NVDA SMCI AI 美

https://news.xfastest.com/nvidia/125776/nvidia-market-capitalization-2/

NVIDIA股價經過一段時間的漲勢之後，市值已達到了6716.18億美元，超過Berkshire Hathaway的6664億美元，成為全球市值第五的公司。

而此背後，確實是AI人工智慧起到了帶動作用。據市場研究機構TrendForce指出，隨著ChatGPT爆紅，以NVIDIA A100顯示卡的處理能力來看，此AI模型至少需要3萬張這樣的卡（其中有2萬張是處理訓練數據的）。

若是以前在外資當電子股研究員我會推薦買NVDA，
自歸皈巴門之後就不理這種股票了。

在講演中巴菲特一直在講述喜斯糖果、可口可樂的好，
說一磅果糖可賺多少錢，世界上多少人會喝多少罐可樂。
同時祂還明白表示不會買MSFT因為無法掌握未來的獲利，
即便蓋茲是祂的好朋友。
這段話讓我思索再三。

巴菲特在不同場合多次強調，
所謂投資是投資一家公司希望它在未來能產生更多的錢，
而非期待下一個接手的人付給你更高的價格，那是投機，如虛幣。
這其實只是古老的投資觀念，只是現代人多半不屑一顧。

Nvidia shares surge 21% as sales forecast jumps and AI booms

Nvidia股價飆升21%，銷售預測大幅增長並伴隨著人工智慧蓬勃發展。

巴菲特說祂不買MSFT因為無法掌握未來的獲利。
我今天的感受是，我知道NVDA會大漲，
可是不曉得何時該賣？
巴菲特的話應該是這個意思。

一般大概都會設定好漲幅，
不然就是短線賺個20%、30%出場。

NVDA會不會是下個INTC？
英特爾過去也曾不可一世

請教同學：

AI 會如何改變我們未來的生活？
（我是確定沒有一隻好的無線上網手機，在這個年代，跟生不如死一樣。做的最好的那家就是AAPL)

（AI 有真的非他不可的DNA 嗎？）

NVDA 短期間是沒有對手的..這不單純是硬體CHIP的問題..還有NVDA耕耘10餘年在SW CUDA上的優勢..
晶片很多家都能做..但是SW與COMPATIBILITY是客戶端最頭疼的..這也就是NVDA所打造的ECO SYSTEM或說護城河..
另外NVDA之前又買了以色列的網通大廠MELLANOX..在100G以上獨佔...
只差當初ARM沒有買成..否則NVDA會很恐怖...的強。

但是如MIKE所說..知道會大漲..但是該如何估值..何時能賣..不知道...

Remember, ether you run for food, or you are running from being food.  
#NVDA創辦人黃仁勳2023台大畢典致詞

我對這句話的理解是科技業很競爭、變化快速，
在科技業工作的壓力應該很大。

科技業人才倍出，弱肉強食，
老黃鼓勵學子保持主動，勇於挑戰，
能成功者僅一二，

巴班的投資方法可複製，
只要願意皆可雨露均霑。

https://news.cnyes.com/news/id/5193484

黃仁勳表示，自己比現場畢業生早 40 年畢業，回想自美國大學畢業時、事情看似成功，但創辦輝達後，曾承受一連串的失敗、屈辱及丟臉的時刻，因此向台大畢業生分享輝達的三個故事。

黃仁勳指出，輝達先前與日本遊戲商 SEGA 開發個人電腦遊戲應用的 3D 繪圖晶片，但經過 1 年開發後，才驚覺設計架構錯誤，因此聯繫 SEGA 的執行長解釋自家設計方向錯誤，不僅無法完成合約要求，也建議 SEGA 應找尋其他合作夥伴。

當時他尷尬地向 SEGA 執行長要求支付所有費用，否則輝達將破產，SEGA 執行長理解並慷慨答應支付費用，讓輝達多生存六個月，黃仁勳說，他很丟臉地去承認錯誤、並尋求他人協助幫忙，保存輝達的一線生機。

之後輝達決定發展 CUDA 繪圖晶片架構，並在 2007 年推出，期待該架構協助科學、物理模擬到影像應用運算，但是要打造成一個平台，需要許多開發者參與其中，並投入大量時間與成本，需要更多使用者開創新的應用領域。

不過，這段時間輝達獲利表現差，黃仁勳坦言，股東皆要求公司改善獲利，但輝達堅持不懈，持續透過 GPU 技術大會 (GTC) 推廣 CUDA 架構，最終等到商機爆發，2012 年時，有開發者發現 CUDA 架構明顯加速深度學習 (deep learning) 的運算效能，十年後全球 AI 革命啟動，輝達成為全球 AI 開發者的核心引擎，因此認為願景要實現前，開發和醞釀過程需忍受長時間的失敗或痛苦。

