https://www.youtube.com/watch?v=HGaNl9QdzEc
Fred Wong 王華:
2023年3月18日 星期六
2023年3月15日 星期三
2023年3月7日 星期二
王華：ChatGPT市場低估左呢間公司！ Google
王華：ChatGPT市場低估左呢間公司！嘉賓：王華｜葳言大意︱Sun Channel︱20230228
https://www.youtube.com/watch?v=DDhJP_lN9jU&t=1316s
00:00 本集精華
00:53 節目開始－介紹嘉賓
01:33 ChatGPT的出現威脅Google？
05:39 ChatGPT市場低估左呢間公司？
12 ChatGPT的應用
09:24 NVDA在ChatGPT中的角色！AI成為股價的轉捩點？
16:00 AI概念板塊的部署
20:57 近期聰明錢的流動
******************************************
0:00
當然了 Google現在還會
0:02
就是會出類似ChatGPT的東西
0:04
但是第一就是
0:06
因為有Microsoft威脅它
0:08
因為有Microsoft威脅它
0:09
第二呢
0:09
即使它出了 它都要投入很多錢
0:12
所以大家就是純粹在
0:13
投資的角度方面就說
0:15
咦 對Google真的有很大的壓力
0:17
是 是的
0:17
是不是的 你同不同意
0:18
都是的 會影響到它的命根
0:21
因為我們去持有了很多年Google
0:22
但是見到說真的不對勁
0:24
但是你是不是太早說Google一定不行呢
0:52
好 葳言大意的第二集
0:55
繼續是Fred Wong 老朋友 認識了很多年
0:58
Fred再次介紹給大家知道
1:00
他是對沖基金的
1:01
基金專門投資科技
1:04
是軟、硬件
1:08
你都投資
1:09
不是只是硬件
1:10
而且半導體 再深入一點的話
1:12
包括AI 這個範疇
1:14
OK 所以上一集說得很有趣
1:17
將來的未來我們可以做什麼 什麼被淘汰
1:20
小朋友應該學什麼
1:22
所有人都會被影響
1:24
所以麻煩你看看上一集
1:27
那些比較軟性的東西
1:29
今集說一下怎樣賺錢
1:31
OK Microsoft Google經常說
1:34
因為Microsoft出了ChatGDP
1:37
那Google都還沒出
1:40
Google LaMDA它早些出的
1:42
其實Transformer最早的
1:46
人工智能一開始是RNN CNN
1:49
這些新的網絡
1:51
然後慢慢變成Transformer
1:53
Transformer變成了Generative Pre-trained Transformer（生成型預訓練變換模型）
1:56
即是GPT
1:58
然後再出ChatGPT
2:00
GPT就是AI...
2:03
OpenAI那間公司
2:06
Sam Altman
2:07
就是ChatGPT
2:09
但這個OpenAI這間公司是Microsoft入股的
2:13
是啦 現在是注了資
2:16
然後叫它買回
2:17
用回Microsoft Azure的Data Center
2:22
是啦 一個交換的條件類似
2:24
所以很精明的
2:25
但為什麼Microsoft...
2:26
Microsoft是發展了這個ChatGDP
2:30
那是Microsoft哪個人去做這件事
2:32
是不是它更加叻 叻過GPT呢
2:35
它現在就用在NewBing那裡
2:37
即是新的Bing
2:39
因為市場佔有率很小的
2:40
什麼叫Bing
2:41
Bing就是搜尋引擎
2:42
搜尋引擎
2:43
只有幾個百分比的市場份額
2:45
大部分都是Google
2:46
但這個NewBing就因為有了ChatGPT的功能
2:51
所以它就市場份額應該會慢慢放大
2:54
有很多人說威脅到Google
2:57
應該是會慢慢蠶食的
3:00
但幾快就不知道了
3:01
但現在似是會蠶食
3:03
NewBing是被譽為接近GPT 4.0
3:07
GPT有多少零?
3:09
現在暫時是GPT1 2大家都不知道的
3:13
因為它是很多公司裡面的內部用
3:15
去到3的時候就是LaMDA
3:17
LaMDA就是Google的GPT 就叫LaMDA
3:22
L-A-M-D-A的
3:24
不知道Large Model...
3:26
我全名不記得 叫LaMDA
3:30
那個也有內部測試
3:31
又被人關掉了 又說它產生了意識
3:34
不想被人關掉等等
3:37
然後很快就去到
3:39
隔幾個月就出了OpenAI
3:42
多人認識OpenAI這個ChatGPT的原因是因為
3:45
你用到嘛
3:47
LaMDA沒有給你用
3:49
我們在AI圈子裡面經常都說的
3:52
我都在YouTube講很多集的
3:54
我自己在YouTube講很多的
3:55
但去到ChatGPT之後大家覺得
3:57
哇 我都用到啊
3:59
那就驚人了
4:00
就覺得我摸到 我看到 我感覺到
4:03
所以那個就
4:04
所以ChatGPT其實不是好
4:06
不是說很厲害的東西
4:08
不是一個好大跳躍來的
4:10
並不是的
4:10
但是它因為給你用到
4:12
你覺得很貼身
4:13
而這個Facebook的Yann LeCun
4:16
就是世界上很出名的
4:18
那個AI的專家
4:20
他說其實你這個沒有什麼緊急情況的
4:22
就是沒有什麼湧現
4:24
剛才我講西部世界那樣
4:25
湧現嘛
4:27
那隻手無端端在電視機裡面
4:28
指著你自己 那個湧現嘛
4:30
那個維度提升了嘛
4:32
它沒有啊
4:32
它覺得ChatGPT沒有
4:34
根本上是沒有湧現這件事的
4:36
只不過是微型那樣升級
4:38
其實我覺得都是的
4:40
不過它因為給你用到
4:41
你就覺得很興奮
4:43
很恐怖 很恐懼
4:45
現在大家對Google的看法就是
4:48
當然了 Google現在還會
4:51
就是會出類似ChatGPT的東西
4:53
但是第一就是
4:55
因為有Microsoft威脅它
4:58
第二呢
4:58
即使它出了 它都要投入很多錢
5:01
所以大家就是純粹在
5:02
投資的角度方面就說
5:04
咦 對Google真的有很大的壓力
5:06
是 是的
5:06
是不是的 你同不同意
5:08
都是的 會影響到它的命根
5:10
絕大部分的收益都是來自廣告
5:13
如果你廣告搜索的部分
5:16
你的排位是沒那麼重要的時候
5:18
那是核心的
5:20
我們都是因為這樣而發覺說不對勁的
5:22
就是要沽了Google
5:24
因為我們持有了很多年Google
5:25
但是見到說真的不對勁
5:27
它這個是...因為大部分人相信
5:29
它未必是的 但大部分人相信
5:30
你就不要和相信的
5:34
但是其實錯的東西去拼了
5:36
因為還是在下降
5:38
但是你是不是太早說Google一定不行呢
5:41
Google不會輸的 其實
5:42
不是 50 50
5:43
Google它本身是Transformer的發明者
5:47
還有TensorFlow這個系統的發明者
5:49
它很厲害的 其實Google是在自己裡面做的
5:52
不開放出來的
5:54
還有GPT-1和GPT-2
5:56
即1.0 2.0是開放源碼的
5:58
很多人都可以抄的
5:59
但到了3 大家就不肯將它開放源碼了
6:02
所以現在慢慢就3, 4 這些其實是自己內部的
6:06
我覺得Google其實內部是有發展得很好的GPT
6:10
但是它沒有將它放出來
6:11
還有它找了英國的團隊 DeepMind
6:14
即是強化學習的專家
6:16
那個是AlphaGo的團隊
6:21
要找AlphaGo的團隊去加快它的GPT的進化
6:27
所以那個推力是很大的
6:28
因為現在我們說的ChatGPT
6:31
是在用的方法叫Reinforcement Learning
6:36
on Human Feedback
6:38
即是用人的反應去幫手強化學習
6:43
即AI有三種的
6:44
監督式學習
6:46
強化學習和無監督學習
6:49
其實前面那兩種就是現在最流行的
6:52
那強化學習就是DeepMind
6:54
即英國的團隊最厲害的東西
6:56
所以找了那個團隊去加深它
6:58
其實是有機會追上去的 我覺得
6:59
OK
7:00
也不像是落後很多的 不明顯的
7:03
明白
7:03
所以我覺得Google是很大機會的
7:05
因為大家
7:06
不是很聽到它的聲音就覺得它差一點
