Розмір відео: 1280 X 720853 X 480640 X 360
Показувати елементи керування програвачем
Автоматичне відтворення
Автоповтор
最逗的是，做完这期NV+AI泡沫的视频，AI就拿了两个诺奖……之后图灵奖给老黄也不离谱了[doge_金箍]关于泡沫你怎么看，欢迎评论区聊聊，谢谢三连支持！下面这期内容应该也会对你有帮助：八大派围攻英伟达，老黄慌了吗：ua-cam.com/video/P1aPQ3FNoNE/v-deo.html
你不明白圖靈獎是什麼獎.
现在诺奖有啥信服力？
@@kaifei9674 你make了一个毫无根据的comment
哈哈，你真幽默
被打臉了，nVidia股價再創新高
老黄总共有>1000亿美元NVDA。最近抛的7亿美元价值股票，只占他总持仓的1%不到。而且他每年还得得到几千万美元的NVDA股票和期权。这么解释完，你还担心老黄卖股票吗？
個人覺得，由於老黃本身是主要創始人，情感所在，他的「不賣」信息量不大
估计他不敢卖太多了，要不可能要在监狱里度过余生了。
@@gmanhan8305 自己的股票为什么不能卖？这个想法真奇怪。
@@gmanhan8305 放心，他要想賣的話，自然有專業人士幫他規劃。他可是美國前十大富豪呢
@@gmanhan8305 老黃不是中國人。
其实很简单，互联网出现的时候，人们还没有想好互联网怎么改变人类。但是在AI出现前几十年，人类就想好了AI怎么改变人类。这两者太不一样了！
正解無誤。互聯網只是「基礎架構」AI已經在基礎架構之上。
我倒是不覺得人們真的想好了AI會怎麽改變人類，現在能看到的只是小部分。應該這麽説AI能帶來的改變是你想都想不到的，并不是現在的什么聊天機器人罷了。同樣的如果你站在2000年的情況多少也一樣。當初肯定有各種預測互聯網可以用來幹什麽了，但你真的能想到會聯網至今的變化和影響嗎？
@@Im99-kp 我还记得小时候看的科幻电视剧Knight Rider里叫Mike的智驾车，没想到而立之年，幻想变成了现实。
@@Im99-kp 這個世界，早就不是少數人決定長什麼樣子。而是貪婪決定這個星球長什麼樣子。AI，就應該大力推行，消滅貧窮的最好方式就是停止製造人類。AI只會把人類生產力、勞動力解放，自然就會造成把所有「市場」壓榨，最終那些底層人將會有更多舒適且簡單的生活（意思是吃飽穿暖，但不會有夢想）就像Blade Runner一樣，可以期待未來扭曲世界的到來.....
@@wyc2462 深層政府在決定這個世界的走向
到底在公沙小 這是很久以前的片嗎?NVIDIA 134.80 USD+17.89 (15.30%)過去 1 個月134.80 USD+86.63 (179.84%)年初至今有幾次劇烈波動讓股價直落85美但是很快就漲回去了劇烈波動就是割韭菜的前兆 看起來只要套牢就不會被割
关键的理解要点。1.过去几十年软件算法效率的提升在百万倍。而AI算法对性能影响目前依然以大大高于硬件的速度在迭代，深度清洗后数据，使用精细的training batch..MoE+ Differential transformer 等大量改进，过去3年算法对性能的改善在千倍级别。这对硬件需求影响是深远的。2. 云服务绝不是可以对冲硬件销售的东西。资源池永远只是降低对资源的需求。 3. 真正影响极大打击的是基于Sot-MRAM 的存算一体芯片。可以把功耗降低1000倍。而这些架构是趋势，在AI的加持下，大量涌现，NVidia 不可能收购得过来。4. AMD的冲击。AMD的产品性能更出色，而且技术推进策略更优，随着AMD低价战略和UDNA用AI替代GPU的战略的推动。NVidia 没有任何优势。 特别是现在有些把训练带宽降低1000倍的算法。Nvidia 最核心的网络架构的优势也极其有限。NVidia 真正的暴跌不会太远，UDNA 大概在2025-2027会对Nvidia 形成强大压力。 历史经验表面，特别糟糕的是习惯高毛利的公司。这些公司在衰退的时候依然习惯大手大脚，往往都来不及给自己转型的机会。
现在还没有哪家搞应用的赚钱。没人能赚钱，就无法持续大规模的投入。现在还可以靠着热度，融资烧钱，但很快就难以为继。
或許AI沒能直接在大眾消費市場賺到錢但學者利用AI得了物理和化學諾貝爾獎，利用AI優化核融合設計，找出許多絕症新解...，RNA新作用，你覺得那個國家敢停下在AI上的軍事競爭
@@Joseph_Lin所以西方人说了，已经没有诺贝尔物理学奖了，为了炒作让AI拿奖。
但你不搞，哪一天人家弄出來了，你要再進這個市場就來不及了。
那你知道那些你口中沒賺錢的公司今年獲得了一堆投資嗎😂
那你知道你現在用的YT虧錢虧了多久嗎？😂
我现在AI炼丹群，已经在开始讨论装修材料了……flux出来后，一堆建筑和室内设计师受到冲击了，12000元的建筑室内室外设计图效果图，被AI卷成1200元，这类人基本属于，你不学ai，5年后饭碗消失概率100%。所以这波，哪怕ai没有任何消费应用成功，只是生产力内卷，需求就很刚性
请教在哪个群
阿？效果图2010年那会1000一张，12000什么情况？
@@sunhara921 一个酒吧的效果图12000，一个家庭吧台的效果图1000，价格高低需要依据需求的大小来定，不能一概而论。
别吹牛了，AI室内现在还比不上酷家乐呢
@@Tutu33333 flux出来后场景效果=以假乱真，线稿出来直接出效果图，20分钟搞定，你酷家乐3D渲染拿什么比，3D效果终归一眼假，细节更准，但不好看，AI出图比实际效果好看50%还是可以做到的，
悲觀者正確，樂觀者獲利。 就讓我們繼續看下去。
没有说到问题的根本，那就是AI大模型的盈利模式。现在英伟达的顾客都在烧钱，到目前还没有合理的盈利模式。
AI可以把之前所有的應用，拿來用AI全部重做一次，這和思科的網路發展路徑是完全不同的。可以多參考Gartner Hype Curve，會有更不同的思維。
Part 3)另外希能進一步說明為何這一輪由算力提供方來主導的AI 發展，將會走得很偏，而且會很快撞牆？除在Part 2) 談及眼前這些所謂台面頂流AI 專家或團隊，粘粘自喜於眼前所謂模型誤失率16% ， 殊不知在很多專業領域，16% 的誤失率，那可能帶來災難（ 金錢損失， 人員傷亡， 大自然破壞） ！ 例如，自動駕駛，氣象預報，股票期貨買賣決策等等。即便生成式模型，其誤失也可能帶給人們直接或間接的損失或傷害。若不是由領域產業專家參與並主導的建模，要突破10% 誤失率，是極其困難的。我說𠆤故事（不是在炫耀自己的賭技），大家也就明白領域產業專家的重要性。我2000 年在香港公司上班， 每兩周回深圳家一趟， 每雙周末回深圳前，我會帶2 萬港幣去澳門葡京玩輪盤，每回我嬴到10 萬就走人，由珠海回深圳， 我次次去次次嬴，從沒輸過。這就是有專業領域人員恊助的建模，誤失率很低，回報很高（投入少收益高）。機率論是認為發生機率的事件是背後有些不明的隱變數，如果把這些隱變數儘可能的説明白，讓機率性的發生現象就會變得越來越小。簡單的說，一個銅板正反面，前十次都開正面，第十一次開正還是反，數學家據於機率論的真蒂，告訴你一定開正面。因為從前十次已看出存在開出正面的未知隱變量。但一般人仍會認為正反各一半機率，甚至有人會錯誤認為連開那麽多次正面，這次肯定會開反面。我玩輪盤下注前，一定會找現場的賭友看一下他們記錄卡上先前及近期是否有某𠆤特定數字常開出，若沒有，我會忍住不下注。一旦出現連續常開數字，我就立刻下注押這常開數字，以及輪盤面靠這數字左右各兩組數字，共5𠆤數字， 基本中率非常高， 可達到20% 押中率， 20% x35（賠率）/ 5( 押注數）, 我每玩五次總投入是25 中一次賠35。 賺10 。 基本上2-4 小時達標10 萬港幣走人。1）其實在現場賭友記錄卡上先前中球的數字就是領域產業專家去掌握數據的過程。2） 我會解讀機率論，因此也是玩輪盤的專家。因此我玩輪盤，就是具專業知識參與的領域產業專家， 另外我的投注策略，就是我建的模。而眼前台面以算力為主導的AI專家，因為他們手上握有大量的算力籌碼，因此他們是次次都36 𠆤號碼全押， 所以次次都中， 但是每次總輸一𠆤籌碼。 這種暴力的押法， 就是沒有引入產業專家的結果。大量浪費算力在無味的押注上。基本上不是大力出奇蹟， 而是大力出爛成績。另外眼前生成式大模型，最大的資料來源是取自提供搜索引擎服務的大型公司的資料庫。而這些資料庫的data base 早已經過各行各業領域產業專家幾十年投入，進行維護梳理，並進行了多維度的數位標記。因此目前生成式大模型真正的主要貢獻者是，各行各業領域產業專家幾十年的投入，進行維護梳理，並進行了多維度的數位標記。所以缺乏產業領域專家主導，而由算力提供方來主導的AI 發展，可預見的是將會走得很偏，而且會很快撞牆! AI 的良性發展， 不是靠蠻力的大力出的爛成績。（把算力浪費在一些関聯性不高的變數上，不當不專業的取定變數）而是要靠產業專家的巧力進而形成的大力出的好成績（奇蹟）。Nature刊发最新研究 ，目前當紅4 大语言模型， 参数越大越不可靠！ 简单任务更容易出错， 誤失率高達40% 這𠆤問題很容易理解。當我們的需求是專業有限變數的問題， 如股票決策/ 海洋及気象動力/ 無人架駛/ 化學工程/ 土木工程/ 等等，許多專業的有限變數， 這些已建立完成很長一段時間模型的精準度非常高。而大語言模型想要用海量變數去涵蓋這些專業模式，其自然的結果就是錯誤率極高。也就是說針對專業有限變數模型，那些大語言模型的99% 變數不旦是垃圾， 還是有毒害的垃圾。因此使用AI 一定要知道什麼問題什麼場景使用什麼模型。AGI 必須建立一套專業模型徵用的智能機制。不能一昧的用大模式。AI的健康發展是以各領域專業專家組為主導，數理統計為核心，編程及算力只是工具，否則用提供算力及工具的這些人來leading AI 發展，會形成外行領導内行，並為AI 發展種下低效偏差甚至高風險的發展。譬如新藥開發/氣象預報/各種不同語言等等都是以領域專家為核心，否則就亂套了。更可行的作法， 各國加緊立法，用國家特准许可的方式，來認證並核准各領域不同應用AI 的開發許可及成效認證，譬如目前自動駕駛這領域，不能僅憑廠家自行認證，必需由國家相關單位認證，納入國家法規制約。