ขนาดวิดีโอ: 1280 X 720853 X 480640 X 360
แสดงแผงควบคุมโปรแกรมเล่น
เล่นอัตโนมัติ
เล่นใหม่
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：th-cam.com/video/P1aPQ3FNoNE/w-d-xo.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
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
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
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。
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。
AI我不一定會買但多少會用一下，可是顯卡還是必須買😅
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
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！
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。
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
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⋯
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😂
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😂
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。
這個影片算是一個里程碑阿,讚讚讚
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。
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
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。
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。
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
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.
当年修马其顿防线的时候法国人也觉得稳了
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😢😢
可是股价无法准确反映当下对未来判断的正确性😂
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。
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
Openai正在研发自己的芯片
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！
老黄能不能提供免费食堂给员工啊
当整个产业只有你赚钱，那大概率别人要换别的赛道了
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
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.
想听老石分析即将IPO的Cerebras
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。
撐到只剩少數公司寡占市場的時候，現在百家齊鳴
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😂
谢谢老石的分享！ 视频做的太精彩了！
看看今年諾貝爾獎 這個泡沫可能 出人意料的堅固啊
英偉達破裂 摩爾線程崛起! ! !
想法很多不谋而合🫠
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！
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
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，，
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~~
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
what?? it just went to 135
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。
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
募了1.2億美元哇！大約是英偉達半天的收入....
被打臉了，nVidia股價再創新高😂
看到amd发布会了吗？老二永远是老二，只能吃英伟达剩下的残羹剩饭，英伟达必将突破140
A|绝对是泡沫，好简单就是攒不了钱
地球上有幾十億人~為甚麼要跟沒有靈魂的程式機器人聊天??蝦嗎??呵呵
除了我都没人跟你聊
但是應用還有出什麼嗎 ？ 最大難題還是美國政府吧😂
可以說大家預期超漲了但泡沫就太好笑了但看在你也就是個外行水視頻今天就不噴你了
本来懒得说，但是感觉视频内容不错，还是想狗尾续貂的提些意见，视频里面的用的字体太难看了…
后面的字幕也丢了，这视频做的好匆忙
amd yesssssss
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
短期不可能破吧？
認同，這兩天應該蠻穩的
AI不是泡沫
英伟达是不是当年的思科不知道，我只知道老黄一边吹牛AI的前途，一边疯狂抛售自家股票。。。男人你真的不能听他说什么，要看他都在做什么。。。
你知道你所謂瘋狂拋售只是他的百分之一嗎....
bruh. let Jensen eat.....
但AI今年一口氣拿下兩個諾貝爾獎，確實有不少它極度優勢的應用領域
@@思豪陳-o8h好像没有1%
高管买股票是要提前计划公开的，今年老黄买的股票很可能是数年前就已经安排好的，只不过赶上了今年股价飞涨。老黄今年卖的股票不及他持股数量的1%，你大可不必因为他卖了几亿美元就觉得他认为当下股价过高。
睇你就知冇追貨係手
有說等於沒說 一堆廢話
想想為何"挖礦"為何"AI運算",細思極恐啊!!!都是NVD得利唯一...細思極恐...
今年諾貝爾物理學頒給AI，我自己是相信諾貝爾獎而不是什麼老石談芯啦
诺奖向来是反向风向标
@@galaxies1540 你能舉一些例子嗎?
@@galaxies1540 所以屠呦呦是個法西斯嗎？照你的反指標的話？😅🤣
中國晶片大廠股價暴跌97％被下市害上萬人慘套A股三大指數再跌！ 大盤資金淨流出超655億元人民幣陸A股大跌！滬指、深成指雙雙下跌逾5％炒A股慘套牢 中國股民砲轟：看了官媒才進場、投資變「捐款」
只要能够统一台湾，捐点钱不算什么。
你可以先捐身家，還有你的命😂😂
退訂!
如果AI泡沫了，那對普通人有好處，可以撿便宜硬件，工作被取代的趨勢也會大幅減緩。但如果直接一路狂飆長驅、硬是提早了強AI問世時間，那強AI帶來的奇點式增長就會讓現在的泡沫顯得平淡無奇。
我看了幾十個網友留言，我覺得大部份都搞錯標題了，老石沒有說AI是泡沫，他的標題以及他這一集談的的是英偉達目前被瘋搶GPU產品這一個現象是否為泡沫，英偉達股價維持在高位就是跟這一個現象有關。這回到經濟學供給跟需求的簡單邏輯關係。目前英偉達熱潮主要是競爭對手產品不夠好，軟件生態不夠成熟，但是這些都會隨著時間慢慢改變。老石最後那幾分鐘就是談到這一點，臺積電要想辦法把水端平。至於有人可能認為臺積電是最後贏家，你只要注意臺積電沒有瘋狂在新增先進製程的晶圓廠（實際上也很難快速增加這類晶圓廠），就能推斷短期內新進製程的規模是蝸牛式增加，但是目前這些在努力進貨英偉達GPU（或是有大量GPU需求的）手上現金相對來說遠高於先進製程晶圓跟先進封裝的供給，短時間內臺積電還是會賺很多錢，但是最多只能看到10年內，未來還會有其他計算機基礎設備的其他製程會出現，晶圓廠能生產先進GPU的技術門檻也可能下降到大規模普及階段，那時候臺積電就不會是唯一供應商了。
@@CuriousSoulSimpleMind 不過他的標題方式確實會讓人誤會。他後面也說了這個產業後續實體需求旺盛，支撐很足。他的泡沫更多的是指財經投資角度上的NV股票是不是被短期追太高了。
胡說八道
胡說八道一通！
ai的概念吹起这么大的资本，目前能落地的就是各种黄图生成ai
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：th-cam.com/video/P1aPQ3FNoNE/w-d-xo.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
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
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
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。
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。
AI我不一定會買但多少會用一下，可是顯卡還是必須買😅
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
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！
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。
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
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⋯
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😂
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😂
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。
這個影片算是一個里程碑阿,讚讚讚
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。
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
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。
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。
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
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.