7:09
其實就應該不是 應該是低估了Google
7:11
Microsoft還有沒有炒很大的上升空間呢
7:14
Microsoft是應用 它是很好應用的
7:16
因為你的工作表旁邊有一個視窗
7:19
你叫它 例如我們寫簡報
7:21
我們對沖基金做得不好要寫悔過書
7:23
特別沒心機寫 是不是
7:24
就是做得好的時候很興奮 有得寫
7:26
那你做得不好的時候
7:28
那你想講回這個宏觀情況
7:32
例如預計宏觀情況
7:35
那你就可能寫幾句話
7:36
50字之內講一講這個月
7:39
與美股市場有關的宏觀情況
7:42
（簡報）馬上就出來了
7:43
然後下面再加我們的看法等等
7:46
那砌完就很方便的
7:47
很快的 真的
7:49
我就沒有這樣做過
7:50
但是其實我們試過的是可以的
7:53
你分不到的其實
7:54
所以你將來可以慳成本了
7:56
簡報也好 找AI來寫
7:58
是啊 不需要請那麼多人的 真的
8:01
是啊 所以很
8:03
我說Microsoft這隻股票
8:05
是啊
8:06
你覺得將來
8:07
OK的 因為你工作裡面是很合用的
8:11
PowerPoint 你幫它自動生成的
8:14
還有幫你去
8:15
將來是會幫你很多
8:17
那你就有兩個版本了
8:18
一個是沒有ChatGPT的
8:20
一個是有ChatGPT的
8:21
那你就收兩個價錢
8:22
它就幫你轉化為金錢
8:24
那你newbing
8:24
newbing本身它的收入都很小的
8:26
它就進攻Google的地盤
8:29
你以後就用ChatGPT去搜尋一些東西
8:31
它準確度是低一些的
8:33
但它下面有
8:34
下面可以給你一個來源
8:35
然後你自己按下去
8:37
去搜尋 其實變成兩步...它只會讓你選擇
8:41
ChatGPT幫你選了一個 你未必覺得是最好的
8:44
但它給你一個來源 你可以裡面再選另一個
8:47
人手可以再選另一個 所以那個傷害性很大
8:50
那是不是你們都要持有少少Microsoft
8:53
都要持有的 其實Microsoft和
8:57
但Google你沽了
8:59
其實我們正沽空Google
9:01
反手做完之後
9:03
通常我沽完之後都會多按一下
9:06
都會多按一下 再按一下
9:08
但是經常都會打兩邊的
9:11
有時候你斬完倉之後它就升上來
9:14
有時候都會這樣 但暫時來說Google就相對聽話
9:19
就是上上落落的
9:20
明白 明白
9:22
那Microsoft Google NVIDIA
9:26
是啊 NVIDIA
9:27
做硬件
9:28
是啦 NVIDIA 因為大家會覺得
9:31
無論誰贏都好 你都會用GPU
9:34
芯片 而且我認為是右腦
9:36
我們人的右腦是像GPU的
9:38
平衡運算的
9:41
左腦是順次序的 左腦是時間
9:43
右腦是空間來的 前後次序是左腦
9:46
空間是跳躍的 就是同一時間裡面的
9:49
不同的地區 不同的地方叫做GPU
9:52
所以現在我們用的是
9:55
AI是用我們的右腦的晶片
9:57
誇張一點講是 右腦的晶片
9:59
這個右腦晶片就是NVIDIA是最主要
10:03
因為它的Cuda很多人會用
10:09
而且很優化地將GPU變成一個一般用途
10:13
所以叫做一般用途的GPU 叫做GPGPU
10:17
這個很重要 令到股價是急升的 就不只是鎖在
10:23
只是做圖形處理 畫遊戲
10:27
這個我不明白 因為NVIDIA是做圖形處理的
10:33
但是我們講的Chat都是一些文字的東西
10:36
為什麼是用NVIDIA的GPU來做這個Chat
10:42
它將文字變成因子
10:45
然後因子...當作一個棋子
10:48
對ChatGPT來說 它就認得那個棋子的前後排列
10:54
或者我分析員經常講的
10:58
例如出現一個I字 它就會估計你後面是AM
11:03
它會較少估計是WAS
11:07
就是葳葳and I 之後應該係are
11:11
但是一般情況下 I是跟AM的 所以90%多機會都是跟AM
11:15
它就會當是AM的 它不知道什麼是AM 什麼是I
11:22
它是覺得I之後就是AM 它就分解
11:25
它是用一個分解的形式去處理的
11:27
但是GPU不是 例如是看圖片來的
11:33
你講的這個是文字來的
11:35
圖片其實是什麼呢
11:36
或者說GPU其實處理的是疊積
11:40
或者叫矩陣乘法
11:45
矩陣乘法就是
11:48
就是數學來的
11:49
這個就叫疊積 即是這樣乘法 類似疊積
11:53
那你文字其實只有一堆的 它來說是一堆的次序
11:58
一堆字的次序
11:59
所以它就將你文字變成因子
12:04
然後元素或者因子去堆砌
12:06
所以我經常說搬運工 其實它是搬來搬去的
12:09
它不是很明白的 因為它缺少了左腦
12:12
它不是完全沒有左腦 但是它很弱的左腦
12:15
左腦其實是CPU 它很少CPU
12:17
因此它的推理是很差的
12:19
它的理解是很差的 它不是很明白的
12:22
它的因果關係很差的 即是那個因果很差的
12:25
它無所謂很強烈的因果的
12:28
無論如何我不想說了 因為很技術性
12:32
那NVIDIA現在的股份都怎樣
12:35
但NVIDIA之前有些不好的消息
12:38
因為供應過剩芯片
12:41
但現在又有ChatGPT這件事
12:43
究竟好還是不好 現在是一個轉捩點
12:46
虛面先升上去
12:48
因為大家覺得ChatGPT的NVIDIA
12:51
三日三千字很多人都說的
12:54
AMD也會的
12:55
但是因為Cuda的原因
12:57
所以NVIDIA會是強一點的
12:58
因為大家習慣了用Cuda
13:00
習慣用TensorFlow
13:01
環境底下都是用NVIDIA的
13:03
所以就有個慣性
13:05
NVIDIA也很強 最近又很會做show 穿著皮外套
13:08
又和你說什麼DGX 什麼新產品
13:12
資料中心怎樣怎樣 它說很花哨的
13:14
所以它的情緒會先上去的
13:17
那就是虛變實 你的股價高 又吸引到人才
13:20
然後又變成實 但事實上就不是的
13:24
我們覺得實體不是這樣的
13:26
實體面不是的 這個很少人說的
13:28
因為其實人工智能那個演算法
13:32
我剛才說RNN CNN LSTM N就是神經網路
13:37
它是正在改善的 它的配方正在改善
13:41
它的配方改善可以令到少用GPU的
13:44
用少一點 不是不用 用少一點的
13:46
那例如Amazon就有一個叫Modo
13:52
Modo的方法
13:53
Modo的方法就會令到情態動詞
13:58
它就會令到...你五感好像人一樣
14:02
你只是看字
14:06
但當你可以聞到 又可以聽到
14:09
又可以摸到的時候
14:10
你的五感同時會判斷的
14:13
所以數據其實不需要那麼多
14:17
你都可以做到判斷的 原因是因為我們有五感
14:19
但現在你只是給它一感
14:22
所以如果增加不同的 這個都叫做維度
14:25
多幾個維度 它需要的數量是少很多的
14:30
第二就是簡單理解一點
14:33
Microsoft這麼好生意
14:36
Google都有自己的TPU
14:39
張量處理單元就可以取代GPU
14:43
是更加直接和更加為軟件特製的
14:47
所以Google就會...可能自己做很多TPU出來
14:50
TPU 現在不知道第二代還是第三代
14:52
不是GPU 是Tensor Process Unit
14:56
它的建築就不同了
14:58
但它就不是做一般用途的GPU
15:01
還有因為現在做推論
15:03
其實AR裡面可以分兩組的
15:06
就是做訓練和做判斷
15:11
現在最需求最大是訓練
15:13
是這個判斷的 判斷的消耗是很大的
15:18
另一個就是數據中心還是設備
15:20
或者是終端 數據中心就是你的核心
15:23
終端就是你的手機 電腦
15:26
這些就是終端 你可以分四格的
15:30
總之就是說 現在如果生意這麼好 大家都認識台積電的嘛
15:36
就下單給台積電 叫一些設計服務公司去設計一顆晶片
15:41
Google裡面也有人才去設計晶片的 請Motorola的人
15:46
每一家公司都會自己去設計晶片的 我相信
15:51
所以這麼大塊肥肉是不會這麼簡單留給NVIDIA
15:54
或者是AMD的 其實是不會的 那你的部署是NVDA是... 都是做多的
16:02
但是不知道什麼時候會掉轉的 隨時可能會掉轉
16:05
我經常說 市場這個就是我們以前那幾年做的
16:09
很多年前做得不太好 就是我們經常跟著實