其實其他領域也應該如此，即便服務大眾的生成式大模型也要納入規範管理，絕對不能任由AI 公司自行任意發佈，一個小電器產品都需有関認證，才能上市銷售，目前AI 大模型實在是太無序了，AI 公司任意上市推出由市場決定其優劣，客戶當白老鼠，完全沒有任何管理約束機制。任何AI 應用開發的公司，必須有相關該應用領域專業專家為主導，及數理統計的人員的參與，如果沒有通過這些人員資質審核要求的公司或團隊，一律不得從事AI 開發及應用工作。否則視為違法。如同醫師證照，沒證照的醫師坐診，診所如何能執業？！建立政府職能的審核監管制度，才能防止並追蹤AI 的錯誤使用/ 違規使用/違法使用， 也進而能排除人們對AI 發展造成危害人類的擔憂。另外這也和在Part 2) AI 產業發展形成呼應。AI 發展的3 大組成； 各產業領域的專家，建模數理理論，算力編程的提供及組織。此外，最讓人擔心的應該是產業領域專家組主導的AI 開發， 他們開發AI的效率及精度都是最高的，而且他們非常淸楚如何使用及駕馭它，也因此容易造成有心人藉此做出違法犯罪甚至傷害人類的事。而算力提供者主導的AI 開發，往往效率及精度都比較差，頂多只是多浪費點資源，失誤率高點，但傷害性不強。大家思考一下，我們該擔心AI 算力提供者弄出來的作戰機器人，還是該擔心軍方專業人士主導開發的作戰機器人？！特別是在敏感的專業領域，如核暴/氣象/大気動力/海洋動力/基因工程等等，我記得40 多年前，這些參與CIC(AI)建模的產業專家組人員，基本都被政府列管登記在冊。因此整𠆤AI 產業的發展， 政府必須義無反顧的出面建立審核/ 監管機制，這樣才能確保有序/ 健康的發展。 而眼前無序的亂象也得以解決。
你這 part1~3 的回覆，是AI 還是人類創作?無論如何，我認為寫得真好。我會再仔細閱讀一番。
@@jeffchen6556 往上看Part 1/及Part 2 其有延續性
你的結論是政府必須要監管。但是美中兩個不同的政府、可能一起監管嗎？所以你是指美國政府的監管。你就只能假定世界上只有一個國家永遠強大。
@@jupitermoon3644 其實幾十年來AI 在很多國家都有因其本國特殊環境而進行各類差異化的發展。如気象/ 海洋動力/ 農作物施肥/建築工程/交通工程等等， 目前正在進行的自動駕駛，也會因國家現行法規不同而形成不同模態。 因此這是全世界各國都要主動介入的監管。另外不要迷失在錯誤的誘導- 算力決定AI , 那是有心人及廠商故意的誘導。AI 高效及精準的發展，是很大部分依靠不同產業的專家組。
AI產業需要盡快建立倫理規範，才能建立審核和監管機制的標準，否則將來會產生很多問題，例如現在很多車子都有智能駕駛，雖然說是輔助系統，但是很多車商都標榜是自動駕駛，如果有一天你開著智能駕駛發生車禍，究竟是駕駛人的責任還是開發智能系統的公司也應該負責？
Part 1):任何一條神經網路也是一個多變數廻歸分析，也是統計學迴歸分析的一環。我在40年前攻讀數理統計就涉及這些人工智能及多變量（含時間變量）的廻歸分析（向量/ 矩陣/ 線性代數/ 機率/ 取様….）, 以便對一些事件做出精准智能的預測。所謂自我學習或機器學習也只是用後面收集或模擬出的更新的資料去修正原先迥歸分析的杈重或係數參數而已。而深度學習也只是處理巨量變數時，為了避免僅用單層機器學習進行巨量變數而需要解大矩陣導致對巨量平行計算的需求，進而變換設計成每層適量變數，建立多層次的機器學習修正。40 年前人工智慧就是數理統計的一大課題。馬斯克說得一點都沒錯-目前的人工智慧全部建立在數理統計的基礎上。從那時開始就不斷有各行各業的數據分析專業人士來我們數理統計這參與並學習迥歸分析。他們回去後就不斷建立了屬於他們行業內的多條神經網絡（行業內的迥歸模型）。在那時從事這類研究工作的數理統計的博士生全部被限制在晚上12 時過後才能使用國家級的超級計算機，否則我們兩三𠆤人一上線全部就大當機。我們那時也發展出一套類似挖礦機的方式，利用所有大量閒置的𠆤人電腦來提供其微小的算力，進而整合這些龐大的所謂分散型算力，但受限那時網路的不發達，很難把規模擴大。近幾十年隨計算機能力不斷提升，目前市面AI 所謂大模型，主要是著力於面對”服務大衆需要”的所謂生成式/ 語言等等的智能協作服務。就是把百行百業各個領域等等數以千萬千億計資料進行迥歸模型的建立及修正（所謂自我深度學習）而形成龐大的神經網絡。因此也不用太誇大眼下的AI , 這些早在40 年以前都已建構了理論基礎，而智能恊作早在各專業領域都已發展的非常完善，只是因過去算力不足只能在各自專業領域進行中小規模（變量數較少）的神經網絡建構。例如氣象預報就是早期最明顯的利用氣象專用超高速大電腦發展為成熟預測能力（AI)的例子，股票買賣決策也是智能恊作(AI/CIC)的典型。”把簡單數學上使用即存的規模資料或電腦模擬資料進行所謂的㢠歸分析/模型建構並藉此模型做可行的智能預判或恊作，包裝成醫學上複雜尚未完全掌握的神經網路的機制及作用原理”，不但瓢竊了數理統計在AI 發展的絕對地位，實在也是在誤導整𠆤AI 的發展。也會造成眼下一般人的過度期待和焦慮。應將AI 改稱作” CIC:Computer Intelligent Collaboration , 電腦智能恊作， 更為恰當。何謂知識？ 由經驗總結後（ 抽象具體化） ，就形成知識（用數字分析的表達方式就是去建構知識模型）。 形成知識後就可複製/ 傳承/ 預測/ 擴展。因此目前的AI 發展，就是在循人類文明發展至為重要的其中的一𠆤過程-只是採用了數位化的方式，將經驗知識化了。目前的AI 只是以數理統計為手段及方法論，以資訊及計算機工程為工具，進行數位型的經驗知識化的過程。人類有許多其他不同型態非常複雜的智慧，這種僅止於知識數位化的智慧， 其實離人類多型態的智慧還有非常巨大的距離。另外， 眼下AI 服務於大衆的大模型的各種數學理論及所謂的機器學習（參數修正）及深度學習（參數及變數的多層次增加及修正）。 早在40 年前相應的數學理論都已完備（但落實到實際應用上，如何解1 億 by 1 億的聯立方程組( 行列式計算）， 這需要極其龐大的平行計算能力，在那時期是完全不可能的） 。 其實AI 最重要最關鍵的是各行各業各領域的專家組，而不是這些AI 編程的公司（ 他們只是依需求用已完善的數學統計理論加以電腦編程後，利用巨大算力去幫忙找出合適的模型並不斷予以完善）。 只有各行各業各領域的專家組才知道在茫茫大海中的資料及訊息中，那些因素才是其所涉領域的関鍵變數，那些變數資料才是可做為他們收集分析建立模型的。例如氣象學/經濟學/股票買賣智能決策/ 醫學/ 藥學/ 農業生產/ 基因工程/ 化學工程/自動駕駛/飛彈防空系統/圖像識別及處理/ 建築結構力學/小樣品模擬模型（核爆/飛機失事）………..等等。 此外服務大衆的語言學也是極度複雜的一門學課，其可能的變量變因會高達幾千萬𠆤， 再加上多層級過濾學習修正的模式，因此其涉及的變數算力就以億計， 所以才稱做大模型。 要取那些因素進行那一層分析，主要都是語言學家在主導。而這些眼下的AI 應用的公司， 只是利用已發展完備的數學統計理論在不同領域專家組的指導下，去有效的進行數拈收集整理分析並進而建立一個特定領域的模型，作為該特定領域的電腦智能恊作工具。
我也是過來人
謝謝你的分享！近幾個月來看到最直指核心的評論！我自己是做bioinformatics 的，也是越深入越感覺我們只是基於工具上的進步而開始可以把複雜真實世界的巨量變量放進模型開始運算，而不是需要用大量統計方法簡化並且只能看到某一面向的真相。但與此同時，能從真實世界提取多少參數，如何有效提取，就是domain knowledge ，而這越來越重要，在大家都在轉碼的年代，其實深挖一門學問才是最有競爭力的，有點類似以前挖土用鏟子，所以研究打造鏟子的人會獲得高收益，現在大家都有挖土機了，也許操作能力還是有區別，但那比的更多是誰知道哪裡有礦或哪塊土肥沃了
解釋的很好，三十年前我也是為了跑非線性統計檢定程式必須用到電腦中心超級計算機，因為如果靠自己的486電腦光跑出一筆數字就要27天，還要保證過程中不會當機，為了足夠的使用時間還要跟同學借帳號申請，結果一個搞金融的非線性統計程式用掉的計算機時間比當時資訊碩士還多好幾倍，真的就是算力問題，其實三四十年前模糊理論和神經網路就已經很多人研究，但是當時的算力只能做一些簡單的工作，太複雜的工作電腦就死給你看，所以論文寫完之後往往就丟在一旁了，等到算力上來的自己也老了。
感謝你的分享 我比較好奇有職業去比較和修正把知識量化的過程嗎 畢竟在論文上用的文法、邏輯上都很複雜 連人都可能理解錯 比方會有物理學家去修正ai嗎（好像門檻太高了 這個人需要該專業和算法的知識）
電腦永遠不會明白人類的語言、行為。電腦只能知道表面的語言！説出同樣一句話，背後可能相反的意思，因為一個可能是反諷！
AI是產業，只會越來越重要，而且才剛剛起了些小泡泡。股價泡沫與產業泡沫要區別對待，不要混為一談。
还得看最后挖金子的人是不是真的能落地赚钱，如果不行，这个热潮一定会降温，比如淘金热一样。从这个角度看，依然很难说是不是泡沫nv 的城墙再高再厚，如果建立在沙滩上，最后也是毫无意义的。当然我觉得 ai 是有价值的，但是目前的 ai 热潮，和之前的 vr 热潮一样，很可能最后发现落地场景并不实际，然后迅速退潮，资本去追逐下一个热点
Gartner 技术成熟度曲线
您的說法比影片精闢⋯討論泡沫不泡沫太八卦了，實際的商業應用比較科學⋯
Ai跟VR不會一様，AI在生產力方面已經有了實際的幫助和應用，多少人日常生活離不開ChatGpt就是最好的剛需證明
AI的应用价值是实打实的，今年2项诺贝尔奖都发给了AI科学家。现在生物物理学和医学生物工程学两大前沿领域都面临着AI的巨大颠覆。我们搞气候模型和生态模型的领域也在受到影响。至于遥感领域，早已经是机器学习的天下了。
@@zhchbob 诺贝尔奖颁给了ai最早算法的两个科学家,但是这不代表商业上的成功.蛋白质折叠方面我知道有比较大的应用,还有x光片的读片,可能在一些2b的领域上ai由于专家有更多的落地.这确实可以使得ai获得应用基础.不过,我要说不过了.就是比如nv的大量gpu都是出售给openai或者ms或者fb之类的商业公司,而这些商业公司做的产品其实并不是您说的那些专业领域.我更担心的不是ai没有实际应用场景,而是过于夸张的商业场景,和我留言的技术成熟度曲线所说,不是这个技术没有应用场景,而是早期技术没有达到应有的成熟度,但是被市场过度追捧,这时候,会迅速跌落神坛,但是由于技术确实有应用场景,后期会在更真实的应用场景缓慢提升.