当年修马其顿防线的时候法国人也觉得稳了
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😢😢
可是股价无法准确反映当下对未来判断的正确性😂
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。
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
Openai正在研发自己的芯片
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！
老黄能不能提供免费食堂给员工啊
当整个产业只有你赚钱，那大概率别人要换别的赛道了
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
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.
想听老石分析即将IPO的Cerebras
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。
撐到只剩少數公司寡占市場的時候，現在百家齊鳴
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😂
谢谢老石的分享！ 视频做的太精彩了！
看看今年諾貝爾獎 這個泡沫可能 出人意料的堅固啊
英偉達破裂 摩爾線程崛起! ! !
想法很多不谋而合🫠
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！
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
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，，
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~~
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
what?? it just went to 135
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。
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
募了1.2億美元哇！大約是英偉達半天的收入....
被打臉了，nVidia股價再創新高😂
看到amd发布会了吗？老二永远是老二，只能吃英伟达剩下的残羹剩饭，英伟达必将突破140
A|绝对是泡沫，好简单就是攒不了钱
地球上有幾十億人~為甚麼要跟沒有靈魂的程式機器人聊天??蝦嗎??呵呵
除了我都没人跟你聊
但是應用還有出什麼嗎 ？ 最大難題還是美國政府吧😂
可以說大家預期超漲了
但泡沫就太好笑了
但看在你也就是個外行水視頻
今天就不噴你了
本来懒得说，但是感觉视频内容不错，还是想狗尾续貂的提些意见，视频里面的用的字体太难看了…
后面的字幕也丢了，这视频做的好匆忙
amd yesssssss
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
短期不可能破吧？
認同，這兩天應該蠻穩的
AI不是泡沫
英伟达是不是当年的思科不知道，我只知道老黄一边吹牛AI的前途，一边疯狂抛售自家股票。。。男人你真的不能听他说什么，要看他都在做什么。。。
你知道你所謂瘋狂拋售只是他的百分之一嗎....
bruh. let Jensen eat.....
但AI今年一口氣拿下兩個諾貝爾獎，確實有不少它極度優勢的應用領域
@@思豪陳-o8h好像没有1%
高管买股票是要提前计划公开的，今年老黄买的股票很可能是数年前就已经安排好的，只不过赶上了今年股价飞涨。老黄今年卖的股票不及他持股数量的1%，你大可不必因为他卖了几亿美元就觉得他认为当下股价过高。
睇你就知冇追貨係手
有說等於沒說 一堆廢話
想想為何"挖礦"為何"AI運算",細思極恐啊!!!都是NVD得利唯一...細思極恐...
今年諾貝爾物理學頒給AI，我自己是相信諾貝爾獎而不是什麼老石談芯啦
诺奖向来是反向风向标
@@galaxies1540 你能舉一些例子嗎?
@@galaxies1540 所以屠呦呦是個法西斯嗎？照你的反指標的話？😅🤣
中國晶片大廠股價暴跌97％被下市害上萬人慘套
A股三大指數再跌！ 大盤資金淨流出超655億元人民幣
陸A股大跌！滬指、深成指雙雙下跌逾5％
炒A股慘套牢 中國股民砲轟：看了官媒才進場、投資變「捐款」
只要能够统一台湾，捐点钱不算什么。
你可以先捐身家，還有你的命😂😂
退訂!
如果AI泡沫了，那對普通人有好處，可以撿便宜硬件，工作被取代的趨勢也會大幅減緩。但如果直接一路狂飆長驅、硬是提早了強AI問世時間，那強AI帶來的奇點式增長就會讓現在的泡沫顯得平淡無奇。
我看了幾十個網友留言，我覺得大部份都搞錯標題了，老石沒有說AI是泡沫，他的標題以及他這一集談的的是英偉達目前被瘋搶GPU產品這一個現象是否為泡沫，英偉達股價維持在高位就是跟這一個現象有關。這回到經濟學供給跟需求的簡單邏輯關係。目前英偉達熱潮主要是競爭對手產品不夠好，軟件生態不夠成熟，但是這些都會隨著時間慢慢改變。老石最後那幾分鐘就是談到這一點，臺積電要想辦法把水端平。至於有人可能認為臺積電是最後贏家，你只要注意臺積電沒有瘋狂在新增先進製程的晶圓廠（實際上也很難快速增加這類晶圓廠），就能推斷短期內新進製程的規模是蝸牛式增加，但是目前這些在努力進貨英偉達GPU（或是有大量GPU需求的）手上現金相對來說遠高於先進製程晶圓跟先進封裝的供給，短時間內臺積電還是會賺很多錢，但是最多只能看到10年內，未來還會有其他計算機基礎設備的其他製程會出現，晶圓廠能生產先進GPU的技術門檻也可能下降到大規模普及階段，那時候臺積電就不會是唯一供應商了。
@@CuriousSoulSimpleMind 不過他的標題方式確實會讓人誤會。他後面也說了這個產業後續實體需求旺盛，支撐很足。他的泡沫更多的是指財經投資角度上的NV股票是不是被短期追太高了。
胡說八道
胡說八道一通！
ai的概念吹起这么大的资本，目前能落地的就是各种黄图生成ai
這個影片算是一個里程碑阿,讚讚讚