16:12
發覺原來不是的 市場是跟虛的 是跟資金的
16:15
所以看資金流 時機就會準一點
16:17
當羊群是錯的時候推你 你真的不要和他對著幹
16:23
羊群什麼時候轉頭呢 那一下就一起轉
16:27
那你現在譬如 你是做多Microsoft NVIDIA
16:31
AMD都是做多的 做空的是Google
16:36
還有什麼部署 香港股份或者大陸股份呢
16:41
百度啊 你怎麼看
16:43
百度就好像沒有倉的
16:46
其他就跟Internet和跟那個多一些的
16:51
亞洲區其實這麼深的AI能力其實是少的
16:57
幾個原因的 因為原始碼
16:59
剛才我說第一代和第二代的原始碼有開放到
17:02
三代 四代沒有 跟著晶片又有些限制
17:06
就是很多限制 還有其他的一些限制
17:10
令到它行慢了
17:12
變相我就覺得是
17:14
在亞洲就形成不了一個主題
17:17
很明顯是主題在美國
17:20
所以將來是兩個世界有不同的
17:23
有中國的ChatGPT 有美國的ChatGPT
17:28
是不是將來是這樣
17:30
百度的文心一言可能是完全不一樣的
17:36
或者程度差很遠
17:38
可能它正在做一些很厲害的事情 我們不知道
17:40
可能將來會在做
17:41
但是暫時在媒體裡面就看不到很多
17:45
還有它很有趣的 有些是英文
17:47
你問英文 回答英文
17:49
有些ChatGPT是英文回答英文
17:52
它流暢過用中文回答
17:54
我不知道跟語言有沒有關係
17:56
也可能跟背後的引擎有關係 我這個就不知道了
18:01
不過在美國因為可以打
18:03
就是香港不用 你要翻牆才能看到
18:05
在美國有些人打
18:08
用簡體字搜尋一件事 譬如領導人
18:13
用簡體字搜尋到 （回答）很正面的
18:16
但是同樣一個人你用繁體字搜尋
18:18
哇 很負面的
18:20
因為可能香港 台灣都用繁體字
18:23
是同一個人 但是很不一樣的影響
18:27
因為用簡體字和繁體字
18:29
將來可能都是這樣
18:30
有可能
18:31
不同的世界 是不是
18:33
我們可以看看這一張的
18:34
這個就是總結
18:35
OK
18:36
這個就是我們搞笑地叫CrabGPT
18:39
有很多原因 中文是蟹
18:40
是 台積電
18:41
是 台積電
18:42
我本身以前在RealTek做過晶片設計和管理工作
18:46
所以它本身RealTek就是蟹
18:49
不是推薦大家買RealTek 不是的
18:51
OK
18:51
也都不是推薦大家
18:53
我們講的基本面的優勢
18:55
但估價或者是另外
18:57
只不過我們講我們的部署
18:58
我們沒有投資建議
18:59
沒有目標價 沒有買賣建議
19:02
什麼意思呢
19:04
就是Google 微軟
19:06
是 就是前面那兩個爪
19:10
角力最厲害的
19:12
而它們的支持就是
19:13
就是這四個
19:14
這四個股票 全部都買
19:18
你是不是
19:18
現在你都有做多的部署
19:20
就是買這樣的
19:22
包括台積電
19:22
Intel我不是太記得
19:24
因為轉得比較快的
19:25
可能很少的 就算有都是
19:27
Intel和台積電都很少
19:29
做多或做空都很少
19:30
為什麼
19:31
因為台積電很多人都看股神
19:35
股神買我也不覺得好 因為我一直在學他
19:37
我一直覺得他買錯的
19:39
但是你不要和他對抗
19:40
因為大部分人相信股神多過相信我們
19:43
你不要和他對抗 你就一起買吧
19:45
你買很少而已
19:47
買很少而已 沽的時候當然一起沽
19:50
因為我發現他沽 應該是沒有偷步的
19:53
我猜是沒有偷步 所以沒怎麼偷步
19:56
它買的時候都沒有偷步
19:57
但是他宣佈之前是有偷步
19:59
很有趣 我有留意到他
20:01
因為很重要的 股票有沒有偷步
20:04
就代表它有沒有肉吃的
20:06
你偷步太多
20:07
你進去那一刻基本上是接火棒的
20:10
很多時候都是這樣
20:11
但是通常你現在不需要看美國
20:14
譬如現在的息口 大家又覺得不會這麼快下降
20:18
你覺得危不危險
20:20
綜合市場來說 其實是政治領先的
20:25
政治領先 資金流就是
20:27
大的資金流 或者是聰明錢的流動
20:30
其實是政治之後的 經濟是滯後的
20:34
那政治是怎樣的
20:35
政治領先 經濟滯後
20:36
下面才是個股的情況
20:39
現在的緊張度很嚴重
20:43
我們說說港股
20:44
你說的是美國和中國
20:47
世界各地
20:48
即是去全球化
20:50
即是你一堆我一堆
20:52
即是你組群 我也組群
20:55
我們舉個例子說香港
20:56
很多人
20:58
香港其實10月尾11月頭 大家都不信
21:03
就重新開放 其實有人買
21:06
有人買當然不是估計的 其實是知道的
21:09
我們不知道 但有人知道的 就買了
21:12
買上來的那些外國人是不太相信的
21:14
我覺得外國人的聰明錢是不太相信的
21:17
壓著它 但是那股力量太大
21:20
推了上去 推到幾千點上去
21:22
接著到1月份 我們估計應該是石油輸出國
21:27
那兩個 一個是北極那邊
21:30
一個是很熱的地方 那兩地的錢應該是進來的
21:34
所以炒起了10%的 一下子上去
21:37
中東
21:38
但是外國人是 有些外國人當然都要跟
21:41
會FOMO 但最有遠見的那些
21:46
或者是對這個最熟悉的還是不買的
21:49
因此他不斷買 又沽 又買 又沽
21:52
去到2月初的時候就開始 這股力量有點消減了
21:56
那也都翻轉了 它是沒有沽的
21:59
但是買慢了 就一直壓 壓 壓
22:01
所以壓到現在...
22:03
2萬邊
22:04
是的 那就穿（20000）的概率高一點
22:06
穿2萬
22:09
穿的概率高一點的 因為你看資金流
22:11
但是它一轉 我們又會轉
22:12
但是現在暫時看你推下去
22:14
你覺得會穿多少
22:17
很難說 但是就看這股力量會不會反過來沽
22:21
如果這股力量不反過來沽 應該有限 會慢慢下
22:25
但是這股力量一起沽 兩個一起下就恐怖了
22:28
其實現在大概是3股力量 1股是之前重開的力量
22:34
買了很多 有些疲態的 明顯是
22:39
甚至沽回頭 我估計是有些沽回頭
22:42
第二股力量就是剛才說的 石油輸出國那兩個地方 一個北面
22:47
一個很冷的地方 一個很熱的地方 那兩股力量又是慢了下來
22:54
買慢了的 它應該還沒反過來沽 但是買慢了的
22:58
這個一直都有壓力的 就一直壓下去
23:04
所以這樣拉扯 為什麼我說得這麼複雜呢
23:07
因為市場其實是像一個拔河的
23:09
它不是簡單說好消息就買 不是的 全部都在偷步的
23:13
經常說是通天特異功能的人在偷步
23:16
那這三部分的人都是通天特異功能的
23:19
通天特異功能的人都有力量的分佈 拉來拉去
23:24
但是基本上像是向上的那邊
23:30
其實就壓下去了
23:34
OK 所以你的意思是現在是向下的壓力就大了
23:41
是啊 傾向一點點
23:42
所以要買的就是暫時先等一下
23:45
現在是40:60了
23:47
那美國呢
23:49
美國呢就
23:50
你的部署是買還是沽
23:52
我們都是在沽的 美股主要是
23:55
我們主要是做空美股
23:56
但是那些全部都是美股來的 你持有那些股
24:00
我們是這樣的 我們是對半導體是看得很淡的
24:03
我們不相信台積電的魏哲家
24:07
真的很搞笑的 每次都說很厲害
24:10
接著台積電的CEO 他說
24:13
接著剛剛出來一月份初的時候就說
24:15
我們是差的 現在一季度二季度
24:18
三季度就反轉了
24:19
你不相信
24:20
這個人說話很有趣 我都不相信 我真的不相信
24:23
我很多次都不相信他的
24:25
然後就說第三季
24:26
現在看來第三季就死了
24:29
電子時報又說NVIDIA訂單很多
24:32
然後令到台積電第二季爆滿
24:35
怎麼可能呢
24:36
其實他不是說全部的 可能只有5納米就爆滿了
24:39
總之 其實市場都是過份樂觀的
24:42
覺得第一季第二季是到底部了 第三季反彈
24:46
我覺得不是 沒有什麼可能
24:47
所以你的意思是你持有美股 是持有軟件的股份
24:52
持有NVIDIA 剛才說的
24:55
也有硬件的啊
24:56
半導體 是的 半導體
24:57
那你剛才說...