AI我不一定會買但多少會用一下，可是顯卡還是必須買😅
最大問題還是在能源，當然人類越推動科技，極端氣候越嚴重，全球暖化已經使各類作物大量減產，最後使人類停下腳步的，是最基本的糧食及生存空間，AI不會使融化的冰山冰河結回去，不會使沙漠化的森林回復，只帶來無盡的破壞。
全球暖化，你去看看地图，现在俄罗斯和加拿大又多么巨大的冻土带没有开发，如果全球继续变暖，会在这些地方多出巨量的可耕种土地。还不要说农产品目前其实越来越多可以工业生产，你吃的很多蔬菜沙拉都是无土的工业化养殖，再稍微降低一点工业化程度的大规模种植业，比如以色列的滴灌养殖，在中东那种沙漠，农业的亩产量却远高于世界平均水平
@@feifeishuishui 凍土融化代表古代病菌再現，先去了解風險再來說。
@@哭阿-x4e就你懂？ 冻土已经化了这么多了，你跟我说说出了什么细菌把人感染造成哪怕是小规模流行了？不要看了点自媒体和不入流科学家都东西就觉得自己很厉害
我個人的見解，量子電腦會和任何的 GPU Link ,到時一定會有橋接器的中介層的軟件，大型和客制化的Ai 模型的訓練和推論的GPU算力便不是問題. 通用型AGI 應該會出現，不到五年內，技術的奇異點將會到來。現在的gpu的速度問題都是資料搬移的問題和HBM ,如何把在晶片內的傳輸速度加快和gpu 的機群的同步運算，這些都是量子電腦的強項。老黃再撐個5-10年不是問題😂
這個影片算是一個里程碑阿,讚讚讚
只要大量數據的ai,跟本不叫做人工智能，認為真正的智能應該是不用數據和人類一樣的自行思考的
人类的学习过程也是接触到大量知识（数据）的学习过程，学识也不是生下来就存在的，也无法遗传。人都需要学习，为啥人工智能就不用学习了？
18歲未成年啊人類要花18年學習你都不知啊
@@showyes-vj1tb 爱因斯坦发现相对论大概不到30岁，是因为他接触了大量知识数据，读完了全世界的物理书才有的吗？
@@wonderbuyphilippines6755 如果不阅读不学习，爱因斯坦也就是个文盲而已。
如果对比互联网泡沫前提就是错的。现在竞争AI领域的公司没当年互联网那么多，换句话说AI目前的门槛比互联网投入高得多得多，不看研发人员和芯片成本，电力成本就海得去了。当然不否认目前得价格没有泡沫，但下调空间80左右的底部在8月的恐慌指数基本就明牌了，除非出现世界大战的黑天鹅。不作为投资建议的建议就是110以下区间未来1年放心进。想要对冲战争风险就买些原油对冲。AMD和其他公司想要跟NVDA抗衡？我只能说NVDA就是手机界的APPL和电车界的TSLA
还能掉到110吗😂
@@dott8347 价格从来是上下浮动的。拆股后一周140，但回到100～120区间横了多久了。现在情绪面好大家都往上看是因为好了伤疤忘了疼，或者说是下个黑天鹅还没出现？
@@dott8347 市场情绪低落的时候就是涨不上去了，还得跌；市场充满积极情绪时又是后悔没上车，便宜价再也买不到了。nvda 110-130是中位价，不贵但也不便宜
真有趣，講了一堆，完全沒提到大家願意付錢的AI應用，就連OpenAI都收不到足夠的錢，持續瘋狂燒錢(今年虧50億美元，幾年後虧損擴大至140億），然後就直接跳到結論AI泡沫還很遠？如果還很遠，黃仁勳與一堆主管合併瘋狂拋售股票？
当年修马其顿防线的时候法国人也觉得稳了
真的接下來英+台 這兩大神器將獨步天下好幾年！ 老石老師這麼棒的評說流量太少了點～ 大家大大力的給讚分享吧！
谢谢老石的分享！ 视频做的太精彩了！
兩千年CISCO泡沫：1.CISCO泡沫是因為技術容易複製，拆開、PCB抄一抄。2.CISCO當初沒建立護城河3.市場卻比現實需求還過熱NV只有第三點我部份同意吧。其他我看不出跡象。除非歐美用反托拉斯去搞NV。
是，也不完全是。Lucent, NORTEL建立起光纖網絡， Layer 1，就衰落了。接著就是Cisco的TCP/IP, Layers 2,3 獨領風騷。即使不被抄襲，也有衰落的一天。接下來就是應用，如收索，云計算等。NV也有這一天。不過現在還在上升階段。好日子還有好幾年。
AI对于大多数人来说，可有可无，可能会提升生产效率，但是对于消费端，还没有达到汽车，飞机那样衍生人类物理属性的发明高度，它不能替代蓝领工作，通马桶，修水管，刷油漆都离不开人工。最多延展一些大脑功能，但距离强人工智能差得远得远。
在工業生產領域與各種演算法下的影響大得可怕，AI真正可怕的地方不是你怎麼使用它而是那些用AI的公司怎麼用AI使用你。
20年前也很多人說，網際網路是可有可的東西
等AI能取代cpu gpu的遊戲運算效能再來嘴
不管泡沫不泡沫，英伟达是目前信息产业里面最能赚钱的公司！
AI不會泡沫，AI需求在幾年內不會消退，股價修正是因為之前已經提前漲上去了，只要公司成長不如預期，本來就會修正，而成長性放緩也是預期中的事情，不可能一直維持100%成長，1000到2000是100%成長，2000到3000成長只剩33%，但數字增長其實都是1000，這樣就很好理解為什麼不可能維持高成長率。
為何AI不是泡沫,但網路，思科確是，因為思科的網路設備不是賣給一般消費者，所以銷售有限。手機賣給所有人，所以量大。AI 則量會更大，因為它將影響，滲透幾乎每個人會用的所有產品！ 所以不是泡沫！ 但英偉達產品主要賣雲端，企業用戶，銷售量終究有限，將來會面臨轉型壓力...譬如說轉型成軟體服務廠商...轉不成就像Nokia...
NVDA不會變成CISCO,只是還在找下一個應用市場,但也不見得會是NVDA是領先者.
虽然造GPU比造网络设备复杂，但芯片是不是英伟达造的，所以硬件护城河不存在。CUDA的框架和生态是英伟达独占的，除非英伟达授权，竞争者必须自建类似框架并说服开发者迁移，这通常吃力不讨好。只有大厂联盟有足够影响力来做到这点，但通常大厂联盟做事效率低，其通用框架也效率低。另一方面，在巨大的利润面前，（来自竞争者的）各种情况都可能发生。
我覺得機器人要方展到電影那樣 , 才叫真的方便 現在還有很多硬體部份要進化 到時又會達到一個 瓶頸 , 現在gpt很好用了,再上去要怎麼實現全面ai 自動化要很長的時間和技術 , 再來說泡沫也只是短線過熱 , 世界經濟是循環的
觉得在AI算力上，AI芯片的产能只是暂时的瓶颈，最终还是电力的限制，需要更省电更有效的芯片。
AI最大問題是投入太大, 卻找不到殺手應用. AI對一般消費者根本無感AI做為生產力工具倒是很有用
是美國而己,中國的AI一直有應用, 最基本的就是智駕,無人機,制藥,天氣預報,這全是AI大模型應用,不是Chatgpt這些吹水作文的才叫AI大模型應用 !其實連手機拍照執相,也是用AI大模型
AI最大現在的投資價值就是一般消費者還處在無感階段，殊不知已經默默在買單，未來也會買單。說沒有殺手級應用？你可能不知道老黃顯卡當初的DLSS技術就是AI的產品，這對遊戲、影視、ACG產業影響非常大。特斯拉的純視覺自動駕駛FSD、高精度動作人型機器人也都是AI的終端產品。META現在早就透過自己AI模型來精準推播廣告，以及收集文字影像資料來訓練自己的模型給自己未來的AR助理眼鏡。Google最新的Alphafold 3 是用來預測蛋白質結構，可用來開發新藥或療法，甚至已經做到預測DNA和蛋白質到交互作用，以前可能要花20年的研究實驗，現在也許能縮到一兩年之內就能預測結果。上面這麼多例子，你要跟我說沒有殺手級應用？所以那些買晶片的科技企業都是買回去燒開水嗎？
@@hondo_chen 这些东西提高了你的生活水平了吗？孔子曰，君子不器，你是否一步步被这些所谓的“科技巨头”改造成了一件器物，而不是一个人了呢？
NVD合理價135 昨天收盤134 說他泡沫倒不如說連個泡泡都還沒出現老黃說的對,太貴不是NVDA的問題,是你沒all in的問題
AI就是場騙局有多少人需要使用AI個人電腦
@@tw31485 oh你確定？你在跟一個京大ai專攻的人聊天喔 你確定？笑死
出一个对各大初创公司芯片的分析吧，想看看你的观点
下一代顯卡都要漲價賣了，泡沫短期內只會越來越厚，越來越高吧😂
沒有越來越厚,其實一早爆了,沒爆的是賣芯片的老黃而己,你不看OpenAI什麼鬼樣了?
