上次发文也无法当反指标让AI股跌势反转..
https://i.imgur.com/LprrjFJ.jpeg
NVDL 36开始建仓 往下每-10%继续买
NVDA高档下来-9% 明显有人在顾 非常强势 算是横盘整理 反正未来股价一定破千 护城河之
深 没那么容易被包围网打击
反观AMD高档下来已经-32%
月底AMD财报 目前股价趋势准备探年线130,
未来不确定性(中国市场)比NVDA高
未来不管哪只AI喷 TSM都是受惠的一方
2024年无脑组合： TSM+NVDL
希望TSM ADR未来可以出两倍 三倍ETF.
※ 引述《andylu1207 (andylu1207)》之铭言
: 一个月涨跌
: AMD -7% 从历史新高跌了27%
: https://i.imgur.com/zOqeuTu.jpg
: NVDA继续创新高 一个月涨了21%
: https://i.imgur.com/4xRQdUX.jpg
: NVDL也涨了42%
: 这样情况下各位会把手中的NVDA或是NVDL转成基期较低的AMD吗 ？
: 但GTC大会后 AMD几乎没有产品能跟NVDA匹敌 老黄似乎要把AMD 7%左右AI市占吃干抹净
考
: 虑要手中有资金考虑投入更多NVDL还是AMD...
: 谢谢
: 另外, HBM产能可能是bottleneck, 海力士跟美光的良率能不能support这么多量是个问题
..
: .
: ※ 引述《LDPC (Channel Coding)》之铭言
: : 这两年就是AI云端基建年 玩家就是NVDA/AMD 至于那个i皇欧 不好说QQ
: : 如果用internet大时代来讲 等基建完毕之后 就会有Software As Service (SaaS)
: : 这类类似saleforce兴起 目前看到的玩家就是Databrick 建议可以等这家上市ipo 买爆
他
: : 基建完之后 就会慢慢走向AI as Service (AIaaS) 软件业
: : 我有点怀疑老黄想吃AIaaS这块应用市场 在AI界 刷算法的除了G/MS/OpenAI/Meta等
: : Nvda其实也刷不少 甚至在HunggingFace 某些榜单 Nvda是榜首
: : 甚至刷赢了OpenAI的Whisper模型架构 在OpenAI Sora发表前三个月
: : Nvda也在刷了一个自家架构的video diffusion
: : 接者一个多月前Google也刷了一个自己的video diffusion (Lumiere) 甚至一年前
: : Adobe的firefly也是类似架构 这些大模型都是以后通往AIaaS的基石
: : 老黄一直有在养顶级AI学者 光是他之前要求一个新人Researcher职缺要八篇顶会论文
: : 就知道他要求有多高 像苏妈就有点落后这环 完全还办法多元化经营去养昂贵的RS
: : i皇也有在养一些ML学者 只是我觉得连高通在ML就业市场 现在都比i皇更有吸引力QQ
: : 所以老黄有可能也会搞Turnkey 软硬通包 送你大模型和硬件一起包
: : AI workbench就是这个企图的线索 许多企业甚至领域 会有自己的私人垄断data
: : 你只要拿老黄包给你的大模型和算力平台 自己fine-tune私密data
: : 一个新的应用 就可以瞬间搭完 举个例子 如果你是某某医院
: : 手上有一堆问诊资料data 然后你只要拿LLaMA2 用个16~64 H100 稍微fine-tune以下
: : 以后医生的问诊就可以交给至些大模型去做 简言之 这些基础大模型 只要有特殊私密
资
: 料
: : 就可以客制化成为一个专业产业的生产工具 而企业仍然可以保有自家独特市场
: : 只要他们拥有这些独特资料 当老黄基建完后 再跑去吃AIaaS 都有可能
: : 至少老黄在自驾就是这样搞 包软硬Turnkey 软件和硬件都一起包给下游车厂
: : 至于AI云端基建期会有多长? 目前看到各国也开始在基建自家的算力平台
: : 都深怕落后这波 欧洲明显这波有想跟上 像法国诸如Mistral AI MoE, CroissantLLM
: : 等等 以及其他阿联酉Falcon 但也有许多国家还没开始 像是台湾
: : 以台湾为例 台湾现在基建算力平台是 国家高速实验室的台湾衫2号 号称最先进AI平台
: : 但却是2017年的V100 这玩意不能跑bf16 所以很多现代大模型是不太好在上面跑
: : 这点真让我感到QQ
: : 所以我一直不懂AI泡沫化是啥鬼玩意....等全世界都满手H200 MI300 基础云端到处都
是
: : 再来讲泡沫化可能会比较好 不过那时间点 我怀疑老黄会去刷AI as Service这玩意
: : 最后 AI三个核心点 资料 算力 算法 然后老黄有后面两个 其他非AI大企业可以卡入得
点
: : 就是资料 搭配基础模型(Foundation/Pretrained Model)和算力弄个FineTune
: : 去开发落地场景 然后搭配low power inference特制算力平台(AVGO/NVDA/AMD) 这就是
: : 之后的未来