25:00
做空半導體的指數
25:05
然後去做多
25:07
個別的股份
25:08
個別的ChatGPT相關的股份
25:11
哦 但是你看淡整個半導體板塊
25:15
但是因為ChatGPT 所以你才買AMD或者NVIDIA
25:19
剔它出來
25:20
哦 明白 所以我有點混亂
25:22
NVIDIA都是做空的排行第一名或第二名
25:23
NVIDIA都是做空的排行第一名或第二名
25:27
所以你整體倉的部署是做空的
25:29
就是整體是做空的
25:31
無論是美股還是港股
25:33
我講美股 亞洲我就不講了
25:36
美股做空的部署比較多
25:40
好 非常多謝Fred 多謝大家
2023年3月1日 星期三
王華: AI 殺人容易，救人難？未來世界已經來到，大家要有咩準備？
https://www.youtube.com/watch?v=wAraHMdtZLc
00:00 本集精華
00:34 節目開始
01:32 ChatGPT未來方向
03:33 ChatGPT爭議，將來教育界的影響
05:41 出版界的影響
06:27 VoiceGPT的發展，將會被取代的工作
07:20 ChatGPT恐怖事件
09:03 即將被取代的秘書們
11:27 AI 殺人容易，救人難？
14:37 AI無法做到的事，我們可以如何從中避免被取代
19:35 政府討論AI發展下的應對
22:02 YouTuber也將失業？
************************
0:00
但是這個東西 是不是… 我記得你剛才和你聊天
0:00
你說其實AI現在是容易殺人 但不容易救到人
0:06
最終當然是毀滅人類啦 當然是
0:33
好 歡迎大家收看《葳言大意》
0:35
今集是我的老朋友 王華 Fred上來
0:38
Hello Fred 你好
0:39
好久不見
0:40
多謝葳葳邀請
0:41
最近很熱門的話題 周圍都在討論
0:45
ChatGPT的了
0:47
我的嘉賓有說過一點點
0:49
不過真的以一個科技的專家來說
0:51
因為他自己的基金
0:53
是專門投資這些科技
0:55
科技、軟件、硬件股份
0:57
所以他對這件事情非常深入了解
1:00
所以今天我請他受訪 一來講一下故事
1:02
第一部分
1:03
講一下究竟ChatGPT對我們的人生
1:06
將來會有什麼影響
1:08
第二部分股票
1:10
有什麼好投資
1:11
或者有什麼避開
1:12
或者有什麼應該做空的 炒得過熱
1:15
下一部分就這樣講
1:16
OK 我知道Fred你平時都有做幾次的簡報
1:22
解釋給大家知道
1:23
是ChatGPT那些簡單的用途
1:26
是不是
1:27
是
1:28
簡化版
1:29
簡化版
1:30
因為沒有時間講很長
1:31
就說簡化版本
1:32
好
1:33
我想很多人都聽過很多關於ChatGPT的東西
1:36
我就反而覺得ChatGPT不是完美的
1:38
但是它的方向就很明顯的
1:40
其實就會改變人類世界
1:42
取代翻譯員、分析員
1:46
寫書的人
1:48
或者YouTuber、TikToker
1:50
都會被取代
1:52
所以它是簡單的搬運工
1:55
就是將是GPU
1:56
要運用GPU的方法去搬運
1:58
所以大部分的工作都會被取代
2:00
但是其實它不是那麼精確的
2:03
不是那麼準確的
2:04
所以當你要求精確的時候
2:06
很多人就會覺得它是胡說八道
2:08
理直氣壯 順口開河這些東西
2:11
我們在PPT有講就是
2:14
微軟娶了ChatGPT之後
2:16
元宇宙就變成了無味的前女友
2:18
有些人這樣評論
2:19
我有一半同意的
2:20
其實我一直講的基本框架
2:22
基本框架就是 加密貨幣我認為只是一個工具
2:26
財富轉移的工具而已
2:29
區塊鏈就可能有些技術在裡面
2:31
還有一些用途在裡面
2:33
就是智慧型合約
2:34
但是其實我覺得是很有限的
2:37
但是元宇宙 我經常說元宇宙是慢一點的
2:39
但是它是會來的
2:40
你喜不喜歡它也好 它會來的
2:42
它會改變你的生活的
2:44
人工智能 ChatGPT為代表
2:48
它和「元」其實是一個很深度的融合
2:51
它並不是這樣講說
2:52
你有ChatGPT強的 那個就沒有
2:54
不是的 在ChatGPT的運作下
2:57
元宇宙是好玩很多的
2:59
因為NPC的原因
3:00
那個非玩家角色
3:02
就是你玩元宇宙的時候
3:04
裡面很多假人的
3:07
假人你和他對答很悶
3:08
因為回答來回答去那兩三句
3:10
還有傻傻的
3:11
就是這樣
3:12
就是網上有很多YouTube那些
3:14
很多這樣的影片
3:15
其實你一點點像注入一個靈魂
3:18
它什麼都會回答你
3:19
覺得這個是真人 是不是 很過癮
3:21
所以我覺得元宇宙是ChatGPT
3:23
ChatGPT是一個引擎來的
3:24
會推動元宇宙的
3:26
而不是互斥的
3:27
令到它是差了 不是這樣的
3:31
其實是很大機會
3:32
現在就有很多辯論
3:33
有很多學術界就說不准用ChatGPT
3:37
不准做功課的時候用
3:38
越來越多 各大院校
3:40
但是 我總之是說但是
3:42
轉折點就是你看到
3:43
沒有記錯那學校叫做Wharton
3:44
就是頂級的MBA school
3:46
商學院
3:47
商學院 頂級的
3:48
它說鼓勵人們用
3:51
我覺得是對的
3:52
應該正視它
3:53
Yes
3:54
怎麼會避開它呢
3:55
是啊 這個是未來的
3:57
但是我覺得當很多
3:59
就算不投資也好
4:00
你的小朋友要選科的時候
4:02
很關鍵的
4:03
你選錯課 讀四年
4:05
之後可能是找不到工
4:07
或者是找到做一天 做兩天的工
4:10
你就要找幾份工 做斜槓族
4:12
這個原因就是ChatGPT
4:13
其實會將很多簡單的文書工作
4:16
白領的工作是會取代的
4:19
這個影響相當深遠
4:21
所以我想現在選科是很重要的
4:24
很關鍵的
4:24
但是基礎學科要學
4:27
即是物理、化學、生物、歷史
4:30
歷史都可能
4:31
就是部分的歷史的源頭
4:34
你數學、中、英
4:35
這些都要學的
4:36
因為這個是你的基礎來的
4:38
是你的基礎
4:39
然後這個基礎
4:40
令到你可以去融合一些東西
4:42
但是去到應用
4:43
就真的有很多大問題
4:45
做翻譯 即時傳譯
4:48
做
4:49
一些簡單的文字創作 可能會是最首當其衝的
4:55
那有律師 甚至乎醫生部分的
4:59
如果醫生看這個節目當然很...