谢谢你 反指哥哥
要看还有多少资本可以变成AI芯片的热能，因为LLM的大模型带来解决方案实在有限，但是投入太大了。资本只有高调，才能压掉不同的声音。
和互联网一样，泡沫会破，AI不会停止发展，泡沫破裂又不是这个行业就要消失了，我也不是啥华而街的投资者，所以AI泡沫是否破裂，并不影响我将AI这个领域或工具与我从事的业务结合，就像当年互联网泡沫是不是破灭，都不影响我所在的产业发展网络化一样。😂
錯答案是會! 因為崩盤等於投資緊縮，大家都在抽單的時候你憑什麼覺得你公司能賺錢
@@eaglelu4364 其实对于绝大部分人来说，AI泡沫破裂影响可能会有，能有多大就不好说了，除非他是AI相关领域，或者AI相关的投资领域。其实你不知道我在什么产业，也不知道AI作为一种工具和我专业所在领域的联系，所以只能说，你这个“错”说的真脆生😂
難怪訓練模型跟煉丹似的，原來最關鍵的技術還是nV提供的
lunar lake處理器出現應該能讓一些客戶回頭採用intel，因為arm架構處理器無法完美替代x86
跟 Steam 一樣, 你買遊戲可以不玩, 但買遊戲促進遊戲產業整體發展; 你堆算力對實際國力/產業競爭力不一定有用, 但能促進產業發。產業這種東西就是要有一個主軸, 後手機 PC 時代沒有發展目標, 於是生成式 AI 甘霖降世; 生成式 AI 針對特定領域有用, 但要成為泛用還早得很; 大家瘋 GPU 瘋 Transformer, 都有事做, 生產者/職位都開出來了, 做出來有什麼終端應用? 管他的
NV/TSMC 跟 提供AI服務給終端消費者的公司應該要分開看，就算泡沫有破也是分開破，大眾常說的泡沫破裂大部分是在指後者，現在確實沒有幾個服務能說服普通消費者掏錢給AI。
AI泡沫 也不會影響NVIDIA在高速運算的霸主和實際的晶片需求 只會把NVIDIA跟思科相比的 真的愚蠢無比
金子多了就不值钱了，AI生产的信息也一样；目前的AI还不足够把信息的生产成本下降到趋近于0，所以还能卷一段时间。
老黄能不能提供免费食堂给员工啊
别的不知道，我看过openai的论文，目前研究确实是一切实验都表达大模型能力和其参数体量完全是按比例增长，没有看到任何衰减的迹象，反而是人类文本知识已经达到瓶颈了
應該說並不是所有花大錢堆算力的科技大廠最後都可以賺到錢總是會有些大廠技不如人輸給另一間同樣擁有巨大算力的對手等那些使用AI晶片的科技大廠出現優勝劣汰的結果後對AI晶片的需求自然會達到逐漸飽和的趨勢我也覺得這樣的情況一兩年內還不會發生大概會在未來三到五年才會看到這樣的狀況
可是股价无法准确反映当下对未来判断的正确性😂
問題是企業從AI的獲利還沒變現企業再有錢，也不可能無限投資AI而不賺錢如果投資的AI沒辦法在折舊前回本甚至賺錢企業就會逐漸中止投資力度甚至趨近於停止所以AI泡沫要等企業採用後至少1-2年時間才能看出來會不會破
撐到只剩少數公司寡占市場的時候，現在百家齊鳴
其他家的AI芯片基本都是推理的。。对英伟达构成不了真正的威胁。机器学习是靠训练，谁掌控了训练谁才控制了机器学习。。
对IBM的True North这种异类怎么看？有说法是与传统架构的处理器相比，基于仿生神经元构建的芯片同等算力下能耗仅有前者的1/100甚至低到1/280。当然后者离产业化还很远，但应该足以让老黄这种巨头关注其动向了。
GPU不適合做AI，沒有弄出更有效率的處理器 那就會爆掉了能量效率將會是AI發展的重點
TPU?
NPU?
每次看到這種無知的發言都很想笑。你倒說看看為何google有tpu 需要nvidia的算力。馬斯克有自己的dojo 為何需要nvidia 的硬體。現行所有edge端的TPU/NPU 都是垃圾中的垃圾。為什麼？ 去看看頻寬吧。為何GPU+HBM系統能獨佔。誰不知道sram 比較省電。你搞看看巨大sram看看啊256G 看看你晶片成本是多少。那些號稱比nvidia快幾倍幾倍的。有那個真的撼動市場。唯一有點樣子的AMD ROCm 搞幾年了。拿到多少市場?
NV 是RTX GPU里本来就有TPU，只是人家叫Tensor Core，效率也不低；有些开发者没时间不优化而已
問題GPU能堆算力其他的目前不行啊。舉例來說，你1060可以堆上去然後買2060，4090，都可以一起來堆算力。其他的你換架構就需要重新布置一次，光著一點就真他媽的遙遙領先。今天假設出來一個NPU算力跟電力比更划算，但新舊架構就像你新舊CPU一樣。連主機板記憶體都要換新，那不就要花更多的錢?所以大家都是買買買，先買先贏將來有更好的算力不夠了沒關係!!!算力一廠，算力二廠，我能堆上去，堆算力跟堆電力一樣，在其他架構能打破著生態之前。GPU對AI來說就是壟斷。
互聯網泡沫產生的最大巨頭名叫微軟。股價上市以來上升了4千倍以上。
当整个产业只有你赚钱，那大概率别人要换别的赛道了
問題是沒有別條賽道
这个就说不好了。
AI是真的有用的技術，是將來人類仰賴的必需品，就像食物、汽油、電池，是必需品就不可能是泡沫！
當很多廠商都在研發AI晶片就差不多稀釋掉NV
然而，Ai 仍然没有看到具体应用。
怎么说，现在AI的领域越来越多，比如解动态系统的微分方程，真心不觉得AI是泡沫，毕竟这个学科真正发展，还不到20年。而且目前的数据中心，很多硬件完全不适配目前的AI环境，迭代换新和环境搭建还是要持续一段时间的
英偉達破裂 摩爾線程崛起! ! !
重點是！現在AI訓練後！到底誰買誰獲利成長？
COWOS 已經在反托拉斯的壓力下，TSMC授權其他封裝廠，產能應該2025會顯著提昇
这种影片最好的市场在墙内， 多多益善
股市有漲有跌,AI的影響力,絶非是現在能下定論的.長期一定看好.
怎么破，我工作上离了AI走不动路了，一个和人们学习与工作息息相关的东西，这就不是泡沫
偶尔会和朋友聊，AI能和现有的产品做结合，大家讨论半天，很难找到契合点。
8:39 之後的字幕不見了
给老石提个意见，更的速度能否提高一点，隔壁大飞可比你勤快哦！😂😂😂
意见收到，我也想多更，肝已爆😂最近一直在赶论文的ddl，会加油的
那你应该提高效率啊。@@laoshi_tec
完全不同赛道。大飞属于马云那一派，口若悬河，但完全没自己的东西。一会儿佛学，一会儿哲学，适合做洗脑内容，但不适合作为技术参考。
@@makesirich-ps6zw 是没错，但作为一名科技博主，这不正是正道吗？专业人士谁会把这个当制导啊？（博主不要误会，不是贬低）
想法很多不谋而合🫠
怎麼感覺是有一波韭菜被狠狠割了一遍????
原來是標題嚇人，我還以為半導體youtuber居然會把AI當泡沫??!! 誤會了~~
想听老石分析即将IPO的Cerebras
老黃是賣鏟子跟牛仔褲的人，不是淘金的
哈哈，我比较关心 显卡什么时候降价
Openai正在研发自己的芯片
是不是泡沫，就看需求能持续多少年，一直有需求，就不是泡沫。需求突然大幅度减少了，那就差不多了
看看今年諾貝爾獎 這個泡沫可能 出人意料的堅固啊
賣鏟子的賺翻，挖金的尚未獲利😢
老黄说芯片研发4亿刀，但光把芯片方案传输到台积电要花1亿刀
AI不是泡沫，只是價值評估被稍微高估
老黃在tech unheard 和Arm Rene Hass 的podcast說 DGX1 是scale up的shield , 他現在現在最喜歡的產品,還是shield,映像中shield 很鳥沒啥用
看起來現在之所以能做系統,是因為當初虧到爆的shield
吃不到葡萄說葡萄酸 支性畢露
如果荣耀是美国公司，股价应该是多少？
有人讲了几年股票会崩，但每天还刷新高，什么回事？我真看不懂😢😢
不然每年印那么多美元去干嘛？
AI不會泡沫，但人類會被AI泡沫化。這波強制學習AI知識與技術將持續20年。人力、腦力將會被AI逐漸慢慢取代。學會AI共生學是未來人們要學習的必要常識。AI遲早會引爆新一代的工業革命抗爭，人們會為了生活要求AI在某些行業不得使用或干涉。政客為了選票會給予更多限制。當然出現人們不能接受的事物，我們就要嘗試或接觸它。往往就那幾分鐘的停滯，就會被人拋諸腦後。
下一個 ”思科“ >>> TESLA?
只要他能能堆算力的架構能一直延續下去就不會有泡沫的可能，最多就是賺多賺少而已。
你是认为目前为止AI豪无可用之处，，还是毫无多少增长？已经烧了多少卡下去了？AI的训练，他是有级别的，，在达不到下一级别的数据出现之前，，你加一百万倍的卡进去也是升不了级别，而全球数据几乎已经全被用上了，，根本没有下一次突破，现在英为大，就已经是在一个骗局中，，欺骗式的让强卖，，全球只有漂亮国一国以国家的强压几个巨头在那里狂吃卡，，但那几个巨头哪一个用上了这么多卡？现有的都用不完，，还一直延续下去，，
堆算力 即使卡够 人类很快没有足够的电和数据了
@@风筝-k7b 你就認為是把ai有沒有用自然是買的人最知道。
@@wonderbuyphilippines6755 還不至於因為產能根本跟不上。
要是看好ai产业的话，还是应该买ai类的ETF。单赌英伟达风险还是太大了。
A|绝对是泡沫，好简单就是攒不了钱
被打臉了，nVidia股價再創新高😂
5G吹那么多现在最大的感受就是4，5mb到2，30mb。ai最大的感受就是识别数据，总结，简单但是繁琐的事情一步到位，更多的感受更像是一个语音助手plus。😅
Open Ai 倒下，NVIDIA 也會跟著倒下Open Ai人材流失，開支不斷增加，盈利遙遙無期。
老石應有不少nvda股票
amd还有机会吗
what?? it just went to 135
难道苹果占台积电的产能只在他里面？
已經有報告說ai的模型呈現縮肛趨勢,也就是模型數據量越大,ai越瞎78講.所以說ai是工具,它可以加快了生產力,但作為商業化商品它不夠穩定,如果設備迭代比營收創造來說,這泡沫非常難避免
這些話跟特斯拉急升的時候很似
最逗的是，做完这期NV+AI泡沫的视频，AI就拿了两个诺奖……之后图灵奖给老黄也不离谱了[doge_金箍]
关于泡沫你怎么看，欢迎评论区聊聊，谢谢三连支持！
下面这期内容应该也会对你有帮助：
八大派围攻英伟达，老黄慌了吗：ua-cam.com/video/P1aPQ3FNoNE/v-deo.html
你不明白圖靈獎是什麼獎.
