据 Woofun AI 消息，人工智能投资领域正经历一场深刻的范式转移，利奥波德管理的基金资产从2.25亿美元激增至130亿美元，实现了惊人的225倍年化回报率。这位白发苍苍的投资者在英伟达股价仅为6美元时便拒绝入场，转而构建了包含84.6亿美元看跌期权的组合，全面做空整个芯片行业。其核心策略并非追逐热门标的，而是精准锁定人工智能物理基础设施中的关键瓶颈，包括电力供应、计算能力、存储设备以及光通信技术等上游环节。

这种反直觉的操作逻辑，揭示了当前市场估值体系与底层物理现实之间的巨大裂痕。陈立武作为另一位关键人物，其投资生涯同样印证了这一逻辑，他参与了159次首次公开募股，并在Cadence公司任职期间见证了股价32倍的涨幅，如今作为英特尔首席执行官，他正将这一理论推向产业实践的核心。

Woofun AI 整理数据显示，利奥波德的投资组合中完全剔除英伟达股票，转而押注那些被忽视的中小型瓶颈企业，这种策略在12个月内便推动其基金规模从2.25亿美元跃升至55亿美元，最终达到130亿美元的体量。

这种增长并非源于市场贝塔收益，而是源于对供应链脆弱性的深度洞察。陈立武在2026年6月18日的《No Priors》播客节目中进一步剖析了这一理论，指出他个人投资了200多家半导体企业，其中159家成功上市，其成功秘诀始终在于寻找那些存在物理极限的关键领域。这些领域涵盖了EDA工具、GaN/SiC/InP等新型材料以及光通信技术，构成了支撑人工智能发展的隐形骨架。一块看似简单的电路板背后，实则隐藏着极其复杂的人工智能硬件供应链网络。在制造环节启动之前，设计师必须依赖EDA工具验证数百亿个晶体管的布局，这一过程往往占据整个芯片开发周期的60%到70%。随着人工智能加速器整合了数百亿个晶体管，并引入HBM技术、3D堆叠及先进封装，设计难度呈指数级上升，而EDA工具的计算效率却未能同步提升。一旦验证阶段出现偏差，重新设计的成本高达数千万美元，这使得EDA工具成为决定生死的关键节点。预计到2025年，EDA市场规模将达到145亿美元，并在2026年进一步扩张至180亿美元。

目前，Synopsys、Cadence和西门子三家巨头共同占据了超过65%的市场份额，形成了极高的行业壁垒。陈立武凭借在Cadence长达12年的任职经历，对这一领域的定价权有着超越普通投资者的深刻理解，他将EDA工具比作一座金矿。

值得注意的是，Cadence公司已将设计效率提升了五倍，而西门子的AI系统在某些特定任务上的执行速度也实现了十倍增长，这种效率提升直接转化为巨大的商业价值。在材料科学层面，传统硅基材料在功耗、散热及光通信能力上已逼近物理极限，五种新型材料正成为破局的关键。GaN主要用于高频功率器件，SiC适用于高压大电流场景，InP则是光通信领域的核心材料，合成钻石凭借优异的导热性能崭露头角，而玻璃衬底材料被视为下一代先进封装技术的方向。800G和1.6T光模块的制造高度依赖InP材料，目前人工智能领域对光通信材料的需求缺口高达40%到60%。英特尔和台积电正加速推进玻璃衬底材料的大规模生产进程，以应对即将到来的技术迭代。Wolfspeed和Infineon计划在2025年至2027年间投入超过150亿美元，专门用于扩大SiC产能，这一巨额投资反映了行业对材料瓶颈的紧迫认知。氦气作为另一种不可再生的战略资源，其供应稳定性直接关系到半导体生产的连续性。2026年初，卡塔尔拉斯拉芬地区的氦气供应中断事件引发了全球市场的剧烈震荡，导致全球27%到30%的氦气供应受到影响，短期内现货价格飙升了40%到100%。韩国半导体产业约64.7%的氦气需求依赖卡塔尔进口，这使得三星和SK海力士的HBM生产线面临严峻的供应风险。氦气在EUV光刻、蚀刻、沉积及晶圆冷却等关键工艺中发挥着不可替代的作用，由于缺乏替代品，半导体产业消耗了全球约24%的氦气总量，预计到2030年这一比例将上升至30%。更令人担忧的是，随着制程工艺向2纳米演进，每单位芯片对氦气的消耗量预计将比3纳米制程增加20%左右，这意味着制程越先进，对氦气的依赖程度越高。

尽管三星已推出氦气回收系统，台积电的先进生产线也实现了80%到90%的回收率，但这些措施仅能缓解短期压力，无法解决根本矛盾。氦气供应高度集中在少数地区，而新建生产设施的建设周期长达数年，这种供需错配将在未来几年持续加剧。在电路板的微观世界之外，宏观层面的能源与散热挑战同样不容忽视。成千上万的加速器需要协同工作，而铜缆传输带宽已接近物理极限，光通信技术正逐步成为主流解决方案。在电压转换环节，需要将48伏特电压降至GPU所需的1伏特以下，每一次转换都会产生大量热量。单个服务器机柜的功耗高达120千瓦，传统空气冷却方式已完全无法满足需求，液冷技术因此成为标准配置。从更宏观的视角看，一个人工智能数据中心的用电量相当于一个中等规模城市的总用电量，而扩建电网或建设新发电设施往往需要数年时间。这九大瓶颈问题——EDA工具、新型材料、氦气供应、光通信、电压转换、散热技术、电力供应、封装技术及计算架构——共同构成了当前人工智能发展的物理天花板。利奥波德和陈立武的投资逻辑正是建立在对这些瓶颈的深刻认知之上，他们不追逐表面的繁荣，而是深入挖掘那些决定产业生死的关键变量。

这种从物理底层出发的投资视角，正在重塑整个科技行业的估值逻辑。随着人工智能应用的深入，这些物理限制将愈发凸显，任何忽视这些瓶颈的投资策略都可能面临巨大的下行风险。这不仅是投资理念的转变，更是对技术演进规律的回归，标志着市场从盲目追捧算力转向理性审视基础设施的成熟阶段。