铀矿
O'Leary 对能源的投资并未停留在现有电力供应。他还在研究未来七八年的能源结构，尤其看好小型模块化反应堆（Small Modular Reactor，SMR）的发展潜力。
SMR 是采用较小反应堆模块的核能技术路线，部分设计希望通过模块化制造和部署，提高核电项目的灵活性。在 O'Leary 看来，如果 AI 数据中心的电力需求长期增长，核能有机会成为稳定供电的重要选择，而铀矿则是相关产业链中的上游资源。
因此，他开始增加对铀矿投资的关注。这种判断仍然依赖于核电技术的商业化进展。SMR 能否在预期时间内实现具有竞争力的发电成本，仍取决于工程建设、监管审批、融资及燃料供应。
但 O'Leary 的投资逻辑是一致的：不急于押注某种技术最终能否成为市场赢家，而是提前研究技术扩张所依赖的基础资源。
加拿大正是这一思路的重要组成部分。他认为，加拿大拥有天然气、铀、钾肥、铝及其他战略资源，同时紧邻美国这一大型能源消费市场。如果北美未来持续增加算力及电力基础设施投资，加拿大可能从中受益。
O'Leary 透露，自己的团队通过加拿大大型股 ETF XIU，建立了约 10% 的加拿大市场配置敞口。这笔交易最初并未得到团队一致支持，因为当时美加贸易摩擦增加了市场对加拿大经济的担忧。
但 O'Leary 将这种悲观情绪视为逆向投资机会。他认为，随着加拿大政策环境变化及资源开发项目获得推进，市场可能重新评估当地资产价值。
他在访谈中称，这笔投资一度跑赢标普 500 指数 158 个基点，即 1.58 个百分点。不过，访谈没有披露完整比较区间及计价口径，因此这一数字只能作为其个人投资表现的描述。
加拿大是否能够长期跑赢，仍取决于能源项目落地、商品价格、贸易关系和政策执行效率。对 O'Leary 来说，押注加拿大并非单纯判断经济复苏，而是押注全球技术扩张可能重新提高能源与自然资源的战略价值。
如果说 AI 投资正在从模型转向能源，那么 O'Leary 对 Crypto 的重新评估，则是从金融市场交易转向实际商业需求。
在过去的 Crypto 投资框架中，一个重要假设是：机构资金进入市场，将推动整个行业获得更广泛的资产配置需求。但 O'Leary 发现，机构资金未必会平均流向所有加密资产。
他回忆，此前一场有大量机构投资者参与的行业会议上，部分分析师认为，通过 Bitcoin 和 Ethereum 就可以获得他们所研究的加密市场约 97% 的价格波动敞口。
这一数字是他转述的研究判断，并非 BTC 和 ETH 的市值占比，但其背后的配置逻辑值得关注。对于大型机构而言，如果少数头部资产已经能够满足主要的 Crypto 配置需求，那么购买大量中小型代币的必要性就可能下降。这会使 Crypto 市场出现更明显的资金分化。
O'Leary 表示，自己的投资组合过去曾持有 27 个 Crypto 相关仓位，后来出售了部分资产，而剩余的一些投资也经历了较大损失，最终保留的主要资产包括 Bitcoin 和 Ethereum。
但他并没有因此认定其他公链完全失去投资价值。相反，他开始寻找一种新的判断标准：如果不再依靠整个 Crypto 市场上涨，其他公链究竟如何证明自己的经济价值？
他认为，答案可能来自企业实际采用区块链技术。
在过去的市场叙事中，Ethereum 经常被视为最有机会成为通用区块链基础设施的网络之一。但 O'Leary 开始怀疑，未来所有产业是否真的会采用同一条公链。金融、物流、房地产、合同管理及体育资产等行业，对区块链的需求并不完全相同。
金融机构可能关注稳定币支付和资产转移；物流企业更重视供应链管理和合同执行；体育俱乐部则可能希望利用区块链管理收藏品及数字资产。
不同的业务需求，可能催生不同的技术架构。这也是 O'Leary 重新研究 Avalanche 的原因。他特别提到 Avalanche 支持企业部署定制化区块链的能力，认为这种模式可能适用于体育资产、收藏品以及其他需要独立业务网络的场景。
在他看来，企业可能不再需要将所有业务放在同一个公共网络上，而是根据行业需求选择不同的区块链基础设施。这意味着，未来的区块链竞争可能形成两种路径：一种是少数通用网络占据主导地位，另一种则是多个网络分别服务不同产业，并通过技术接口实现互联。
目前尚无法确定哪一种模式将最终胜出。更重要的是，商业采用率与代币投资回报之间，并不存在必然联系。一家企业即使采用 Avalanche 技术，也不意味着 AVAX 代币的需求一定同步增长。投资者还需要研究企业如何支付网络费用、商业收入如何产生，以及这些经济价值能否传导至代币。
因此，O'Leary 并未表示要重新大规模买入山寨币，而是考虑在研究具体应用后，建立较小规模的公链仓位。与过去依靠市场流动性推动的 Crypto 投资不同，他开始关注企业是否真正需要这些区块链，以及需求能否形成持续的商业收入。
从这个角度看，Crypto 的下一阶段竞争，可能不再只是争夺投资者的交易资金，而是争夺真实企业的业务需求。
当 O'Leary 开始重新研究公链的商业价值时，他也提出了另一项可能影响整个 Crypto 行业的风险：量子计算。
过去，投资者评估 Bitcoin 的风险，主要关注市场价格、流动性、政策监管以及宏观经济环境。但随着量子计算技术的发展，现有密码学机制未来是否需要升级，也开始成为一个值得研究的问题。