现在诺奖有啥信服力？
@@kaifei9674 你make了一个毫无根据的comment
哈哈，你真幽默
被打臉了，nVidia股價再創新高
老黄总共有>1000亿美元NVDA。最近抛的7亿美元价值股票，只占他总持仓的1%不到。而且他每年还得得到几千万美元的NVDA股票和期权。这么解释完，你还担心老黄卖股票吗？
個人覺得，由於老黃本身是主要創始人，情感所在，他的「不賣」信息量不大
估计他不敢卖太多了，要不可能要在监狱里度过余生了。
@@gmanhan8305 自己的股票为什么不能卖？这个想法真奇怪。
@@gmanhan8305 放心，他要想賣的話，自然有專業人士幫他規劃。他可是美國前十大富豪呢
@@gmanhan8305 老黃不是中國人。
其实很简单，互联网出现的时候，人们还没有想好互联网怎么改变人类。但是在AI出现前几十年，人类就想好了AI怎么改变人类。这两者太不一样了！
正解無誤。
互聯網只是「基礎架構」
AI已經在基礎架構之上。
我倒是不覺得人們真的想好了AI會怎麽改變人類，現在能看到的只是小部分。應該這麽説AI能帶來的改變是你想都想不到的，并不是現在的什么聊天機器人罷了。同樣的如果你站在2000年的情況多少也一樣。當初肯定有各種預測互聯網可以用來幹什麽了，但你真的能想到會聯網至今的變化和影響嗎？
@@Im99-kp 我还记得小时候看的科幻电视剧Knight Rider里叫Mike的智驾车，没想到而立之年，幻想变成了现实。
@@Im99-kp 這個世界，早就不是少數人決定長什麼樣子。
而是貪婪決定這個星球長什麼樣子。
AI，就應該大力推行，消滅貧窮的最好方式就是停止製造人類。
AI只會把人類生產力、勞動力解放，自然就會造成把所有「市場」壓榨，最終那些底層人將會有更多舒適且簡單的生活（意思是吃飽穿暖，但不會有夢想）
就像Blade Runner一樣，可以期待未來扭曲世界的到來.....
@@wyc2462 深層政府在決定這個世界的走向
到底在公沙小 這是很久以前的片嗎?
NVIDIA
134.80 USD
+17.89 (15.30%)過去 1 個月
134.80 USD
+86.63 (179.84%)年初至今
有幾次劇烈波動讓股價直落85美
但是很快就漲回去了
劇烈波動就是割韭菜的前兆 看起來只要套牢就不會被割
关键的理解要点。1.过去几十年软件算法效率的提升在百万倍。而AI算法对性能影响目前依然以大大高于硬件的速度在迭代，深度清洗后数据，使用精细的training batch..MoE+ Differential transformer 等大量改进，过去3年算法对性能的改善在千倍级别。这对硬件需求影响是深远的。2. 云服务绝不是可以对冲硬件销售的东西。资源池永远只是降低对资源的需求。 3. 真正影响极大打击的是基于Sot-MRAM 的存算一体芯片。可以把功耗降低1000倍。而这些架构是趋势，在AI的加持下，大量涌现，NVidia 不可能收购得过来。4. AMD的冲击。AMD的产品性能更出色，而且技术推进策略更优，随着AMD低价战略和UDNA用AI替代GPU的战略的推动。NVidia 没有任何优势。 特别是现在有些把训练带宽降低1000倍的算法。Nvidia 最核心的网络架构的优势也极其有限。NVidia 真正的暴跌不会太远，UDNA 大概在2025-2027会对Nvidia 形成强大压力。 历史经验表面，特别糟糕的是习惯高毛利的公司。这些公司在衰退的时候依然习惯大手大脚，往往都来不及给自己转型的机会。
现在还没有哪家搞应用的赚钱。没人能赚钱，就无法持续大规模的投入。现在还可以靠着热度，融资烧钱，但很快就难以为继。
或許AI沒能直接在大眾消費市場賺到錢
但學者利用AI得了物理和化學諾貝爾獎，利用AI優化核融合設計，找出許多絕症新解...，RNA新作用，你覺得那個國家敢停下在AI上的軍事競爭
@@Joseph_Lin所以西方人说了，已经没有诺贝尔物理学奖了，为了炒作让AI拿奖。
但你不搞，哪一天人家弄出來了，你要再進這個市場就來不及了。
那你知道那些你口中沒賺錢的公司今年獲得了一堆投資嗎😂
那你知道你現在用的YT虧錢虧了多久嗎？😂
我现在AI炼丹群，已经在开始讨论装修材料了……flux出来后，一堆建筑和室内设计师受到冲击了，12000元的建筑室内室外设计图效果图，被AI卷成1200元，这类人基本属于，你不学ai，5年后饭碗消失概率100%。所以这波，哪怕ai没有任何消费应用成功，只是生产力内卷，需求就很刚性
请教在哪个群
阿？效果图2010年那会1000一张，12000什么情况？
@@sunhara921 一个酒吧的效果图12000，一个家庭吧台的效果图1000，价格高低需要依据需求的大小来定，不能一概而论。
别吹牛了，AI室内现在还比不上酷家乐呢
@@Tutu33333 flux出来后场景效果=以假乱真，线稿出来直接出效果图，20分钟搞定，你酷家乐3D渲染拿什么比，3D效果终归一眼假，细节更准，但不好看，AI出图比实际效果好看50%还是可以做到的，
悲觀者正確，樂觀者獲利。 就讓我們繼續看下去。
没有说到问题的根本，那就是AI大模型的盈利模式。现在英伟达的顾客都在烧钱，到目前还没有合理的盈利模式。
AI可以把之前所有的應用，拿來用AI全部重做一次，這和思科的網路發展路徑是完全不同的。可以多參考Gartner Hype Curve，會有更不同的思維。
Part 3)
另外希能進一步說明為何這一輪由算力提供方來主導的AI 發展，將會走得很偏，而且會很快撞牆？
除在Part 2) 談及眼前這些所謂台面頂流AI 專家或團隊，粘粘自喜於眼前所謂模型誤失率16% ， 殊不知在很多專業領域，16% 的誤失率，那可能帶來災難（ 金錢損失， 人員傷亡， 大自然破壞） ！ 例如，自動駕駛，氣象預報，股票期貨買賣決策等等。即便生成式模型，其誤失也可能帶給人們直接或間接的損失或傷害。
若不是由領域產業專家參與並主導的建模，要突破10% 誤失率，是極其困難的。
我說𠆤故事（不是在炫耀自己的賭技），大家也就明白領域產業專家的重要性。
我2000 年在香港公司上班， 每兩周回深圳家一趟， 每雙周末回深圳前，我會帶2 萬港幣去澳門葡京玩輪盤，每回我嬴到10 萬就走人，由珠海回深圳， 我次次去次次嬴，從沒輸過。
這就是有專業領域人員恊助的建模，誤失率很低，回報很高（投入少收益高）。
機率論是認為發生機率的事件是背後有些不明的隱變數，如果把這些隱變數儘可能的説明白，讓機率性的發生現象就會變得越來越小。
簡單的說，一個銅板正反面，前十次都開正面，第十一次開正還是反，數學家據於機率論的真蒂，告訴你一定開正面。因為從前十次已看出存在開出正面的未知隱變量。但一般人仍會認為正反各一半機率，甚至有人會錯誤認為連開那麽多次正面，這次肯定會開反面。
我玩輪盤下注前，一定會找現場的賭友看一下他們記錄卡上先前及近期是否有某𠆤特定數字常開出，若沒有，我會忍住不下注。一旦出現連續常開數字，我就立刻下注押這常開數字，以及輪盤面靠這數字左右各兩組數字，共5𠆤數字， 基本中率非常高， 可達到20% 押中率， 20% x35（賠率）/ 5( 押注數）, 我每玩五次總投入是25 中一次賠35。 賺10 。 基本上2-4 小時達標10 萬港幣走人。
1）其實在現場賭友記錄卡上先前中球的數字就是領域產業專家去掌握數據的過程。
2） 我會解讀機率論，因此也是玩輪盤的專家。
因此我玩輪盤，就是具專業知識參與的領域產業專家， 另外我的投注策略，就是我建的模。
而眼前台面以算力為主導的AI專家，因為他們手上握有大量的算力籌碼，因此他們是次次都36 𠆤號碼全押， 所以次次都中， 但是每次總輸一𠆤籌碼。 這種暴力的押法， 就是沒有引入產業專家的結果。大量浪費算力在無味的押注上。基本上不是大力出奇蹟， 而是大力出爛成績。
另外眼前生成式大模型，最大的資料來源是取自提供搜索引擎服務的大型公司的資料庫。
而這些資料庫的data base 早已經過各行各業領域產業專家幾十年投入，進行維護梳理，並進行了多維度的數位標記。
因此目前生成式大模型真正的主要貢獻者是，各行各業領域產業專家幾十年的投入，進行維護梳理，並進行了多維度的數位標記。
所以缺乏產業領域專家主導，而由算力提供方來主導的AI 發展，可預見的是將會走得很偏，而且會很快撞牆!