5:01
不是吧 即是不會吧 很懷有戒心的
5:04
但是其實是會有部分的
5:06
全科醫生
5:07
基於規則系統的東西 即是一些
5:10
是一些這樣就這樣
5:12
其實不需要你記住 其實你進電腦
5:15
去幫手去判斷
5:18
但是你可能最後短期內都是人去最後敲定
5:22
那你看影片 現在都很多了 IBM看影片
5:25
Watson看那些廢片 看什麼 準確很多
5:29
還有不會 即是眼睛不會覺得累
5:32
它還有24小時工作 你那個生產率是很高的
5:36
所以我相信是滲透在各行各業
5:38
現在剛剛說出書
5:40
市面上出了大量的垃圾書
5:43
即是都不是垃圾的 你是看上去不像垃圾的
5:45
但是你看多一會兒 你發覺原來書本很低維度
5:48
即是小朋友的書尤其是
5:49
因為小朋友的書 比較很簡單
5:52
那你人工智能 ChatGPT
5:53
或者用AIGC 即是人工智慧生成內容
5:57
去創作這些東西 其實搬來搬去
6:00
其實就可以了
6:02
所以亞馬遜剛剛這幾天新聞就湧現了一大堆書
6:07
幾分鐘做一本書的 大哥 你說多恐怖
6:10
是
6:11
即是你說不取代
6:11
我猜作家真是死定了
6:13
是的 所以我覺得是
6:15
即是你說它不改變世界是不可能的了
6:18
你喜不喜歡它還是要接受這個現實的了
6:23
所以正視它 接下來不只是文字上的ChatGPT
6:27
接下來會有VoiceGPT 即是對答
6:31
即是Siri 你不滿意的嘛
6:33
即是你Google 你不滿意的嘛
6:35
對答才開心啊 對答NLP 自然語言
6:38
而且你不用學它指令的嘛 你是自然地流露
6:42
而且關鍵的是它記住你 它記住你問過什麼
6:45
記住你 可能你幾天前說的東西它都記得
6:48
否則變成每一個AI都是 腦退化症
6:54
它不是的 它記住了嘛 很客制化的
6:57
所以慢慢會變成什麼呢 變成你的助理
7:00
你的助理 所以助理很危險
7:02
助理幫你預訂位、預訂戲票、預訂各樣東西
7:07
那個位置是幾年內會被取代的機會很大
7:11
它不是完全取代的 但它取代你一部分的工作
7:14
可能取代七成的工作 八成的工作
7:16
可能最後有些動作要你要做
7:18
其實我覺得最有趣的就是那個 《New York Times》有報導
7:23
其實那個Kevin Rose 我想你也知道
7:25
就是一個《New York Times》的專欄作家
7:28
然後他跟ChatGPT聊了很久
7:34
就是由人生到哲學 到心理 聊了很久
7:39
然後聊到用ChatGPT 就說你婚姻不快樂
7:44
你老婆不了解你 接著I love you
7:48
就是追求他 接著他嚇到整晚睡不著
7:51
立刻不用 寫了一個專欄 很紅
7:55
有趣的地方就是 他停用了
7:58
然後另一個人隔了一段時間
8:01
另一個人又是跟用ChatGPT聊天 就好像你說的
8:05
他問 你真的喜歡Kevin Rose嗎
8:10
誰知道他真的好像一個人回答
8:12
他說是啊 我喜歡他 因為他很厲害
8:15
他不開心 他婚姻不快樂 所以我喜歡他
8:20
真的好像跟一個人對答
8:22
接著他停了 所以你說不是單純的助手
8:26
接著他停了問 接著因為這個案子
8:30
Microsoft就是限制你和那個答案
8:35
他說限制是幾個答案 only
8:37
而且不可以Chat很久 因為如果Chat了很久就有這些問題發生
8:43
但這意味著你真的可以去到這樣的地步
8:48
是啊 他未必是完全明白的 但是他搬來搬去
8:51
你覺得他好像很深入 但我覺得都有可能的
8:55
這個可能性都高的 其實最簡單就是
8:58
他這一天一定會來的 只差是不是今天來了
9:01
所以秘書一定是可以被取代了吧?
9:03
其實這個就是HER這套戲 就是現在螢光幕
9:07
HER這套戲就是講這件事 很多年前的戲來的
9:09
很精彩的 這個主角不帥 主要講人工智能學習的
9:13
他就講那個助理 助理就是戴著耳機的助理
9:17
然後慢慢地愛上了那個助理
9:20
那個助理是?
9:21
那個人工智能來的
9:23
然後那個人工智能助理
9:25
原來不是單對單的 不是一男一女的
9:28
耳朵是女生來的 女生聲來的
9:31
但後來發現這個女生不只是一個男朋友
9:35
是有幾千個男朋友 同一時間
9:37
她不用睡覺之餘 同一時間跟很多人約會的
9:40
她不需要跟一個人長相廝守
9:42
為甚麼只跟你呢?
9:43
不是一對一的關係
9:45
而且不需要只是跟人的 可能人是不太有趣
9:48
就是不合理的
9:50
所以這個不是牽強的 這個是真的會有可能這樣發生的
9:56
我想接下來還有個影片的GPT
9:58
我不知道是不是叫影片 將來
10:00
就是你回到家之後 你的燈有什麼全部調水溫
10:04
謝謝
10:05
是那個GPT幫你決定的 或者幫你安排的
10:10
你回到家的表情 今天是不是不開心啊
10:13
因為你現在要對答嘛
10:14
她不需要對答 你走進去
10:16
這些電影很多時候是會發生的
10:19
真的有時候是 譬如我們女人經常 覺得男人很木獨的
10:24
那個GPT這麼窩心 這麼溫暖
10:28
很窩心 葳葳你今天回來很累啊
10:31
你是不是有什麼不開心啊 我老公不會問這些的
10:35
就是 哇 好溫暖啊這樣
10:37
而且會記得的 又不會記錯
10:39
這是很簡單的一個東西來的 記得我生日啦
10:41
然後週年記念又記得 老公會忘記的這些
10:44
是很窩心的
10:45
是很窩心的
10:46
最終當然是毀滅人類啦 當然是
10:49
最終當然是毀滅人類啦 當然是
10:49
跟腦機接口這個Elon Musk就說
10:52
我們要跟AI要做朋友嘛
10:55
或者要靠這個技術去對打嘛
10:57
就是不可以只是靠人的力量 好像是這樣
10:59
大概意思是這樣
11:01
我覺得這個就遠一點啦 我就不太肯定了
11:04
什麼意思啊
11:04
SkyNet或者是腦機接口就很簡單啦
11:07
就是種進去 現在就說
11:09
令到某些的病可以有改善啦
11:11
但是其實都可以授權你 幫你記憶
11:15
但我覺得這個呢 其實說真的 很初步的
11:18
這個是大部分人是高估了的
11:20
NEURALINK就是Elon Musk的那間公司
11:23
是遠遠高估了他的能力的 其實不是那麼厲害的
11:26
因為我們的腦是很複雜的
11:28
因為我最近跟那些教授都有談過的
11:31
其實這個很確認是
11:33
他這個是說會做些什麼
11:35
會幫
11:36
毀滅整個世界？
11:38
這個還沒有
11:39
就是左邊那個NEURALINK還沒有 毀滅整個世界的
11:42
是嗎
11:42
只是幫你 有些人可能是記性不好啊
11:45
或者是腦有些病啊 他可以幫手
11:49
但其實他的電很少嘛
11:51
就是說是千級的電 就是那個一次針
11:56
所以你的腦是860億的神經元嘛
12:00
當然表皮上沒有那麼多
12:01
但都是以十億級數計的嘛
12:03
你怎麼可能 這個我覺得是遠了
12:06
大部分人是高估了的 但不要緊
12:09
我們做股票其實是跟傻的 不是跟…
12:14
真實的情況 是跟大部分人傻的 就跟他傻的
12:18
不過這個等一下再說一下
12:19
但是這個東西 是不是… 我記得你剛才和你聊天
12:22
但是這個東西 是不是… 我記得你剛才和你聊天
12:22
你說其實AI現在是容易殺人 但不容易救到人
12:28
是啊 就是說你要傷害一個人
12:30
是啊 就是說你要傷害一個人
12:33
那你…
12:33
很容易
12:34
坦克車的 或者是刀槍的 其實你是容易的嘛
12:38
因為你可不顧及他人生命的 那個你要滅掉
12:41
所以運用在戰場上面就會…
12:43
很高效的 但是救人就不行了
12:46
救人 其實我們是跟共同的朋友講的
12:50
他說救人有道理的 我覺得是
12:53
救人你要很溫柔的 皮膚什麼的 你要很溫柔的
12:57
而且是你不能出錯
12:59
那你殺人 你這顆子彈殺不到 其實你再射一顆
13:02
所以你衝鋒陷陣 不怕子彈 衝出去的嘛
13:06
那你真人的話 會害怕你的嘛
13:08
所以運用在戰場上面 現在波士頓動力公司
13:12
我想最早可能…
13:13
不知道是不是他運用的
13:14
但是無人機啊 其實相對來說是 半個機械人啊 現在都是
13:19
所以現況是將來就是軍事方面
13:22
就是軍事上會有另外一個大躍進來的
13:27
全部都是AI打仗的
13:28
現在不是用人的嘛
13:30
是啊
13:30
就是好像打機那樣
13:31
是啊 我猜將來會進入這個模式
13:35
再進一步就好像西部世界那樣
13:37
就是一個園區那樣
13:38
這套戲是影響了我很多的
13:39
改變了我部分的人生觀
13:41
你看的電影 我都沒看過
13:42
很好看
13:44
《Westworld》 真的超好看
13:45
Elon Musk都站台幫他講的 你看 多罕有
13:49
接著他的前女友都在套戲裡面很性感的形象
13:54
但是他說什麼呢
13:56
他說的是機械人 每一個都是…
13:57
機械人自己不知道自己是機械人
13:59
我誇張一點 其實他的緊急情況湧現
