週末閒聊,
搜尋一下發現這篇討論可以回朔到兩年前,
https://www.ptt.cc/bbs/Stock/M.1661733364.A.DA6.html
當時我猜到AMD會把Intel給打趴吃下伺服器市場,
卻沒看到NVDA 在這兩年的爆發力更加驚人,
AMD兩年股價三倍,
NVDA 卻是兩年股價六倍,
我輸了
我對個股預測常常不夠準,
常常是猜到頭卻猜不到結尾,
所以還是建議投資大盤指數ETF 比較簡單
當然也要大方承認,
由於受到本人專業領域的限制,
我只能看到與預測到跟我專業相關的部分,
我不是做AI 算法的, 也不做LLM,
最多就只是做擦邊球去使用LLM,
我的職業生涯一直都是做CPU, AI 晶片與軟體系統,
所以我能精準預測CPU 與軟體系統 市場的變化,
但是我卻錯估了AI 算法在這兩年的突破與對算力的需求,
我真的是對AI算法不熟
回到主題,
兩年過後的現在,
伺服器市場幾乎確定以後會是ARM的天下,
甚至之後的AI device, AI edge 都會是ARM的天下,
以我的專業來看 這趨勢是非常確定的,
所以我不看好 AMD, Intel, X86,
如果是現在給我選擇,
我會覺得NVDA 比 AMD 有前景
當然這是就只有NVDA AMD兩個選擇的情況下,
如果我可以做其他的選擇,
我覺得AI 系統正在快速普及,
很快的幾乎每個人都能夠隨身一台AI device,
所以說AI 軟體應用與軟體系統會很快的普及,
AI edge 的需求也會很快的飆高,
所以我個人在這時間點選擇的話,
我會選擇GOOG MSFT 為最佳投資選擇,
如果是硬體與AI dege 的部分是ARM, QCOM, 聯發科,
包牌是TSM QQQ TQQQ,
ARM的問題是股價炒太高, 目前太貴,
但是前景很看好
至於蘋果,
我之前還是很看好蘋果在AI硬體上面的競爭力,
但是就像LDPC 說的,
蘋果還在搞記憶體飢渴行銷,
以及一些自我封閉 自砍功能的飢渴行銷方式,
還有繼續封閉的平台,
這在AI 硬體與軟體發展的路上只會越走越遠
※ 引述《LDPC (Channel Coding)》之銘言：
: 人類離變成電池之日越來越近了QQ
: 這邊是一個openai的demo整理
: https://youtu.be/VP2-8jIurUE?si=BlFPm94-752XEkF0
: 稍微細拆一下上面的demo一些隱藏意義 誠如之前所說的2023 Text-Based GPT4出現後
: 業界就直接看到戰場要往多模態拚殺 多模態意思就是餵給這些LLM模型從文字理解世界
: 進化到 把影像聲音轉成文字意涵 在餵食給LLM去理解 大概到去年年中 大家影像刷完
: 就開始刷聲音多模態 (當然 LeCun很反對把多模態用文字當anchor來理解世界)
: 到此為止 多模態大概已經刷得差不多 也就是LLM可以透過各類型資料理解世界
: 多模態資料有
: 聲音: 可以透過聲音知道你情緒 理解你是大人或小孩
: 比方說:你如果問LLM 這世界有聖誕老人嗎 LLM聽到你聲音
: 會叫你 滾 你這死肥宅 如果聽到是可愛蘿莉 就會說 是的 世界是有聖誕老人唷!
: 這些是傳統聲音轉文字(ASR)再給Text-LLM辦不到的
: 其餘多模態資料諸如
: 影像: 理解圖片
: 生醫: 心跳 血壓 呼吸
: 金融: 各種時間序列資料
: 溫度 熱成像
: 這些都會以文字為anchor (text token)去餵給LLM
: 那接下來 下個問題 多模態LLM 最佳落地場景為何?->答案是 手機
: 因為手機是最好的攜帶裝置 可以去理解世界 手機上所有數據都是多模態
: 就連GPS/WiFi 你如果需要 也可以當作多模態資訊丟給LLM
: 第二個最佳落地場景是 AR眼鏡 這也解釋為何前幾天Google IO
: 在替Project Astra鋪路 而事實上多模態LLM其實最適合AR眼鏡
: 因為 "所見所聽既所知"
: 戴上眼鏡後 下棋 炒股 把妹 打撞球算角度 全知全能
: 而多模態LLM其實就是扮演虛擬助手 幫助人類處理現實世界資訊和情報
: 這也是為何我覺得果家明明有機會可以打一場漂亮戰 但因為果家的記憶體飢餓行銷
: 注定Gemini-Nano (3B模型) 無法放到iphone (4~6GB) 注定只能走雲端
: 雲端多模態LLM之王就是openai了 至於為何有人會質疑on-device (<3B)以下模型為何有開發
: 必要性?都用雲端就好了 答案就是因為有很多模態資料有私密性 不方便上雲端跑
: 目前針對這類投資就是AMD/NVDA/MU/QCOM MU原因來自多模態吃記憶體 需要HBM這類設計

QCOM+1票