AI 的良性發展， 不是靠蠻力的大力出的爛成績。（把算力浪費在一些関聯性不高的變數上，不當不專業的取定變數）
而是要靠產業專家的巧力進而形成的大力出的好成績（奇蹟）。
Nature刊发最新研究 ，目前當紅4 大语言模型， 参数越大越不可靠！ 简单任务更容易出错， 誤失率高達40%
這𠆤問題很容易理解。
當我們的需求是專業有限變數的問題， 如股票決策/ 海洋及気象動力/ 無人架駛/ 化學工程/ 土木工程/ 等等，許多專業的有限變數， 這些已建立完成很長一段時間模型的精準度非常高。
而大語言模型想要用海量變數去涵蓋這些專業模式，其自然的結果就是錯誤率極高。
也就是說針對專業有限變數模型，那些大語言模型的99% 變數不旦是垃圾， 還是有毒害的垃圾。
因此使用AI 一定要知道什麼問題什麼場景使用什麼模型。
AGI 必須建立一套專業模型徵用的智能機制。不能一昧的用大模式。
AI的健康發展是以各領域專業專家組為主導，數理統計為核心，編程及算力只是工具，否則用提供算力及工具的這些人來leading AI 發展，會形成外行領導内行，並為AI 發展種下低效偏差甚至高風險的發展。
譬如新藥開發/氣象預報/各種不同語言等等都是以領域專家為核心，否則就亂套了。
更可行的作法， 各國加緊立法，用國家特准许可的方式，來認證並核准各領域不同應用AI 的開發許可及成效認證，譬如目前自動駕駛這領域，不能僅憑廠家自行認證，必需由國家相關單位認證，納入國家法規制約。其實其他領域也應該如此，即便服務大眾的生成式大模型也要納入規範管理，絕對不能任由AI 公司自行任意發佈，一個小電器產品都需有関認證，才能上市銷售，目前AI 大模型實在是太無序了，AI 公司任意上市推出由市場決定其優劣，客戶當白老鼠，完全沒有任何管理約束機制。
任何AI 應用開發的公司，必須有相關該應用領域專業專家為主導，及數理統計的人員的參與，如果沒有通過這些人員資質審核要求的公司或團隊，一律不得從事AI 開發及應用工作。否則視為違法。如同醫師證照，沒證照的醫師坐診，診所如何能執業？！
建立政府職能的審核監管制度，才能防止並追蹤AI 的錯誤使用/ 違規使用/違法使用， 也進而能排除人們對AI 發展造成危害人類的擔憂。
另外這也和在Part 2) AI 產業發展形成呼應。
AI 發展的3 大組成； 各產業領域的專家，建模數理理論，算力編程的提供及組織。
此外，最讓人擔心的應該是產業領域專家組主導的AI 開發， 他們開發AI的效率及精度都是最高的，而且他們非常淸楚如何使用及駕馭它，也因此容易造成有心人藉此做出違法犯罪甚至傷害人類的事。
而算力提供者主導的AI 開發，往往效率及精度都比較差，頂多只是多浪費點資源，失誤率高點，但傷害性不強。
大家思考一下，我們該擔心AI 算力提供者弄出來的作戰機器人，還是該擔心軍方專業人士主導開發的作戰機器人？！
特別是在敏感的專業領域，如核暴/氣象/大気動力/海洋動力/基因工程等等，我記得40 多年前，這些參與CIC(AI)建模的產業專家組人員，基本都被政府列管登記在冊。
因此整𠆤AI 產業的發展， 政府必須義無反顧的出面建立審核/ 監管機制，這樣才能確保有序/ 健康的發展。 而眼前無序的亂象也得以解決。
你這 part1~3 的回覆，是AI 還是人類創作?
無論如何，我認為寫得真好。
我會再仔細閱讀一番。
@@jeffchen6556 往上看Part 1/及Part 2 其有延續性
你的結論是政府必須要監管。但是美中兩個不同的政府、可能一起監管嗎？所以你是指美國政府的監管。你就只能假定世界上只有一個國家永遠強大。
@@jupitermoon3644 其實幾十年來AI 在很多國家都有因其本國特殊環境而進行各類差異化的發展。如気象/ 海洋動力/ 農作物施肥/建築工程/交通工程等等， 目前正在進行的自動駕駛，也會因國家現行法規不同而形成不同模態。 因此這是全世界各國都要主動介入的監管。另外不要迷失在錯誤的誘導- 算力決定AI , 那是有心人及廠商故意的誘導。AI 高效及精準的發展，是很大部分依靠不同產業的專家組。
AI產業需要盡快建立倫理規範，才能建立審核和監管機制的標準，否則將來會產生很多問題，例如現在很多車子都有智能駕駛，雖然說是輔助系統，但是很多車商都標榜是自動駕駛，如果有一天你開著智能駕駛發生車禍，究竟是駕駛人的責任還是開發智能系統的公司也應該負責？
Part 1):
任何一條神經網路也是一個多變數廻歸分析，也是統計學迴歸分析的一環。我在40年前攻讀數理統計就涉及這些人工智能及多變量（含時間變量）的廻歸分析（向量/ 矩陣/ 線性代數/ 機率/ 取様….）, 以便對一些事件做出精准智能的預測。
所謂自我學習或機器學習也只是用後面收集或模擬出的更新的資料去修正原先迥歸分析的杈重或係數參數而已。
而深度學習也只是處理巨量變數時，為了避免僅用單層機器學習進行巨量變數而需要解大矩陣導致對巨量平行計算的需求，進而變換設計成每層適量變數，建立多層次的機器學習修正。
40 年前人工智慧就是數理統計的一大課題。馬斯克說得一點都沒錯-目前的人工智慧全部建立在數理統計的基礎上。從那時開始就不斷有各行各業的數據分析專業人士來我們數理統計這參與並學習迥歸分析。他們回去後就不斷建立了屬於他們行業內的多條神經網絡（行業內的迥歸模型）。
在那時從事這類研究工作的數理統計的博士生全部被限制在晚上12 時過後才能使用國家級的超級計算機，否則我們兩三𠆤人一上線全部就大當機。我們那時也發展出一套類似挖礦機的方式，利用所有大量閒置的𠆤人電腦來提供其微小的算力，進而整合這些龐大的所謂分散型算力，但受限那時網路的不發達，很難把規模擴大。
近幾十年隨計算機能力不斷提升，目前市面AI 所謂大模型，主要是著力於面對”服務大衆需要”的所謂生成式/ 語言等等的智能協作服務。就是把百行百業各個領域等等數以千萬千億計資料進行迥歸模型的建立及修正（所謂自我深度學習）而形成龐大的神經網絡。
因此也不用太誇大眼下的AI , 這些早在40 年以前都已建構了理論基礎，而智能恊作早在各專業領域都已發展的非常完善，只是因過去算力不足只能在各自專業領域進行中小規模（變量數較少）的神經網絡建構。例如氣象預報就是早期最明顯的利用氣象專用超高速大電腦發展為成熟預測能力（AI)的例子，股票買賣決策也是智能恊作(AI/CIC)的典型。
”把簡單數學上使用即存的規模資料或電腦模擬資料進行所謂的㢠歸分析/模型建構並藉此模型做可行的智能預判或恊作，包裝成醫學上複雜尚未完全掌握的神經網路的機制及作用原理”，不但瓢竊了數理統計在AI 發展的絕對地位，實在也是在誤導整𠆤AI 的發展。也會造成眼下一般人的過度期待和焦慮。應將AI 改稱作” CIC:Computer Intelligent Collaboration , 電腦智能恊作， 更為恰當。
何謂知識？ 由經驗總結後（ 抽象具體化） ，就形成知識（用數字分析的表達方式就是去建構知識模型）。 形成知識後就可複製/ 傳承/ 預測/ 擴展。因此目前的AI 發展，就是在循人類文明發展至為重要的其中的一𠆤過程-只是採用了數位化的方式，將經驗知識化了。
目前的AI 只是以數理統計為手段及方法論，以資訊及計算機工程為工具，進行數位型的經驗知識化的過程。
人類有許多其他不同型態非常複雜的智慧，這種僅止於知識數位化的智慧， 其實離人類多型態的智慧還有非常巨大的距離。
另外， 眼下AI 服務於大衆的大模型的各種數學理論及所謂的機器學習（參數修正）及深度學習（參數及變數的多層次增加及修正）。 早在40 年前相應的數學理論都已完備（但落實到實際應用上，如何解1 億 by 1 億的聯立方程組( 行列式計算）， 這需要極其龐大的平行計算能力，在那時期是完全不可能的） 。
其實AI 最重要最關鍵的是各行各業各領域的專家組，而不是這些AI 編程的公司（ 他們只是依需求用已完善的數學統計理論加以電腦編程後，利用巨大算力去幫忙找出合適的模型並不斷予以完善）。
只有各行各業各領域的專家組才知道在茫茫大海中的資料及訊息中，那些因素才是其所涉領域的関鍵變數，那些變數資料才是可做為他們收集分析建立模型的。例如氣象學/經濟學/股票買賣智能決策/ 醫學/ 藥學/ 農業生產/ 基因工程/ 化學工程/自動駕駛/飛彈防空系統/圖像識別及處理/ 建築結構力學/小樣品模擬模型（核爆/飛機失事）………..等等。
此外服務大衆的語言學也是極度複雜的一門學課，其可能的變量變因會高達幾千萬𠆤， 再加上多層級過濾學習修正的模式，因此其涉及的變數算力就以億計， 所以才稱做大模型。 要取那些因素進行那一層分析，主要都是語言學家在主導。
而這些眼下的AI 應用的公司， 只是利用已發展完備的數學統計理論在不同領域專家組的指導下，去有效的進行數拈收集整理分析並進而建立一個特定領域的模型，作為該特定領域的電腦智能恊作工具。
我也是過來人
謝謝你的分享！近幾個月來看到最直指核心的評論！我自己是做bioinformatics 的，也是越深入越感覺我們只是基於工具上的進步而開始可以把複雜真實世界的巨量變量放進模型開始運算，而不是需要用大量統計方法簡化並且只能看到某一面向的真相。
但與此同時，能從真實世界提取多少參數，如何有效提取，就是domain knowledge ，而這越來越重要，在大家都在轉碼的年代，其實深挖一門學問才是最有競爭力的，有點類似以前挖土用鏟子，所以研究打造鏟子的人會獲得高收益，現在大家都有挖土機了，也許操作能力還是有區別，但那比的更多是誰知道哪裡有礦或哪塊土肥沃了
解釋的很好，三十年前我也是為了跑非線性統計檢定程式必須用到電腦中心超級計算機，因為如果靠自己的486電腦光跑出一筆數字就要27天，還要保證過程中不會當機，為了足夠的使用時間還要跟同學借帳號申請，結果一個搞金融的非線性統計程式用掉的計算機時間比當時資訊碩士還多好幾倍，真的就是算力問題，其實三四十年前模糊理論和神經網路就已經很多人研究，但是當時的算力只能做一些簡單的工作，太複雜的工作電腦就死給你看，所以論文寫完之後往往就丟在一旁了，等到算力上來的自己也老了。
感謝你的分享 我比較好奇有職業去比較和修正把知識量化的過程嗎 畢竟在論文上用的文法、邏輯上都很複雜 連人都可能理解錯 比方會有物理學家去修正ai嗎（好像門檻太高了 這個人需要該專業和算法的知識）
電腦永遠不會明白人類的語言、行為。電腦只能知道表面的語言！説出同樣一句話，背後可能相反的意思，因為一個可能是反諷！
AI是產業，只會越來越重要，而且才剛剛起了些小泡泡。
股價泡沫與產業泡沫要區別對待，不要混為一談。
还得看最后挖金子的人是不是真的能落地赚钱，如果不行，这个热潮一定会降温，比如淘金热一样。从这个角度看，依然很难说是不是泡沫
nv 的城墙再高再厚，如果建立在沙滩上，最后也是毫无意义的。
当然我觉得 ai 是有价值的，但是目前的 ai 热潮，和之前的 vr 热潮一样，很可能最后发现落地场景并不实际，然后迅速退潮，资本去追逐下一个热点
Gartner 技术成熟度曲线
您的說法比影片精闢⋯討論泡沫不泡沫太八卦了，實際的商業應用比較科學⋯
Ai跟VR不會一様，AI在生產力方面已經有了實際的幫助和應用，多少人日常生活離不開ChatGpt就是最好的剛需證明
AI的应用价值是实打实的，今年2项诺贝尔奖都发给了AI科学家。现在生物物理学和医学生物工程学两大前沿领域都面临着AI的巨大颠覆。我们搞气候模型和生态模型的领域也在受到影响。至于遥感领域，早已经是机器学习的天下了。
@@zhchbob 诺贝尔奖颁给了ai最早算法的两个科学家,但是这不代表商业上的成功.