黃仁勳分享，2010 年 Google 推出智慧型手機 Android 作業平台，輝達也有意從跨出 PC 領域、進軍手機市場，不過手機市場競爭激烈，輝達最終作出艱難決定、放棄手機市場，藉此更了解公司願景，強調戰略性撤退、決定該取捨或放棄什麼，是能否成功的最核心關鍵。

隨後，輝達轉身投入機器人應用，並取得成果，現在輝達在自動化和機器人運算領域的營收已達數十億美元。

針對 AI，黃仁勳說，AI 產業正蓬勃發展，如汽車自動駕駛的軟體，打開由電腦自動執行任務的大門，將為全球最大的兆級產業，如醫療保健、金融服務、交通運輸和製造業，開啟巨大機遇，AI 將創造出以前不存在的新機會，如數據工程師、AI 工廠作業員和 AI 安全工程師等。

看了黃先生的創業過程
除了遠見，還要夠韌性，不簡單
時間回到過去，我想很難預期會有今天
今天預期的未來是否真的能成真？

要說服自己現在390美元仍然可以買之前，
先得讓自己相信NVDA獲利將成長10倍

Curry 寫到:看了黃先生的創業過程
除了"遠見"

Curry桑，稍微跟你抬槓.
韌性、堅持、膽識...都同意..
但遠見可能要稍微保留,我不認為NVDA在開發CUDA架構時,就知道在深度學習上有此優勢,然後,可以在現在被大量的需要.
所以,我主張,創業的大成功,還要一些機運。

常跟你的單,順便致謝~~

若致富是靠機運
顯而易見的，這是不可期的

friendk 寫到:AI 會如何改變我們未來的生活？

網路已經很多AI產生的文章資料，很多影音工具都用到AI。
這些AI產生文章影音我們一如往常閱讀觀看，感覺對生活沒啥影響。
如果你的工作是記者、影音創作者，你不會AI，產出的數量就是比別人慢，將面臨被淘汰。

AI 有真的非他不可的DNA 嗎？改變我們未來的生活？
新聞報導==>公務員會被 AI 取代？美國雇用數位公務員，原本花費一個月的冗長流程 10 分鐘就搞定
最近柯P也提到，AI判讀病理(X光片或者掃描影像)比人類快，學醫的某些工作會被影響。
學生報告叫CHAT GPT寫....一篇文章叫CHAT GPT寫整理成摘要能快速吸收...。

如果你的工作漸漸被AI取代/或者學會AI的你，工作很快做完....就有非他不可的DNA。

https://www.gvm.com.tw/article/100145
文中節錄以下，想請教同學：

Nvidia GPU 和 (AI, 生成式AI,深度學習）關係？CPU 不行嗎？

為何 GPU 可加快 AI 運算 或生成？

⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯


ChatGPT加深全球不平等？

此外，培養這類生成式AI的語言模型，可說極度燒錢。依照專攻深度學習的企業Lambda Labs首席科學家推測，若利用最便宜的雲端運算服務，訓練ChatGPT背後的GPT-3模型，需要花上至少460萬美元、耗時355年，才能訓練完成。  

ChatGPT之所以快速成功，光是初期就使用上萬個Nvidia的高階GPU，仰賴微軟金主大力投資是關鍵。

奧特曼也坦承，AI是大企業才玩得起的遊戲。但他們開發的各類應用，勢將大舉吞噬白領工作機會。創投機構紅杉資本，更估算出人類被取代時間表（表），並指出當研發競賽開跑，這類生成式AI的進步速度，也能沿用摩爾定律，每兩年就有大量工作被取代或降等。是否將持續深化不平等？委實令人擔憂。

無論如何，當ChatGPT竄紅，已讓矽谷震動，據Gartner統計，過去三年來，全球企業投入這類生成式AI的研發經費已超過170億美元，現在，還將拓展到更多領域。預測2025年前，將有超過三成的新藥開發仰賴生成式AI。

當矽谷今年紛傳裁員，ChatGPT即便不夠成熟，卻正是這些企業想抓住的「那根」救命稻草，未來發展不可擋。AI革命，已然到來。

https://www.inside.com.tw/article/31771-NVIDIA-Computex-2023
黃仁勳舉例，一組由 960 組 CPU 組成、要價 1000 萬美元的伺服器要耗 1.1 GWh，但由 172 GPU 組成的伺服器雖然要價 3400 萬美元，但耗能一樣、而且訓練大型語言模型的速度足足是 CPU 的 150 倍！「跟 CPU 同樣訓練速度的伺服器只要 40 萬美元，而且耗能省很多（0.13GWh）；這就是買越多，省越多。」

今天看新聞第一次得知Supermicro這家公司，
全球伺服器品牌大廠、兼作代工，在台灣有投資設廠，
創辦人梁見後是台灣人(也是第一次聽見這個名字)，
按完盈再表當然買不下去。
SMCI股價最近1年上漲超過300%，營收大幅成長，
而幾家同業股價都是下跌，
很好奇它的產品好在哪裡?