14:02
就是你看電視 看著看著 突然之間手指在一個平面
14:06
一個四十多吋的電視機上面
14:08
忽然之間手指指著你自己
14:10
你說恐怖片
14:12
不是 他說機械人 你看著機械人
14:14
你以為是機械人嗎
14:15
不是的 套戲說你是機械人
14:17
套戲說我們是機械人
14:19
我們NPC我們自己不知道
14:21
我們沒有小時候的
14:23
我們每天都回來拍片的
14:24
我怎麼知道我們的種入去的技能
14:26
原來是我們都是機械人
14:28
我想了一下 有沒有機會是這樣呢
14:30
我們每天都很恐怖 很恐怖
14:31
那一下令我想了很多東西
14:34
因為我們的腦袋是有程序去聽寫我們的
14:37
那個bios
14:39
種了下去的 我覺得 所以我經常說反應的、預測的
14:42
人類可能就是分兩種的話
14:44
那就應該分反應的和預測的
14:46
就是預測型的和反應型的
14:49
那個市場都是 股票市場都是
14:51
你喜歡就分多兩種就是四種
14:53
就是變成四種了
14:54
我經常都說那四種 但是不重複了
14:56
那四種或者甚至從分十六種多少都好
14:59
其實有一個主程序在這裡
15:01
那個主程序其實腦源神經結構
15:03
是我們的腦的運作的那個方法
15:08
支配着 就是每一個腦區的那個
15:11
所以我覺得這個是
15:13
和人工智能非常之有關的
15:16
是人是會有出現了四種的底層的特質
15:22
那個特質是思考方法
15:25
這個大概就是
15:27
明白 其實我想問你 再問一下
15:30
就是有關工作 你說基本上一些是
15:35
白領 是很簡單的 就是需要記憶的那些工作會被取代
15:40
我通稱為低維度白領
15:44
低維度 低維度的意思是什麼
15:46
低維度就是他書本上的知識 他沒有將它融會貫通
15:52
那就變成是你 你只是一個百科全書而已
15:55
就是它裡面說的東西你懂 然後你照著運用
15:59
你沒有加入一些融合 即是我們eFusion
16:02
即是融合 還有你沒有跳躍維度
16:05
如果低維度的人當然不會跳躍 因為他只有一個維度
16:08
那就不會跳躍 高維度的人其實可以 自由出入不同的維度
16:13
就是我舉個例子 你找共通點其實就是其中一個
16:17
我舉個例子 你是人工智能 腦源神經學
16:21
或者信仰或者是什麼 幾樣東西裡面的 共通點是什麼呢 究竟是
16:26
這個人工智能不會回答你的 照樣是不會回答的
16:29
就是跨越維度的 跨越領域 跨越範疇的東西
16:33
那很多人都不會回答你這個問題
16:35
所以大部分人應該是 自己不知道自己是低維度的 應該是的
16:40
所以要升維度 升維度
16:42
所以我之前是和朋友談 醫生都會被取代
16:45
其實他都是說是醫生會被取代 其實絕對是的
16:47
我不是說所有醫生 但譬如你基本上很多的網上醫生
16:52
他們都是問你問題而已 你肚痛嗎、痛了多久、如何痛
16:56
譬如你大便、小便怎麼樣 他都是問那些問題而已
17:00
然後那個對面的醫生就說 你可能是什麼病 開什麼藥
17:03
那將來 但是那個醫生 都是基於他的知識
17:07
如果是一個AI的 他懂的知識比那些醫生還要多
17:13
所以他可能診斷 很基本的診斷 頭痛、發高燒
17:18
可能診斷 可能準確很多 比其他醫生 即是全科的醫生
17:24
幫了很多部分 一說取代 人們就說不會的
17:29
因為有手有腳 你做不到 機械人只有語言
17:33
很多反對的 其實是對的
17:36
但是就會將一大部分的工作 可以簡化很多 由AI去做
17:42
跟著你說 AI又可以寫詩、寫書
17:48
其實你下面都有幾個分析員 我不是說你下面
17:51
在金融界 通常基金經理、對沖基金經理
17:56
或者所有基金經理 下面都有很多研究員
18:00
研究員都是類似的 可能會被取代
18:04
副廚就會被取代了 廚師執菜 執西芹 什麼肉
18:13
執菜的會被取代 但是炒的有技術和洞察力
18:17
有些特別配方的 或者因應不同的場景而做一些創作的
18:25
那些就很難取代 所以高維度的就會難取代
18:28
低維度的執菜的就會取代
18:30
老師會不會被取代？我覺得都會的
18:33
譬如我們現在學習的方式都不一樣
18:36
不是一定要坐在課室上聽的
18:38
你基本上很多東西 你現在的軟件 你打字
18:41
什麼叫一個術語 它解釋得很清楚
18:45
你AI將來是對話形式 不是死板查Google般
18:49
就是你看兩次都未必很明白 它就好像人一樣
18:52
老師 我不知道教授的部分 你說律師 尤其是師爺
19:00
或者是文書型的 事務性的律師
19:06
有部分工作會被取代 不是整個 但部分工作會簡化很多
19:11
所以不知道OpenAI的創辦人 是不是叫Sam Altman
19:18
他有OpenAI 接著是Microsoft用了 他的GPT做了ChatGPT
19:28
我記得好像他很投入說將來應該有個 無條件基本收入
19:35
UBI 即是說很多人可能沒有工作
19:40
我們有一個無條件基本收入 要求美國政府成立
19:45
要支持這些被遣散的人 令到他們有工作
19:50
有錢買薯片、買可樂
19:53
現在要討論到這樣
19:55
這個是很明顯會走的方向 但你說速度多少就要調節
20:01
我不知道 但是很明顯的方向 而且會多了一些工作
20:06
多了一些什麼工作呢? 就是分辨是機器創作還是真人創作
20:12
因為你寫一本書出來幾分鐘寫完 人是不可能的
20:16
但現在變成了Amazon上面這麼多垃圾書
20:19
那你要分辨哪些是… 所以我猜Twitter或者Facebook
20:24
為什麼要有個核實 即是要有個核實你是真人
20:27
那個動作不是為了賺你那十幾元美金
20:31
它其實是在分辨人和機械人的賺
20:35
當然你弄很多機械人出來 你就要多給一點
20:38
它可能是開心的
20:40
所以我猜整個世界是在轉變 變化去迎接AI這個時代
20:47
你很多公司炒人 除了生意不好之外
20:49
其實某程度上因為很多AI是真的 在內部取代工作
20:54
這個機會都大 但就要很多Deepfake的東西 假的東西
21:00
會充斥著市場 之前Deepfake用總統的樣說話
21:06
說一些搞不明白的東西 平白無故奧巴馬會說流利的阿拉伯語
21:12
那些其實就是Deepfake 你能夠做到這樣 口形都相似的
21:15
你其實分辨不了的 應該很難分辨的
21:17
是很難分辨的
21:19
所以將來就多了要分辨這些東西
21:21
但是這些工作的份量是要你提升
21:27
我經常說MPC提升上去HPC即是高效能運算
21:32
就不要下降到SC 因為低維度的那個
21:36
那個習慣是很根深蒂固的
21:39
其實我們是根深蒂固的低維度的那個喜好裏面
21:43
但是其實是危險的 因為人工智能進步得這麼快
21:46
你不跟著進步
21:48
但剛才你一開始就說YouTuber都會被取代
21:53
是呀 因為自動生成的 自動生成的片主
21:59
你上載那些影片 現在有些YouTuber不出樣的
22:02
是那些…
22:04
可以有聲音的 是呀 他們自己畫外音
22:07
複製和粘貼一些影片 製作也精美的
22:09
其實都可以用一些現成的AI的編程 來生成這些影片
22:14
是自動生成的了
22:15
你告訴AI聽 我要做這個題材 要多少分鐘
22:19
要有什麼趣味 它就自動生成的了
22:22
它可以找一個美女 我要安祖蓮娜祖莉的樣子
22:25
安祖蓮娜祖莉的樣子
22:27
然後它要講什麼的
22:30
都不需要我的樣子出現
22:33
沒有洞察力的YouTuber就會被取代
22:36
我經常都說洞察力
22:37
就是那個人是要高維度跨越 是能啟發你的東西
22:42
那ChatGPT也做不到的 AIGC做不到的
22:45
因為它只是搬搬砌砌的 搬運工來的
22:49
在大海裏面找東西
22:50
其實我的工作完全可以被取代的
22:53
因為比如說 你有網上的YouTube
22:58
你有文章 你有寫書
23:01
我可以告訴ChatGPT 我今天訪問王華
23:05
準備十個問題 再找個美女訪問你就搞定了 根本不需要我的出現
23:09
有部分吧 而你是創作人 你是靈感創作的源頭
23:13
我唯有今天訪問王華 下星期訪問Eddie Tam
23:17
可以這樣做的 不需要我了
23:19
或者連我都不用了 因為我的YouTube上面有接近一千條片
23:23
它剪接你嗎? 剪出來的 可能比我好
23:27
我的片很高維度 每一條都很少人看的
23:32
因為不是太多人理解到裡面說的話
23:34
我覺得這集我一定要留下來 將來五年、十年之後
23:38
我就看回之前我們說的這些話 會真實發生多少事
23:44
其實要發生是很快的
23:46
很快很快 這個進步速度是比 納米進步速度快很多的
23:50
即是你五納米、三納米都覺得它快 其實米這個更快
23:53
一定要注意這個趨勢 真的很厲害
23:57
OK 下一集說 買些什麼
2020年9月13日 星期日
Jul 27 2020: 泡沫於8月至9月爆破 王華：有人想操縱大市 影響美國大選
舊文一篇, 幾有趣...