蛋白质折叠方面我知道有比较大的应用,还有x光片的读片,可能在一些2b的领域上ai由于专家有更多的落地.这确实可以使得ai获得应用基础.
不过,我要说不过了.就是比如nv的大量gpu都是出售给openai或者ms或者fb之类的商业公司,而这些商业公司做的产品其实并不是您说的那些专业领域.
我更担心的不是ai没有实际应用场景,而是过于夸张的商业场景,和我留言的技术成熟度曲线所说,不是这个技术没有应用场景,而是早期技术没有达到应有的成熟度,但是被市场过度追捧,这时候,会迅速跌落神坛,但是由于技术确实有应用场景,后期会在更真实的应用场景缓慢提升.
AI我不一定會買但多少會用一下，可是顯卡還是必須買😅
最大問題還是在能源，當然人類越推動科技，極端氣候越嚴重，全球暖化已經使各類作物大量減產，最後使人類停下腳步的，是最基本的糧食及生存空間，
AI不會使融化的冰山冰河結回去，不會使沙漠化的森林回復，只帶來無盡的破壞。
全球暖化，你去看看地图，现在俄罗斯和加拿大又多么巨大的冻土带没有开发，如果全球继续变暖，会在这些地方多出巨量的可耕种土地。还不要说农产品目前其实越来越多可以工业生产，你吃的很多蔬菜沙拉都是无土的工业化养殖，再稍微降低一点工业化程度的大规模种植业，比如以色列的滴灌养殖，在中东那种沙漠，农业的亩产量却远高于世界平均水平
@@feifeishuishui 凍土融化代表古代病菌再現，先去了解風險再來說。
@@哭阿-x4e就你懂？ 冻土已经化了这么多了，你跟我说说出了什么细菌把人感染造成哪怕是小规模流行了？不要看了点自媒体和不入流科学家都东西就觉得自己很厉害
我個人的見解，量子電腦會和任何的 GPU Link ,到時一定會有橋接器的中介層的軟件，大型和客制化的Ai 模型的訓練和推論的GPU算力便不是問題. 通用型AGI 應該會出現，不到五年內，技術的奇異點將會到來。現在的gpu的速度問題都是資料搬移的問題和HBM ,如何把在晶片內的傳輸速度加快和gpu 的機群的同步運算，這些都是量子電腦的強項。老黃再撐個5-10年不是問題😂
這個影片算是一個里程碑阿,讚讚讚
只要大量數據的ai,跟本不叫做人工智能，認為真正的智能應該是不用數據和人類一樣的自行思考的
人类的学习过程也是接触到大量知识（数据）的学习过程，学识也不是生下来就存在的，也无法遗传。人都需要学习，为啥人工智能就不用学习了？
18歲未成年啊
人類要花18年學習你都不知啊
@@showyes-vj1tb 爱因斯坦发现相对论大概不到30岁，是因为他接触了大量知识数据，读完了全世界的物理书才有的吗？
@@wonderbuyphilippines6755 如果不阅读不学习，爱因斯坦也就是个文盲而已。
如果对比互联网泡沫前提就是错的。现在竞争AI领域的公司没当年互联网那么多，换句话说AI目前的门槛比互联网投入高得多得多，不看研发人员和芯片成本，电力成本就海得去了。当然不否认目前得价格没有泡沫，但下调空间80左右的底部在8月的恐慌指数基本就明牌了，除非出现世界大战的黑天鹅。不作为投资建议的建议就是110以下区间未来1年放心进。想要对冲战争风险就买些原油对冲。AMD和其他公司想要跟NVDA抗衡？我只能说NVDA就是手机界的APPL和电车界的TSLA
还能掉到110吗😂
@@dott8347 价格从来是上下浮动的。拆股后一周140，但回到100～120区间横了多久了。现在情绪面好大家都往上看是因为好了伤疤忘了疼，或者说是下个黑天鹅还没出现？
@@dott8347 市场情绪低落的时候就是涨不上去了，还得跌；市场充满积极情绪时又是后悔没上车，便宜价再也买不到了。nvda 110-130是中位价，不贵但也不便宜
真有趣，講了一堆，完全沒提到大家願意付錢的AI應用，就連OpenAI都收不到足夠的錢，持續瘋狂燒錢(今年虧50億美元，幾年後虧損擴大至140億），然後就直接跳到結論AI泡沫還很遠？如果還很遠，黃仁勳與一堆主管合併瘋狂拋售股票？
当年修马其顿防线的时候法国人也觉得稳了
真的接下來英+台 這兩大神器將獨步天下好幾年！
老石老師這麼棒的評說流量太少了點～ 大家大大力的給讚分享吧！
谢谢老石的分享！ 视频做的太精彩了！
兩千年CISCO泡沫：
1.CISCO泡沫是因為技術容易複製，拆開、PCB抄一抄。
2.CISCO當初沒建立護城河
3.市場卻比現實需求還過熱
NV只有第三點我部份同意吧。
其他我看不出跡象。
除非歐美用反托拉斯去搞NV。
是，也不完全是。Lucent, NORTEL建立起光纖網絡， Layer 1，就衰落了。接著就是Cisco的TCP/IP, Layers 2,3 獨領風騷。即使不被抄襲，也有衰落的一天。接下來就是應用，如收索，云計算等。NV也有這一天。不過現在還在上升階段。好日子還有好幾年。
AI对于大多数人来说，可有可无，可能会提升生产效率，但是对于消费端，还没有达到汽车，飞机那样衍生人类物理属性的发明高度，它不能替代蓝领工作，通马桶，修水管，刷油漆都离不开人工。最多延展一些大脑功能，但距离强人工智能差得远得远。
在工業生產領域與各種演算法下的影響大得可怕，AI真正可怕的地方不是你怎麼使用它而是那些用AI的公司怎麼用AI使用你。
20年前也很多人說，網際網路是可有可的東西
等AI能取代cpu gpu的遊戲運算效能再來嘴
不管泡沫不泡沫，英伟达是目前信息产业里面最能赚钱的公司！
AI不會泡沫，AI需求在幾年內不會消退，股價修正是因為之前已經提前漲上去了，只要公司成長不如預期，本來就會修正，而成長性放緩也是預期中的事情，不可能一直維持100%成長，1000到2000是100%成長，2000到3000成長只剩33%，但數字增長其實都是1000，這樣就很好理解為什麼不可能維持高成長率。
為何AI不是泡沫,但網路，思科確是，因為思科的網路設備不是賣給一般消費者，所以銷售有限。手機賣給所有人，所以量大。AI 則量會更大，因為它將影響，滲透幾乎每個人會用的所有產品！ 所以不是泡沫！ 但英偉達產品主要賣雲端，企業用戶，銷售量終究有限，將來會面臨轉型壓力...譬如說轉型成軟體服務廠商...轉不成就像Nokia...
NVDA不會變成CISCO,只是還在找下一個應用市場,但也不見得會是NVDA是領先者.
虽然造GPU比造网络设备复杂，但芯片是不是英伟达造的，所以硬件护城河不存在。
CUDA的框架和生态是英伟达独占的，除非英伟达授权，竞争者必须自建类似框架并说服开发者迁移，这通常吃力不讨好。
只有大厂联盟有足够影响力来做到这点，但通常大厂联盟做事效率低，其通用框架也效率低。
另一方面，在巨大的利润面前，（来自竞争者的）各种情况都可能发生。
我覺得機器人要方展到電影那樣 , 才叫真的方便 現在還有很多硬體部份要進化 到時又會達到一個 瓶頸 , 現在gpt很好用了,再上去要怎麼實現全面ai 自動化要很長的時間和技術 , 再來說泡沫也只是短線過熱 , 世界經濟是循環的
觉得在AI算力上，AI芯片的产能只是暂时的瓶颈，最终还是电力的限制，需要更省电更有效的芯片。
AI最大問題是投入太大, 卻找不到殺手應用. AI對一般消費者根本無感
AI做為生產力工具倒是很有用
是美國而己,中國的AI一直有應用, 最基本的就是智駕,無人機,制藥,天氣預報,這全是AI大模型應用,不是Chatgpt這些吹水作文的才叫AI大模型應用 !其實連手機拍照執相,也是用AI大模型
AI最大現在的投資價值就是一般消費者還處在無感階段，殊不知已經默默在買單，未來也會買單。說沒有殺手級應用？你可能不知道老黃顯卡當初的DLSS技術就是AI的產品，這對遊戲、影視、ACG產業影響非常大。特斯拉的純視覺自動駕駛FSD、高精度動作人型機器人也都是AI的終端產品。META現在早就透過自己AI模型來精準推播廣告，以及收集文字影像資料來訓練自己的模型給自己未來的AR助理眼鏡。Google最新的Alphafold 3 是用來預測蛋白質結構，可用來開發新藥或療法，甚至已經做到預測DNA和蛋白質到交互作用，以前可能要花20年的研究實驗，現在也許能縮到一兩年之內就能預測結果。上面這麼多例子，你要跟我說沒有殺手級應用？所以那些買晶片的科技企業都是買回去燒開水嗎？
@@hondo_chen 这些东西提高了你的生活水平了吗？孔子曰，君子不器，你是否一步步被这些所谓的“科技巨头”改造成了一件器物，而不是一个人了呢？
NVD合理價135 昨天收盤134 說他泡沫倒不如說連個泡泡都還沒出現
老黃說的對,太貴不是NVDA的問題,是你沒all in的問題
AI就是場騙局有多少人需要使用AI個人電腦
@@tw31485 oh你確定？你在跟一個京大ai專攻的人聊天喔 你確定？笑死
出一个对各大初创公司芯片的分析吧，想看看你的观点
下一代顯卡都要漲價賣了，泡沫短期內只會越來越厚，越來越高吧😂
沒有越來越厚,其實一早爆了,沒爆的是賣芯片的老黃而己,你不看OpenAI什麼鬼樣了?
