一直覺得自己是一名現實主義者、比起天馬行空的概念，
能否實行、如何實行的等問題更困擾我。
投資上，這種傾向使我趨於保守；
也但也助我避開了不少坑。
對於AI, 一直的疑問是為什麼是現在？
要知道人工智慧、或以前稱作機器學習已存在已久。
不少大公司早已將其應用於自身業務上。
例如Facebook, Netflix等科技巨頭一早已用AI推薦個性化內容.
而Amazon亦早於2012年已引入倉儲機械人Kiva Systems.
不要忘記2017年蘋果已引入face ID,
但這又算是AI嗎? 跟現在的AI有什麼分別?
為什麼算力的需求沒有暴升?
一切要追溯到2017 Google的一篇論文, 我不是專家.
但這論文提出了一種全新的軟體架構, 使得同時處理大量數據變得可行.
只要你有GPU就可以.
諷刺的是Google對此並不重視, 覺得大有前途的是openAI的illya sutskever.
更首先於2022年底推出chatGPT, 震驚世界.
要說Google保守的確是,
但Google的CEO有表示過擔心這新技術有可能對現有的搜尋業務造成影響.
何況要是真的成功了, 花錢把它買下來就可以, 畢竟Google旗下還有DeepMind這顆棋子.
那麼到底現在的AI跟以前的AI有什麼分別?
我認為這次AI浪潮的主要分別在於這次是生成式的, 是廣義的.
不像以往machine learning都集中在單一, 狹隘的使用場景.
這是首次AI可以生成某種東西.
譬如寫code, summary, translation, 畫圖等等,
而且亦是首次AI似乎能「理解」人類語言, 這是人機交互的一次大突破.
有人將AI比喻成電力, 互聯網等級的創新, 因為這次是通用技術的革新.
甚至有人擔心起人類會被機械完全取代.
對此, 不同人有不同的意見.
illya sutskever認為現時深度學習算法太沒效率, 認為現在應該回歸基礎研究.
Deep Mind的demis hassabis認為我們距離AGI還需要有一到兩個關鍵的技術突破.
Meta的Yann LeCun認為單靠大型語言模型(LLM)無法到達AGI, 我們需要世界模型.
但無論這此AI浪潮能走到多遠也好, 一點比較確定的就是:
AI is here to stay.
畢竟試過用AI寫code後, 很難再回到以前慢慢敲鍵盤的年代;
而用AI搜索的效率比用傳統互聯網搜索效率高太多.
作為投資者, 真正關心的不應是科技層面的突破, 而是經濟層面的價值.
很多技術突破並不能帶來經濟利益。
就像我們擁有超音速技術多年, 但為什麼沒有超音速客機?
一項技術可行不一定能帶來經濟收益.
以現時LLM來說, 訓練成本動輒幾十億，
而這只是前期成本，還有不斷微調，後訓練，
甚至每次跟模型的互動都在消耗昂貴的GPU資源。
在科網世界, 燒錢爭取市佔率,最後才考慮變現不是什麼新鮮事.
但不同於傳統科網股---每多服務一個顧客的邊際成本幾乎為零,
openAI等大模型提供商每執行一個query, 背後都需要龐大的算力支持,
而數據中心建設平均需要6-36個月時間，
也就是說, 現時對數據中心的投入, 實際上是對未來兩三年算力需求的部署。
更重要的一點是,模型正變得愈來愈商品化.
不同模型之間的差距對使用者而言微不足道, 唯一的分別就只有價格.
若對手若有日推出更強大的模型, 你將被逼花錢再訓練一個更強的模型來回應.
正如微軟CEO Satya Nadella 在一次Podcast所言：
I can make the argument that if you're a model company, you may have a winner's curse. You may have done all the hard work, done unbelievable innovation, except it's one copy away from that being commoditized.
訓練大模型的know-How某程度上集中在一班AI工程師/科學家身上，
訓練的方法也沒有專利保護，理論上只要有人才、數據、算力，
就可以燒出一個大模型。
在這環境下，要一直保持模型性能領先，幾乎是不可能的事。
這也是為什麼Microsoft寧願放生openAI去找其他雲供應商
也不願為它背上天文數字般的資本支出.
歷史上不少先進技術的出現並沒有轉化為投資者的利潤.
紡紗機/紡織機的發明並沒有轉化為紡織商的利潤，而是令紡織品價大跌，
噴射引擎的發明並沒有改善航空公司的利潤率，而是令航空旅遊大眾化。
而這次AI很大程度上也在重複過去泡沫的模式,
新技術的出現, 資金瘋狂為想像的未來下注.
像上文提及的illya sutskever, 其實力無容置疑,
但其成立的startup - Safe Superintelligence連基本的生意模式也沒有就獲得了50億的估值.
至於將來AI應用如何獲利, 誰又能獲取最大的經濟利益?
老實說, 我不知道.
但真正的風險不是來自對未來的未知,
而是源於我們自以為「看懂」了未來.
在$45買入NVDA(最後一次@2023)跟$181買入的意義是完全不同的.
投資不是一場預測未來的比賽, 而是一場關於定價跟耐性的修行.
買入並持有, 市場自然會找到合適的估值.
若然最後市場的定價比買入價高當然好, 不然的話也是一種學費.
對市場保持敬畏, 我想是投資者在市場上生存的重要一課.
No comments:
Post a Comment