Jul 27 2020
如果從政治的角度出發，王華認為美股有機會於美國大選前爆破。王華這個看法涉及世界上的三個主要勢力：精英組織、美國總統特朗普、東方陣營。
撰文：經一編輯部 ｜ 圖片：新傳媒資料室
「很多人說聯邦儲備局早前的量化寬鬆政策（QE），是特朗普的意思，我認為這是假象。精英組織不可能控制不到聯儲局，聯儲局主席鮑威爾當然也有聽他意見，但要通過議案，畢竟也涉及多人投票。」
王華甚至認為早前3月份的美股大跌，亦屬精英組織的「操縱性下跌」，美肢下跌後，再控制聯儲局作量寬，股市的「V型反彈」令他們獲利豐厚。
依他的觀察，目前的精英組織想借特朗普干擾東方陣營，的確，疫情帶來的國內生產總值（GDP）大幅下挫、失業率日漸高企，令特朗普難以再打經濟牌，為爭取連任也只能走鷹派路線。
但另一方面，精英組織也希望把作風自我的特朗普拉下台，這或是再出現「操縱性下跌」的契機。
「我預計8月至9月就會下跌，機會率是7成至8成，原因是臨近大選，精英組織希望透過『調整』股市，從而令特朗普失去民心，繼而失去選票。」
他認為下次的股市下跌，將會是精英組織的操縱，預料下跌幅度約20%，「若屆時世界股市下挫的幅度較美國更大，美國就仍可保持領導地位，而精英組織就能再次賺錢，也能成功捧易受控制的拜登上台。」
資本市場的真實運作
前文提到精英組織擁有極大權力，在王華眼中，他們可以操縱的東西，可能比想像中更多。
「很多人認為是虛幻，其實存在概率很高。精英組織彼此間聯繫緊密，可以說是世界的『牧羊人』，正在組織new world order（新世界秩序）。」
王華提到，這班牧羊人遍布世界各地，他們所擁有的地位是世代相傳，可能是很低調的人，而且每位牧羊人的勢力涵蓋不同的領域。除了可以操縱股市外，更能夠影響選情，「他們擁有大數據，同時渴求收集更多的數據，尤其是個人數據，好讓他們能進一步影響人們的決策。」
當然，牧羊人如果要驅趕羊群，當中也少不免領頭羊的協助。
「如果世界上有100個牧羊人，那領頭羊的數目應該是100倍，大約10,000個。」
王華解釋，龐大的基金、資本家、手上有龐大資金的人都屬於這郡領頭羊，他們帶領市場方向，好讓市場在牧羊人的控制之內。
剩下的就是普通的羊群，普羅大眾的投資者均屬此類。
王華坦言，羊群的決策往往被操縱，目前的科技股高企亦是由羊群的資金堆砌出來，「牧羊人、領頭羊需要向羊群說故事，透過公司的故事引導羊群。」
其實，目前的市場的確存在著這類故事，例如業績超預期的Tesla（美股代號：TSLA），圖表三可以看到Tesla近月股價暴漲，與此同時，參與此股的「羅賓漢交易者」的數目也愈來愈多。
在這班散戶的眼中，行政總裁Elon Musk、電動車夢，甚至是該股本身的動量，可能已經是最大的「基本面」故事，懷著夢想令他們忽略了Tesla 的盈利中，其實涉及了4.28億美元的監管信貸銷售（regulatory credits sales）。
羊群投資者致勝之道
雖然羊群處於一個被動的位置，「但是沒有所謂的，我們也有贏錢的機會。」
「羊群的數目數以億計，我們要做的是跑贏附近數百隻羊，位置上要盡量貼近正在領導我們的領頭羊，當領頭羊準備轉彎時，我們就更容易揣測下一步的方向。」
王華說的其實是分析資金流向，特別是留意龐大基金的資金取態，以及注意身邊投資者的看法。
他坦言自己在目前市況也致力理解籌碼分布，從而得知市場有實力的參與者，甚至是弱勢投資者的情緒。
「除此之外，我們要理解故事的合理性，再選擇是否相信，因為故事的結局最終是領頭羊，甚至羊群會行走的方向。」
相關文章：主流分析合理化科技泡沫 料「科技指數」推高股價 王華：指數當然不為造福大眾
免責聲明：本專頁刊載的所有投資分析技巧，只可作參考用途。市場瞬息萬變，讀者在作出投資決定前理應審慎，並主動掌握市場最新狀況。若不幸招致任何損失，概與本刊及相關作者無關。而本集團旗下網站或社交平台的網誌內容及觀點，僅屬筆者個人意見，與新傳媒立場無關。本集團旗下網站對因上述人士張貼之資訊內容所帶來之損失或損害概不負責。
2020年7月27日 星期一
騰訊上市以來最大危機？Tiktok流量取勝 挑戰騰訊、阿里 地位 王華：TikTok將繼續大量搶流量
Jul 27 2020 － 15:05
近年科網股當炒，阿里巴巴（09988）、騰訊控股（00700）及美團點評（03690）更是在新經濟股表現中獨當一面。不過，三隻巨頭的股價於上週早前見回調，當中「股王」騰訊於大上週（13號-17號）回調4.7%，單是「股王」已經累大市跌142點，佔恒指跌幅22.3%。
繼續印證了「成敗在於騰訊」的走勢，那到底騰訊的發展如何？王華就用大樹來比喻騰訊，基本面分析都算穩陣，但直言字節跳動旗下手機應用程式（App）TikTok及抖音的興起，對騰訊造成極大威脅。
撰文：經一編輯部｜圖片：中新社、新傳媒資料庫
騰訊投資策略：「有殺錯、無放過」
王華稱騰訊的成功有一部分需歸功於其投資策略，騰訊近年密密進行投資、收購，據2019年財務報告顯示，騰訊的股權投資金融資產達817億元人民幣，投資逾800間公司。當中多間為人熟悉的公司，騰訊都是股東，例如Spotify（美股代號：SPOT）、嗶哩嗶哩（美股代號：BILI）、拼多多（美股代號：PDD），甚至連內地人氣奶茶品牌「喜茶」，都是「騰訊有份」。
「騰訊大多時候都是用investment method入賬，一般投資公司時股權都低於20%，很少用equity method及consolidate的方式投資公司，Supercell是一個罕見的例子。騰訊的模式是透過不斷投資公司，即是『有殺錯、無放過』，寧願蝕錢都不會放過，而這個模式非常成功。」
王華續指，騰訊在各方面都表現得宜，但業務能否再上一層樓，將取決於如何引入流量，以及將流量變現：「騰訊本身最具黏性的業務是通訊軟件，一般人每天花約五分之一時間在通訊軟件上，這亦為騰訊的遊戲事業，建立一個很穩定的流量。」
至於如何將流量變現，將是最關鍵的步驟，要如何把其流量套用在旗下所投資的公司。
王華：TikTok會繼續搶騰訊流量
王華指，騰訊現在的做法就是運用自己的平台，例如微信公眾號、小程序等，令旗下投資公司擁有更多的流量。「不論投資公司或是騰訊都很樂意用這個模式，騰訊佔股又不多，又能為投資公司引入流量，大家開心賺錢、自由自在，不過隨著TikTok的興起，我相信這種模式是會終結的。」
他續指：「騰訊自上市以來，從未遇過『搶流量』的情況，幸好TikTok現在被外國制裁，不然字節跳動是一個很大的威脅。字節跳動的商業模式很聰明、亦很人性化，透過幾秒鐘的影片引入大量的流量。
以YouTube和TikTok比較，前者的影片是很資訊性；後者是影片時長短且富娛樂性，重點是不需用腦，相比下TikTok是優勝很多。字節跳動搶了很多騰訊的流量，而且會繼續搶，因為不愛思考的人有太多。」
儘管字節跳動仍未上市，但非公開估值已達到1,400億美元的驚人數字，收入亦有倍數級的增長，這必須歸功於「今日頭條」和「抖音」，令字節跳動用行動印證了甚麼是「流量為王」。
