如果未来 3 年只能选一个投资主题，Kevin O'Leary 给出的答案是能源。
这位加拿大投资人在 Stock Sharks 旗下播客 The Deep End 的访谈中表示，AI 的下一轮机会不一定还在模型本身，而更可能落在为整个行业提供持续运转条件的基础设施上。对他来说，芯片、模型和大型科技公司仍然重要，但当数据中心持续扩张，电力、土地、并网条件和长期供电合同，开始变成更直接的约束。
他在这场对谈里讨论的，不只是 AI、Crypto 或量子计算各自的前景，而是同一个更底层的问题：当市场无法提前判断最终赢家时，投资者该如何参与产业扩张，并把增长转化为可持续回报。
AI 投资重心从模型竞争转向能源约束
O'Leary 并不否认过去一轮 AI 投资已经给大型科技公司和相关股票带来可观回报。他提到，过去几年市场主要围绕 NVIDIA、模型公司和大型科技企业展开，投资者试图判断谁拥有更先进的芯片、更强的模型，以及更有机会主导未来的平台。
但在他看来，下一阶段的问题已经变了。与其继续押注哪家模型公司最终胜出，不如先看整个 AI 产业扩张离不开什么资源。
他的答案是能源。
O'Leary 将这一思路概括为 Picks and Shovels，也就是常说的“卖铲人策略”。在淘金热里，与其预测谁能挖到金子，不如投资向淘金者提供工具的企业。放到 AI 产业里，模型公司需要芯片，芯片需要数据中心，数据中心则需要大量、稳定且可长期锁定成本的电力。
这意味着，无论最终是 OpenAI、Anthropic，还是其他科技企业拿到更多市场份额，电力需求都可能随着算力基础设施扩张而上升。O'Leary 表示，未来 36 个月，他重点关注能源公司，以及天然气发电、涡轮机、电力基础设施和铀矿等方向。
他看重的不是这些资产带有 AI 概念，而是它们可能成为整个产业发展的必要投入。也正因如此，他在访谈中多次提到加拿大和北欧，尤其是芬兰、挪威以及加拿大阿尔伯塔省。
按照他的说法，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来说，电力成本会直接影响项目利润率。即便模型公司的竞争格局变化，拥有土地、电网接入条件和长期电力合同的企业，仍有机会向不同客户提供服务。
Bitzero：先靠比特币挖矿产生现金流，更重要的是电力合同
O'Leary 在访谈中提到自己投资的 Bitzero，作为这一思路的具体案例。
按他的介绍，Bitzero 过去曾利用 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，以及围绕这些合同形成的基础设施资源。对他而言，挖矿只是现有业务之一，真正更具长期价值的部分，可能是公司获取能源的能力。
如果未来云计算或 AI 企业需要在当地建设数据中心，Bitzero 就有机会利用既有资源参与相关项目。这个模式的吸引力在于，基础设施供应商不必先判断客户最终会采用哪一种 AI 模型。
不过，掌握电力资源并不等于已经锁定利润。项目仍要解决电网接入、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和运营成本。O'Leary 的判断是，相比在模型竞争中寻找唯一赢家，能源基础设施至少提供了另一种参与 AI 增长的路径。
在他的框架里，AI 需求的增长，不只会体现在科技公司的收入上，也可能体现在上游能源、设备和基础设施的经济价值里。
从电力延伸到铀矿，押注未来 7 到 8 年的能源结构
O'Leary 对能源的关注并不止于现有电力供应。他还在研究未来 7 到 8 年的能源结构变化，尤其看好小型模块化反应堆（Small Modular Reactor，SMR）的发展潜力。
SMR 是一种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。O'Leary 认为，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，而铀矿则位于这条产业链的上游。
因此，他开始增加对铀矿投资的关注。
不过，这一判断仍然依赖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，还要看工程建设、监管审批、融资和燃料供应。即便如此，他的投资逻辑并没有变化：不急着押注某项技术最终是否成为市场赢家，而是先研究技术扩张所依赖的基础资源。
加拿大在其配置中占据更高权重
加拿大是 O'Leary 这套思路中的重要组成部分。他认为，加拿大拥有天然气、铀、钾肥、铝及其他战略资源，同时又紧邻美国这一大型能源消费市场。如果北美继续增加算力和电力基础设施投资，加拿大可能从中受益。
他透露，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。按他的说法，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加剧了市场对加拿大经济的担忧。
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以及资源开发项目推进，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，也就是 1.58 个百分点。不过，访谈没有披露完整比较区间和计价口径，因此这一数字只能作为其个人投资表现的描述。
加拿大能否长期跑赢，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，这并不只是押注经济复苏，而是押注全球技术扩张会重新抬升能源与自然资源的战略价值。
Crypto 的问题不再只是流动性，而是能否形成真实收入
在 Crypto 领域，O'Leary 也在做类似的重新评估。
过去，机构资金进入市场常被视为推动整个行业估值上升的重要力量。但他发现，机构资金未必会平均流向所有加密资产。O'Leary 回忆，在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，仅通过 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。
他转述的这个数字，并不是 BTC 和 ETH 的市值占比，而是一种研究判断。背后的配置逻辑是，如果少数头部资产已经能满足主要的 Crypto 配置需求，大型机构购买大量中小型代币的必要性就会下降，市场资金也会更明显地向头部集中。
O'Leary 表示，自己的投资组合过去曾持有 27 个 Crypto 相关仓位，后来卖出了部分资产，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。
