周末闲聊,
搜寻一下发现这篇讨论可以回朔到两年前,
https://www.ptt.cc/bbs/Stock/M.1661733364.A.DA6.html
当时我猜到AMD会把Intel给打趴吃下服务器市场,
却没看到NVDA 在这两年的爆发力更加惊人,
AMD两年股价三倍,
NVDA 却是两年股价六倍,
我输了
我对个股预测常常不够准,
常常是猜到头却猜不到结尾,
所以还是建议投资大盘指数ETF 比较简单
当然也要大方承认,
由于受到本人专业领域的限制,
我只能看到与预测到跟我专业相关的部分,
我不是做AI 算法的, 也不做LLM,
最多就只是做擦边球去使用LLM,
我的职业生涯一直都是做CPU, AI 芯片与软件系统,
所以我能精准预测CPU 与软件系统 市场的变化,
但是我却错估了AI 算法在这两年的突破与对算力的需求,
我真的是对AI算法不熟
回到主题,
两年过后的现在,
服务器市场几乎确定以后会是ARM的天下,
甚至之后的AI device, AI edge 都会是ARM的天下,
以我的专业来看 这趋势是非常确定的,
所以我不看好 AMD, Intel, X86,
如果是现在给我选择,
我会觉得NVDA 比 AMD 有前景
当然这是就只有NVDA AMD两个选择的情况下,
如果我可以做其他的选择,
我觉得AI 系统正在快速普及,
很快的几乎每个人都能够随身一台AI device,
所以说AI 软件应用与软件系统会很快的普及,
AI edge 的需求也会很快的飙高,
所以我个人在这时间点选择的话,
我会选择GOOG MSFT 为最佳投资选择,
如果是硬件与AI dege 的部分是ARM, QCOM, 联发科,
包牌是TSM QQQ TQQQ,
ARM的问题是股价炒太高, 目前太贵,
但是前景很看好
至于苹果,
我之前还是很看好苹果在AI硬件上面的竞争力,
但是就像LDPC 说的,
苹果还在搞内存饥渴行销,
以及一些自我封闭 自砍功能的饥渴行销方式,
还有继续封闭的平台,
这在AI 硬件与软件发展的路上只会越走越远
※ 引述《LDPC (Channel Coding)》之铭言：
: 人类离变成电池之日越来越近了QQ
: 这边是一个openai的demo整理
: https://youtu.be/VP2-8jIurUE?si=BlFPm94-752XEkF0
: 稍微细拆一下上面的demo一些隐藏意义 诚如之前所说的2023 Text-Based GPT4出现后
: 业界就直接看到战场要往多模态拼杀 多模态意思就是喂给这些LLM模型从文字理解世界
: 进化到 把影像声音转成文字意涵 在喂食给LLM去理解 大概到去年年中 大家影像刷完
: 就开始刷声音多模态 (当然 LeCun很反对把多模态用文字当anchor来理解世界)
: 到此为止 多模态大概已经刷得差不多 也就是LLM可以透过各类型资料理解世界
: 多模态资料有
: 声音: 可以透过声音知道你情绪 理解你是大人或小孩
: 比方说:你如果问LLM 这世界有圣诞老人吗 LLM听到你声音
: 会叫你 滚 你这死肥宅 如果听到是可爱萝莉 就会说 是的 世界是有圣诞老人唷!
: 这些是传统声音转文字(ASR)再给Text-LLM办不到的
: 其余多模态资料诸如
: 影像: 理解图片
: 生医: 心跳 血压 呼吸
: 金融: 各种时间序列资料
: 温度 热成像
: 这些都会以文字为anchor (text token)去喂给LLM
: 那接下来 下个问题 多模态LLM 最佳落地场景为何?->答案是 手机
: 因为手机是最好的携带装置 可以去理解世界 手机上所有数据都是多模态
: 就连GPS/WiFi 你如果需要 也可以当作多模态资讯丢给LLM
: 第二个最佳落地场景是 AR眼镜 这也解释为何前几天Google IO
: 在替Project Astra铺路 而事实上多模态LLM其实最适合AR眼镜
: 因为 "所见所听既所知"
: 戴上眼镜后 下棋 炒股 把妹 打台球算角度 全知全能
: 而多模态LLM其实就是扮演虚拟助手 帮助人类处理现实世界资讯和情报
: 这也是为何我觉得果家明明有机会可以打一场漂亮战 但因为果家的内存饥饿行销
: 注定Gemini-Nano (3B模型) 无法放到iphone (4~6GB) 注定只能走云端
: 云端多模态LLM之王就是openai了 至于为何有人会质疑on-device (<3B)以下模型为何有开发
: 必要性?都用云端就好了 答案就是因为有很多模态资料有私密性 不方便上云端跑
: 目前针对这类投资就是AMD/NVDA/MU/QCOM MU原因来自多模态吃内存 需要HBM这类设计