字節跳動近年在各方面都大展拳腳，先是拓展遊戲業務，向騰訊的遊戲帝國「宣戰」。去年3月字節跳動旗下公司北京朝夕光年與三七互娛達成協議，將全權收購三七互娛子公司上海墨鵾，這被視為字節跳動在拓展遊戲事業中重要的一步。
據內媒報道，字節跳動於6月已成立電商部門，計劃在旗下平台發展電商事業。在遊戲及電商事業上，分別挑戰騰訊和阿里，以流量作王牌的字節跳動，能爬得多高，且拭目以待。
電競概念股受惠疫情
提起遊戲業務，王華表示電競概念股亦是其心水之一：「電競概念股受惠疫情，當然會很擔心是否只屬短暫強勢，但是Esport已經都成大趨勢，近年亦成為各大公司的寵兒。」
雷蛇（01337）是香港數一數二的電競概念股，公司受惠於疫情，市場對硬件的需求有所增加，尤其是鏡頭、麥克風、滑鼠、手提電腦等設備均有增長，旗下電商網站Razerstore.com於香港上半年的銷售錄得按年雙位數增長，而第二波疫情期間（即4月、5月）的增長最顯著。
公司業務頗多元化，雷蛇近年涉足金融科技（FinTech）的相關業務，已經申請新加坡的虛擬銀行牌照，預算今年內會有結果，公司亦打算把虛銀業務帶進軍馬來西亞、菲律賓等市場。
此外，雷蛇於2017年開始拓展Razer Gold虛擬信用積分業務，現時支援33,000萬款遊戲，透過在遊戲中充值賺取積分，換取雷蛇設備或數碼獎賞。
Razer Gold早前以遊戲為主，後來加入不同的元素，以及與不同的商戶合作。在6月中，公司宣布與交友程式Tinder合作，用家可透過在Razer Gold消費，將Tinder賬戶升級至Tinder Plus及Tinder Gold級別，解鎖更多進階功能，提高配對成功率。
回顧去年業績，收入創新高錄得約64億元，按年增長15.2%，當中硬件收入按年增16%至約55.6億元；周邊設備收入增3.6%至約34.7億元，電腦系統收入增加44.8%至約20.9億元；軟件及服務收入增加55.2%至約6億元；而其他收入減少37.1%至約2.32億元。
虧損則由2018年的約7.6億元，大幅收窄至2019年的虧損約6,566萬元。雷蛇於2019年退出手機業務，轉型至雲端遊戲，公司稱雲端業務是公司改革中的「重頭戲」，預期到2022年的雲端遊戲的潛在用戶將逾1.2億戶。撇除已退出的手機業務後，經調整EBITDA於2019年下半年達到收支平衡。
免責聲明：本專頁刊載的所有投資分析技巧，只可作參考用途。市場瞬息萬變，讀者在作出投資決定前理應審慎，並主動掌握市場最新狀況。若不幸招致任何損失，概與本刊及相關作者無關。而本集團旗下網站或社交平台的網誌內容及觀點，僅屬筆者個人意見，與新傳媒立場無關。本集團旗下網站對因上述人士張貼之資訊內容所帶來之損失或損害概不負責。
主流分析合理化科技泡沫 料「科技指數」推高股價 王華：指數當然不為造福大眾
強勢的科技股，逐漸有取代傳統藍籌股的資格，起碼恒生指數公司有這個想法，恒生科技指數正式面世。強勢還強勢，高估值的科技股畢竟已站在「斷崖」的邊緣，指數的推出，可能只會吸引更多弱勢投資者，令市場脆弱。
撰文：經一編輯部｜圖片：新傳媒資料室
有「港版納指」之稱的恒生科技指數追蹤30間於香港上市的科技企業，比重最大的四間分別為阿里巴巴（09988）、騰訊控股（00700）、美團點評（03690）及小米集團（01810）。科技指數覆蓋約35%的恒指市值，36%的成交，與恒指的相關係數達0.77。
根據回測計算顯示，「港版納指」於2019年全年及2020年的走勢大幅拋離恒指（見圖表一）。截至7月17日，「港版納指」今年的回報比起恒指高近48個百分點（見圖表二）。
「指數的成立代表會有交易所買賣基金（ETF），一眾科技股會因此而被動買入，高估的科技網有承接，股價進一步推高。這是樂觀的看法。」易方資本投資總監王華道。
但如果悲觀來看，在科技股強勢時代，指數會吸引不懂科技股的人，畢竟他們都會想分一杯羹，但選股能力所限也只能買ETF。「以前還會粗略看看個別科技股市盈率，會因為覺得高估而有風險意識。如今買入ETF大家不會逐隻跟蹤，變相順帶買入過貴的科技股。」
王華形容指數會令科技股淪為「塘水滾塘魚」的地方，選擇在這個時間推出，可能是科技公司開始有集資的需要，
「指數當然不是為了造福大眾而產生。」
頻轉估值方法 市場合理化科技泡沫
指數的推出，令王華認為有偏坦科技公司利益之嫌，歸根究柢，也是因為深感科技股已出現極大的泡沫。如果以傳統估值看，科技股已比舊經濟股高得多，「港版納指」的市盈率約45倍，對比恒指12倍就已經高出接近3倍。
泡沫的造成，可能源於市場多年來因應科技股不斷上升，不斷改變其估值方法。當然，這個現象也不單在香港出現。如果回到2000年科網股時代，王華提到，市場普遍是以PEG（市盈率相對盈利增長比率）衡量科技股的估值。
「擁有高的市盈率就要有高的利潤增長支撐，50倍的市盈率要有2至3倍的利潤增長才算是合理，正如一個巨人吃的飯也比正常人多。」
PEG為1時估值合理，數值愈低則意味著股價愈被低估。但是，隨著科技股近年不斷上升，大多數的科技股的市盈率動輒100倍，PEG亦遠高於1，而市場更充斥未有盈利的科技公司。市場眼見於此，開始認為以PEG為科技股估值是「不合時宜」，把PEG切換為PSG（市銷率相對銷售增長比率）。
「利用PSG做估值，會令高PEG甚至未有盈利的科技公司，看起來更便宜，在科技股仍然未及現時高的時候，這些公司的PSG也只有數倍，屬合理水平，後來因為股價上升速比銷售增長更快，漸漸也上升至20倍至30倍水平，達到一個很誇張的水平。」
後來，由於科技股的PEG及PSG都出現高企，部分公司不但未有盈利，可能連基本收入也未能正數，PSG又慢慢被棄用，隨之而來的「估值方法」也開始追逐概念，例如「一間公司只要有沾手SaaS，佔整間公司業務只需5%，就可以得到投行分析員的高估值。在這個分析框架下，95%屬於廣告業務的公司，也會變得便宜。」
另外，每月活躍用戶（MAU），甚至單純衡量科技公司的新產品、催化劑，也是慢慢變得流行的估值工具。「現時情況有點像2000年科網股時代，當時的市場，也只單純以網頁的流量為科網股估值。」
既然是泡沫，就終會有爆破的一天，但王華稱畢竟現在市場資金多，流通性極高。
「目前的美股市場是no news is good news（沒有新聞就是好新聞），只要沒有新聞，股市就慢慢升上去。股市現時好像一個鐘，指針現時搭10，如果移至12就會爆，我們永遠難以知道走這兩格的所需時間，可以是十分鐘，也可能是十年。」
因此，若單純分析市場，這個時刻何時會來臨，實在難以估計。
免責聲明：本專頁刊載的所有投資分析技巧，只可作參考用途。市場瞬息萬變，讀者在作出投資決定前理應審慎，並主動掌握市場最新狀況。若不幸招致任何損失，概與本刊及相關作者無關。而本集團旗下網站或社交平台的網誌內容及觀點，僅屬筆者個人意見，與新傳媒立場無關。本集團旗下網站對因上述人士張貼之資訊內容所帶來之損失或損害概不負責。
2020年7月15日 星期三
訂閱：
文章 (Atom)