O'Leary 将未来量子计算可能突破部分现有密码学算法的时点称为 Q-Day。
他的判断并不是 Bitcoin 当前已经遭到量子攻击，而是市场对潜在威胁的预期，可能先于技术突破影响价格。如果机构投资者开始担心未来量子计算机能够攻击现有数字签名体系，那么即使真正的攻击尚未发生，也可能降低资产配置意愿。
他个人猜测，部分机构投资者可能因为量子风险而长期不配置 Bitcoin。但这一比例没有经过公开统计验证，仍属于他的个人判断。
技术层面也需要区分：量子计算对部分公钥密码学算法构成潜在威胁，并不意味着 Bitcoin 的所有安全机制会在某个时点同时失效。相关网络也可能通过协议升级采用后量子密码学技术。
对于 O'Leary 来说，这类风险引出了另一项投资机会。如果未来金融机构需要升级安全系统，那么能够提供量子计算技术和抗量子攻击解决方案的企业，可能获得新的商业需求。他因此开始关注 IBM、Google 等公司的量子计算业务。
但量子计算研发能力、商业化收入和后量子安全产品之间仍然存在差异，投资者不能简单地将技术进展等同于企业盈利增长。
从能源到量子计算，O'Leary 实际上在研究同一类问题。一项技术大规模普及，往往不仅创造新的产品，也会对原有基础设施提出更高要求。AI 需要更多能源，企业区块链需要能够满足实际商业需求的网络，量子计算的发展则可能推动密码学和信息安全系统升级。
产业变化带来的投资机会，不一定只存在于新技术本身，也可能存在于为适应新技术而必须升级的基础设施中。
尽管 O'Leary 对能源、区块链和量子计算提出了不少积极判断，他并不认为投资者应该将大量资金集中押注某一种技术趋势。相反，他将分散投资视为最重要的投资纪律之一。
他的规则是：单只股票占投资组合的比例不超过 5%，单一行业不超过 20%。
这一规则与他早年的投资经历有关。互联网泡沫时期，O'Leary 曾经做空 Yahoo。随着股价持续上涨，他不断面临保证金追加压力。按照他的回忆，这笔交易曾令其净资产出现约 40% 至 50% 的巨大回撤。虽然 Yahoo 后来经历股价下跌，但长期承受浮亏和追加保证金的经历，让他决定不再进行股票做空交易。这也改变了他管理投资组合的方式。
如今，他倾向于通过指数基金建立基础仓位，再对自己看好的企业适当提高配置，但始终控制单一股票的权重。
Tesla 就是一个例子。O'Leary 回忆，自己最初并不认可 Tesla 的高估值，但儿子提出的观点改变了他的判断：Tesla 不只是汽车制造商，也是一家通过车辆积累大量数据的科技公司。他最终建立仓位，并随着股价上涨多次减持，避免 Tesla 在投资组合中的比重过高。
这种方式可能使他错过一部分后续上涨，但也降低了单一股票对整体资产表现的影响。他在访谈中提到，对于部分个股交易，自己通常以约 17% 的回报作为最低目标门槛，并在达到目标后考虑卖出超过一半的仓位。
这些是他的个人交易规则，并不意味着固定止盈能够保证更高的长期收益。真正重要的是，他不希望投资组合的表现完全取决于对某一家公司的判断。
而在私人企业投资中，O'Leary 同样强调用经营数据验证投资逻辑。他表示，自己评估企业时最重视客户获取成本（Customer Acquisition Cost，CAC）和客户流失率（Churn Rate）。前者反映企业为了获得客户需要投入多少资金，后者则用于判断现有客户能否持续留存。
如果一家企业必须不断提高营销支出才能维持收入增长，同时客户又在持续流失，那么表面上的高速增长可能并不具备良好的经济性。
O'Leary 还会研究企业的现金流、债务水平以及过去多个季度的经营数据。这也是他看好 AI 企业应用的原因之一。在其投资的私人企业中，AI 工具已经被用于财务分析、客户获取和日常运营。他认为，AI 真正的商业价值之一，是帮助企业降低经营成本、提高利润率。
他还提到，自己的企业团队选择了 Anthropic 的产品作为内部工具。这使他意识到，不同模型在企业实际使用中的表现并不完全相同，企业采购并不只取决于公开模型排名。
但无论选择哪一家供应商，衡量 AI 工具价值的最终标准仍然是经营改善。技术是否足够先进，与企业是否能够从中获得利润，是两个不同的问题。这也解释了为什么 O'Leary 一方面看好 AI 的长期发展，另一方面却将大量注意力放在能源、基础设施及企业现金流上。
他关注的已经不只是技术能够创造多少新的市场需求，而是这些需求最终通过什么商业机制转化为利润。
对于能源企业，需要观察低成本电力资源能否形成可盈利的长期合同；对于公链，需要验证企业采用能否转化为真实网络收入；对于量子计算，需要区分研究进展与实际商业产品；对于 AI 应用，则需要关注企业能否持续降低成本、改善利润率。
如果这些条件没有兑现，即使产业长期增长，相关资产也未必能够获得与市场预期相符的回报。
因此，O'Leary 的整套投资思路可以归结为一个判断：与其试图预测每一轮技术竞争的最终赢家，不如研究整个产业扩张过程中，哪些企业能够持续提供必要资源、获取商业收入，并将增长转化为现金流。
从 AI 电力基础设施，到企业区块链和量子安全，这些投资主题表面上分属不同产业，但背后都是技术普及后经济价值如何分配的问题。
对于投资者而言，下一步真正需要验证的，不只是技术是否继续进步，而是市场对未来增长的定价，能否获得实际经营结果的支持。