CPU跟GPU的設計本來就不同
雖然我不太知道該怎麼比較好的解釋，但是需要大量運算的工作項目，GPU效能會好很多，像是最近的AI，或是之前的挖礦
CPU就想成是比較低成本，主要處理一般的應用
當然，當初GPU的應用最早是顯示卡的圖像運算，所以以前我們做影像處理的工作，要看的不是CPU的規格，而是要看顯卡的GPU規格
而因為GPU有高效運算的特性，所以用來挖礦或是AI生成都有更好的效能

如同Rickie同學與阿宏同學所說的
GPU算是特化了核心計算部份，這樣的設計是希望能快速作大量資料的運算
GPU一開始是用在繪圖 (3D即時射擊遊戲就需要：反覆在極短時間內 大量計算位置/ 範圍/ 著色的動作，遊戲畫面才能跟上玩家的速度)
後來AI發展了影像識別(科技執法) (將影像反覆解析/ 識別，並且能快速執行設定的指令)
現在發展到聊天AI (大量的文字資料庫作反覆推算，作到類似人們是用過去所學知識去作反覆的思考並作出決策)

如果用CPU來作同樣即時/大量的資料反復運算，要買更多顆的處理器、花費的電 都會更多……  而且CPU裡的很多單元其實是被閒置的…

這裡的介紹還不錯，同學可以參考
CPU vs. GPU by 技嘉

謝謝Zeno桑的分享
過去雖然大概知道CPU / GPU的差異，但一直很難跟別人解釋
文中的舉例很好

CPU就像米其林主廚，可以做出各樣美味高檔料理
但如果講到在夜市擺攤快速炸雞排，得面對長長排隊人龍
CPU就顯得慢而貴

GPU的設計就像是請10個人力來炸，反正是重複而相對簡單的動作
GPU就能做到快而便宜

PS. 貴和便宜，指的是每炸一塊雞排的成本，不是總成本

https://m.cnyes.com/news/id/5300304

Q2 財報關鍵數據 v.s. Refinitiv 預期

營收：135.1 億美元 (年增 101%) v.s. 112.2 億美元
毛利率：71.2%(去年同期為 45.9%)
調整後淨利：67.4 億美元 (年增 422%)
調整後每股淨利 (EPS)：2.70 美元 (年增 429%) v.s. 2.09 美元
財報顯示，上季營收為 135.1 億美元，季增 88%，且較去年同期翻倍，調整後淨利為 67.4 億美元，調整後 EPS 為 2.70 美元，較去年同期暴增逾四倍，毛利率也大幅成長。

第二季強勁的銷售和財測指引，凸顯輝達在生成式 AI 領域的核心地位。企業在構建並運行 ChatGPT 等 AI 應用上需要輝達的 A100 和 H100 晶片，而且這些晶片銷量非常好。

業務收入 v.s. StreetAccount 預期

資料中心：103.2 億美元 (年增 171%) v.s. 80.3 億美元
遊戲：24.9 億美元 (年增 22%) v.s. 23.8 億美元
專業視覺化：3.79 億美元 (年減 24%)
車用：2.53 億美元 (年增 15%)
按各事業來看，輝達上季業績主要是由資料中心業務所驅動，收入為 103.2 億美元，年增 171%，目前規模仍較小的遊戲業務也實現成長，收入達 24.9 億美元，年增 22%。

財報之外，輝達並宣布董事會已授權進行 250 億美元的庫藏股計畫。該公司上季回購價值 32.8 億美元的自家股票。

https://m.cnyes.com/news/id/5315409

劉德音今天應邀出席國際半導體展大師論壇演講，會後受訪時表示，目前 AI 應用供不應求，並非晶片短缺，而是許多雲端服務商爭相增加資本支出，使 AI 需求短時間突然暴增 3 倍。

劉德音說，台積電發展 CoWoS 技術已達 15 年，先進封裝產能供不應求，短期內無法滿足客戶，但這只是短期現象。
劉德音演講時，也談到 AI 發展，他指出，AI 已應用於臉部辨識、語言翻譯等許多實際任務，生成式 AI 甚至可創作詩詞及藝術品、診斷疾病、撰寫報告和電腦代碼。

劉德音表示，AI 發展過程中的幾個重要里程碑，是由當時領先的半導體技術實現的，如 AlphaGo 採用 28 奈米技術，最初用於訓練的 ChatGPT 伺服器採用 5 奈米技術，最近的 ChatGPT 則由採用台積電 4 奈米生產的伺服器支援。