上次發文也無法當反指標讓AI股跌勢反轉..
https://i.imgur.com/LprrjFJ.jpeg
NVDL 36開始建倉 往下每-10%繼續買
NVDA高檔下來-9% 明顯有人在顧 非常強勢 算是橫盤整理 反正未來股價一定破千 護城河之
深 沒那麼容易被包圍網打擊
反觀AMD高檔下來已經-32%
月底AMD財報 目前股價趨勢準備探年線130,
未來不確定性(中國市場)比NVDA高
未來不管哪隻AI噴 TSM都是受惠的一方
2024年無腦組合： TSM+NVDL
希望TSM ADR未來可以出兩倍 三倍ETF.
※ 引述《andylu1207 (andylu1207)》之銘言
: 一個月漲跌
: AMD -7% 從歷史新高跌了27%
: https://i.imgur.com/zOqeuTu.jpg
: NVDA繼續創新高 一個月漲了21%
: https://i.imgur.com/4xRQdUX.jpg
: NVDL也漲了42%
: 這樣情況下各位會把手中的NVDA或是NVDL轉成基期較低的AMD嗎 ？
: 但GTC大會後 AMD幾乎沒有產品能跟NVDA匹敵 老黃似乎要把AMD 7%左右AI市佔吃乾抹淨
考
: 慮要手中有資金考慮投入更多NVDL還是AMD...
: 謝謝
: 另外, HBM產能可能是bottleneck, 海力士跟美光的良率能不能support這麼多量是個問題
..
: .
: ※ 引述《LDPC (Channel Coding)》之銘言
: : 這兩年就是AI雲端基建年 玩家就是NVDA/AMD 至於那個i皇歐 不好說QQ
: : 如果用internet大時代來講 等基建完畢之後 就會有Software As Service (SaaS)
: : 這類類似saleforce興起 目前看到的玩家就是Databrick 建議可以等這家上市ipo 買爆
他
: : 基建完之後 就會慢慢走向AI as Service (AIaaS) 軟體業
: : 我有點懷疑老黃想吃AIaaS這塊應用市場 在AI界 刷演算法的除了G/MS/OpenAI/Meta等
: : Nvda其實也刷不少 甚至在HunggingFace 某些榜單 Nvda是榜首
: : 甚至刷贏了OpenAI的Whisper模型架構 在OpenAI Sora發表前三個月
: : Nvda也在刷了一個自家架構的video diffusion
: : 接者一個多月前Google也刷了一個自己的video diffusion (Lumiere) 甚至一年前
: : Adobe的firefly也是類似架構 這些大模型都是以後通往AIaaS的基石
: : 老黃一直有在養頂級AI學者 光是他之前要求一個新人Researcher職缺要八篇頂會論文
: : 就知道他要求有多高 像蘇媽就有點落後這環 完全還辦法多元化經營去養昂貴的RS
: : i皇也有在養一些ML學者 只是我覺得連高通在ML就業市場 現在都比i皇更有吸引力QQ
: : 所以老黃有可能也會搞Turnkey 軟硬通包 送你大模型和硬體一起包
: : AI workbench就是這個企圖的線索 許多企業甚至領域 會有自己的私人壟斷data
: : 你只要拿老黃包給你的大模型和算力平台 自己fine-tune私密data
: : 一個新的應用 就可以瞬間搭完 舉個例子 如果你是某某醫院
: : 手上有一堆問診資料data 然後你只要拿LLaMA2 用個16~64 H100 稍微fine-tune以下
: : 以後醫生的問診就可以交給至些大模型去做 簡言之 這些基礎大模型 只要有特殊私密
資
: 料
: : 就可以客製化成為一個專業產業的生產工具 而企業仍然可以保有自家獨特市場
: : 只要他們擁有這些獨特資料 當老黃基建完後 再跑去吃AIaaS 都有可能
: : 至少老黃在自駕就是這樣搞 包軟硬Turnkey 軟體和硬體都一起包給下游車廠
: : 至於AI雲端基建期會有多長? 目前看到各國也開始在基建自家的算力平台
: : 都深怕落後這波 歐洲明顯這波有想跟上 像法國諸如Mistral AI MoE, CroissantLLM
: : 等等 以及其他阿聯酉Falcon 但也有許多國家還沒開始 像是台灣
: : 以台灣為例 台灣現在基建算力平台是 國家高速實驗室的台灣衫2號 號稱最先進AI平台
: : 但卻是2017年的V100 這玩意不能跑bf16 所以很多現代大模型是不太好在上面跑
: : 這點真讓我感到QQ
: : 所以我一直不懂AI泡沫化是啥鬼玩意....等全世界都滿手H200 MI300 基礎雲端到處都
是
: : 再來講泡沫化可能會比較好 不過那時間點 我懷疑老黃會去刷AI as Service這玩意
: : 最後 AI三個核心點 資料 算力 算法 然後老黃有後面兩個 其他非AI大企業可以卡入得
點
: : 就是資料 搭配基礎模型(Foundation/Pretrained Model)和算力弄個FineTune
: : 去開發落地場景 然後搭配low power inference特製算力平台(AVGO/NVDA/AMD) 這就是
: : 之後的未來