谢谢你 反指哥哥
要看还有多少资本可以变成AI芯片的热能，因为LLM的大模型带来解决方案实在有限，但是投入太大了。资本只有高调，才能压掉不同的声音。
和互联网一样，泡沫会破，AI不会停止发展，泡沫破裂又不是这个行业就要消失了，我也不是啥华而街的投资者，所以AI泡沫是否破裂，并不影响我将AI这个领域或工具与我从事的业务结合，就像当年互联网泡沫是不是破灭，都不影响我所在的产业发展网络化一样。😂
錯答案是會! 因為崩盤等於投資緊縮，大家都在抽單的時候你憑什麼覺得你公司能賺錢
@@eaglelu4364 其实对于绝大部分人来说，AI泡沫破裂影响可能会有，能有多大就不好说了，除非他是AI相关领域，或者AI相关的投资领域。其实你不知道我在什么产业，也不知道AI作为一种工具和我专业所在领域的联系，所以只能说，你这个“错”说的真脆生😂
真有趣，講了一堆，完全沒提到大家願意付錢的AI應用，就連OpenAI都收不到足夠的錢，持續瘋狂燒錢(今年虧50億美元，幾年後虧損擴大至140億），然後就直接跳到結論AI泡沫還很遠？如果還很遠，黃仁勳與一堆主管合併瘋狂拋售股票？
難怪訓練模型跟煉丹似的，原來最關鍵的技術還是nV提供的
lunar lake處理器出現應該能讓一些客戶回頭採用intel，因為arm架構處理器無法完美替代x86
跟 Steam 一樣, 你買遊戲可以不玩, 但買遊戲促進遊戲產業整體發展; 你堆算力對實際國力/產業競爭力不一定有用, 但能促進產業發。產業這種東西就是要有一個主軸, 後手機 PC 時代沒有發展目標, 於是生成式 AI 甘霖降世; 生成式 AI 針對特定領域有用, 但要成為泛用還早得很; 大家瘋 GPU 瘋 Transformer, 都有事做, 生產者/職位都開出來了, 做出來有什麼終端應用? 管他的
NV/TSMC 跟 提供AI服務給終端消費者的公司應該要分開看，就算泡沫有破也是分開破，大眾常說的泡沫破裂大部分是在指後者，現在確實沒有幾個服務能說服普通消費者掏錢給AI。
AI泡沫 也不會影響NVIDIA在高速運算的霸主和實際的晶片需求 只會把NVIDIA跟思科相比的 真的愚蠢無比
金子多了就不值钱了，AI生产的信息也一样；目前的AI还不足够把信息的生产成本下降到趋近于0，所以还能卷一段时间。
老黄能不能提供免费食堂给员工啊
别的不知道，我看过openai的论文，目前研究确实是一切实验都表达大模型能力和其参数体量完全是按比例增长，没有看到任何衰减的迹象，反而是人类文本知识已经达到瓶颈了
應該說並不是所有花大錢堆算力的科技大廠最後都可以賺到錢
總是會有些大廠技不如人輸給另一間同樣擁有巨大算力的對手
等那些使用AI晶片的科技大廠出現優勝劣汰的結果後
對AI晶片的需求自然會達到逐漸飽和的趨勢
我也覺得這樣的情況一兩年內還不會發生
大概會在未來三到五年才會看到這樣的狀況
可是股价无法准确反映当下对未来判断的正确性😂
問題是企業從AI的獲利還沒變現
企業再有錢，也不可能無限投資AI而不賺錢
如果投資的AI沒辦法在折舊前回本甚至賺錢
企業就會逐漸中止投資力度甚至趨近於停止
所以AI泡沫要等企業採用後至少1-2年時間才能看出來會不會破
撐到只剩少數公司寡占市場的時候，現在百家齊鳴
其他家的AI芯片基本都是推理的。。对英伟达构成不了真正的威胁。机器学习是靠训练，谁掌控了训练谁才控制了机器学习。。
对IBM的True North这种异类怎么看？有说法是与传统架构的处理器相比，基于仿生神经元构建的芯片同等算力下能耗仅有前者的1/100甚至低到1/280。当然后者离产业化还很远，但应该足以让老黄这种巨头关注其动向了。
GPU不適合做AI，沒有弄出更有效率的處理器 那就會爆掉了
能量效率將會是AI發展的重點
TPU?
NPU?
每次看到這種無知的發言都很想笑。你倒說看看為何google有tpu 需要nvidia的算力。馬斯克有自己的dojo 為何需要nvidia 的硬體。現行所有edge端的TPU/NPU 都是垃圾中的垃圾。為什麼？ 去看看頻寬吧。為何GPU+HBM系統能獨佔。誰不知道sram 比較省電。你搞看看巨大sram看看啊256G 看看你晶片成本是多少。那些號稱比nvidia快幾倍幾倍的。有那個真的撼動市場。唯一有點樣子的AMD ROCm 搞幾年了。拿到多少市場?
NV 是RTX GPU里本来就有TPU，只是人家叫Tensor Core，效率也不低；有些开发者没时间不优化而已
問題GPU能堆算力其他的目前不行啊。
舉例來說，你1060可以堆上去然後買2060，4090，都可以一起來堆算力。
其他的你換架構就需要重新布置一次，光著一點就真他媽的遙遙領先。
今天假設出來一個NPU算力跟電力比更划算，但新舊架構就像你新舊CPU一樣。連主機板記憶體都要換新，那不就要花更多的錢?
所以大家都是買買買，先買先贏將來有更好的算力不夠了沒關係!!!
算力一廠，算力二廠，我能堆上去，堆算力跟堆電力一樣，在其他架構能打破著生態之前。
GPU對AI來說就是壟斷。
互聯網泡沫產生的最大巨頭名叫微軟。股價上市以來上升了4千倍以上。
当整个产业只有你赚钱，那大概率别人要换别的赛道了
問題是沒有別條賽道
这个就说不好了。
AI是真的有用的技術，是將來人類仰賴的必需品，就像食物、汽油、電池，是必需品就不可能是泡沫！
當很多廠商都在研發AI晶片就差不多稀釋掉NV
然而，Ai 仍然没有看到具体应用。
怎么说，现在AI的领域越来越多，比如解动态系统的微分方程，真心不觉得AI是泡沫，毕竟这个学科真正发展，还不到20年。而且目前的数据中心，很多硬件完全不适配目前的AI环境，迭代换新和环境搭建还是要持续一段时间的
英偉達破裂 摩爾線程崛起! ! !
重點是！現在AI訓練後！到底誰買誰獲利成長？
COWOS 已經在反托拉斯的壓力下，TSMC授權其他封裝廠，產能應該2025會顯著提昇
这种影片最好的市场在墙内， 多多益善
股市有漲有跌,AI的影響力,絶非是現在能下定論的.長期一定看好.
怎么破，我工作上离了AI走不动路了，一个和人们学习与工作息息相关的东西，这就不是泡沫
偶尔会和朋友聊，AI能和现有的产品做结合，大家讨论半天，很难找到契合点。
8:39 之後的字幕不見了
给老石提个意见，更的速度能否提高一点，隔壁大飞可比你勤快哦！😂😂😂
意见收到，我也想多更，肝已爆😂最近一直在赶论文的ddl，会加油的
那你应该提高效率啊。@@laoshi_tec
完全不同赛道。
大飞属于马云那一派，口若悬河，但完全没自己的东西。
一会儿佛学，一会儿哲学，适合做洗脑内容，但不适合作为技术参考。
@@makesirich-ps6zw 是没错，但作为一名科技博主，这不正是正道吗？专业人士谁会把这个当制导啊？（博主不要误会，不是贬低）
想法很多不谋而合🫠
怎麼感覺是有一波韭菜被狠狠割了一遍????
原來是標題嚇人，我還以為半導體youtuber居然會把AI當泡沫??!! 誤會了~~
想听老石分析即将IPO的Cerebras
老黃是賣鏟子跟牛仔褲的人，不是淘金的
哈哈，我比较关心 显卡什么时候降价
Openai正在研发自己的芯片
是不是泡沫，就看需求能持续多少年，一直有需求，就不是泡沫。需求突然大幅度减少了，那就差不多了
看看今年諾貝爾獎 這個泡沫可能 出人意料的堅固啊
賣鏟子的賺翻，挖金的尚未獲利😢
老黄说芯片研发4亿刀，但光把芯片方案传输到台积电要花1亿刀
AI不是泡沫，只是價值評估被稍微高估
老黃在tech unheard 和Arm Rene Hass 的podcast說 DGX1 是scale up的shield , 他現在現在最喜歡的產品,還是shield,映像中shield 很鳥沒啥用
看起來現在之所以能做系統,是因為當初虧到爆的shield
吃不到葡萄說葡萄酸 支性畢露
如果荣耀是美国公司，股价应该是多少？
有人讲了几年股票会崩，但每天还刷新高，什么回事？我真看不懂😢😢
不然每年印那么多美元去干嘛？
AI不會泡沫，但人類會被AI泡沫化。這波強制學習AI知識與技術將持續20年。
人力、腦力將會被AI逐漸慢慢取代。學會AI共生學是未來人們要學習的必要常識。
AI遲早會引爆新一代的工業革命抗爭，人們會為了生活要求AI在某些行業不得使用或干涉。政客為了選票會給予更多限制。
當然出現人們不能接受的事物，我們就要嘗試或接觸它。往往就那幾分鐘的停滯，就會被人拋諸腦後。
下一個 ”思科“ >>> TESLA?
只要他能能堆算力的架構能一直延續下去就不會有泡沫的可能，最多就是賺多賺少而已。
你是认为目前为止AI豪无可用之处，，还是毫无多少增长？已经烧了多少卡下去了？
AI的训练，他是有级别的，，在达不到下一级别的数据出现之前，，你加一百万倍的卡进去也是升不了级别，而全球数据几乎已经全被用上了，，根本没有下一次突破，现在英为大，就已经是在一个骗局中，，欺骗式的让强卖，，全球只有漂亮国一国以国家的强压几个巨头在那里狂吃卡，，但那几个巨头哪一个用上了这么多卡？现有的都用不完，，还一直延续下去，，
堆算力 即使卡够 人类很快没有足够的电和数据了
@@风筝-k7b 你就認為是把ai有沒有用自然是買的人最知道。
@@wonderbuyphilippines6755 還不至於因為產能根本跟不上。
要是看好ai产业的话，还是应该买ai类的ETF。
单赌英伟达风险还是太大了。
A|绝对是泡沫，好简单就是攒不了钱
被打臉了，nVidia股價再創新高😂
5G吹那么多现在最大的感受就是4，5mb到2，30mb。ai最大的感受就是识别数据，总结，简单但是繁琐的事情一步到位，更多的感受更像是一个语音助手plus。😅
Open Ai 倒下，NVIDIA 也會跟著倒下
Open Ai人材流失，開支不斷增加，盈利遙遙無期。
老石應有不少nvda股票
amd还有机会吗
what?? it just went to 135
难道苹果占台积电的产能只在他里面？
已經有報告說ai的模型呈現縮肛趨勢,也就是模型數據量越大,ai越瞎78講.所以說ai是工具,它可以加快了生產力,但作為商業化商品它不夠穩定,如果設備迭代比營收創造來說,這泡沫非常難避免
這些話跟特斯拉急升的時候很似