但这并不意味着他认定其他公链已经完全失去投资价值。相反，他开始换一个标准来判断：如果不再依赖整个 Crypto 市场普涨，其他公链要如何证明自身具备可持续的经济价值？
他的答案指向企业实际采用。
重新研究 Avalanche，但重点不是短期币价
在 O'Leary 看来，未来所有产业未必都会采用同一条公链。金融、物流、房地产、合同管理和体育资产等行业，对区块链基础设施的需求并不完全相同。
金融机构可能更关注稳定币支付和资产转移；物流企业更看重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和数字资产。不同业务需求，可能催生不同技术架构。
这也是他重新研究 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。在他的设想里，企业未必需要把所有业务都放在同一个公共网络上，而是可能根据行业需求，选择不同的区块链基础设施。
这意味着，未来区块链竞争可能出现两条路径：
- 少数通用网络占据主导地位；
- 多个网络分别服务不同产业，并通过技术接口实现互联。
O'Leary 没有断言哪一种模式最终会胜出。他更在意的是，商业采用率与代币投资回报之间并不存在天然等号。一家企业即使采用 Avalanche 技术，也不意味着 AVAX 代币需求一定同步增长。
投资者还需要继续研究几个更具体的问题：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给代币持有者。
因此，他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。和过去依赖市场流动性推动的 Crypto 投资不同，他现在更关注企业是否真的需要这些区块链，以及这种需求能否形成持续的商业收入。
从这个角度看，Crypto 下一阶段的竞争，不只是争夺投资者的交易资金，也是在争夺真实企业的业务需求。
量子计算被他视为加密资产的长期安全变量
在重新研究公链商业价值的同时，O'Leary 还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 风险时，主要关注价格波动、流动性、政策监管和宏观环境。随着量子计算技术发展，现有密码学机制未来是否需要升级，也开始进入他的研究范围。
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。
他的意思并不是 Bitcoin 现在已经遭到量子攻击，而是市场对潜在威胁的预期，可能先于真正的技术突破影响价格。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，那么即使真正攻击尚未发生，也可能降低其资产配置意愿。
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。不过，这一比例没有公开统计验证，仍属于他的个人判断。
从技术上看，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 O'Leary 来说，这类风险同时也对应另一类投资机会。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。
但他也提到，量子计算研发能力、商业化收入和后量子安全产品之间并不能直接画等号，投资者不能简单把技术进展等同于企业盈利增长。
从押注赢家转向管理不确定性
尽管 O'Leary 对能源、区块链和量子计算都提出了不少积极判断，他并不主张把大量资金集中押在某一种技术趋势上。相反，分散投资是他反复强调的纪律。
他的规则很明确：单只股票在投资组合中的占比不超过 5%，单一行业不超过 20%。
这套规则与他早年的投资经历有关。互联网泡沫时期，O'Leary 曾做空 Yahoo。随着股价持续上涨，他不断面临追加保证金压力。按他的回忆，这笔交易一度让其净资产出现约 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，他更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权重。
Tesla 案例与他的减仓纪律
Tesla 是他在访谈中举的一个例子。
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。此后，他建立了仓位，并随着股价上涨多次减持，以避免 Tesla 在投资组合中的比重过高。
这种方式可能让他错过部分后续涨幅，但也降低了单一股票对整体资产表现的影响。他提到，对于部分个股交易，自己通常把约 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一定能带来更高的长期收益。对他来说，更重要的是不让整个投资组合的表现完全取决于对某一家公司的判断。
看私人企业时，他更重视 CAC、流失率和现金流
在私人企业投资上，O'Leary 同样强调用经营数据验证投资逻辑。
他说，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就未必具备良好的经济性。
除 CAC 和流失率外，他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。这让他意识到，不同模型在企业实际使用中的表现并不完全相同，企业采购也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，与企业是否能从中获得利润，是两件不同的事。
他的核心判断：看谁能把增长变成现金流
这也解释了为什么 O'Leary 一方面看好 AI 的长期发展，另一方面却把大量注意力放在能源、基础设施和企业现金流上。
他关注的已经不只是技术能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。
放到不同领域，这套判断对应着不同的验证标准：
- 对能源企业，要看低成本电力资源能否形成可盈利的长期合同；
- 对公链，要看企业采用能否转化为真实网络收入；
- 对量子计算，要区分研究进展与实际商业产品；
- 对 AI 应用，要看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概括为一个判断：与其预测每一轮技术竞争的最终赢家，不如研究在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，并把增长转化为现金流。
从 AI 电力基础设施，到企业区块链，再到量子安全，这些主题表面上分属不同产业，背后讨论的其实都是同一个问题：技术普及之后，经济价值究竟如何分配。