Deep Dive
Shownotes Transcript
欢迎来到 M 观点我是主持人 Mula 这里是一个紧跟科技趋势讨论热门时事并且分享投资与商业思考的频道每周一中午和周四晚上会在 YouTube 上面直播并且在直播结束后同步到各大 Podcast 平台上
我希望能够透过这个节目带着大家一起来学习掌握世界进步的主要动力科技创新商业思维以及自由市场的力量如果你喜欢我们的节目的话请按赞订阅分享及五星留言评价分享我们的节目给更多人知道也别忘了订阅我们的免费电子报 M 报你可以在资讯栏中找到我们节目的所有相关连结
哈喽哈喽大家好大家晚安欢迎来到我们今天的 M 观点哦今天是我们 M 观点 EP170 第 170 集哦那很高兴礼拜一的晚上哦跟大家来聊聊最近这几天的科技产业大事哦那当然呢在今天算是小年夜嘛
那我们过年期间的礼拜四的晚上我们就暂停一次让 MULAWOW 好好休个年假所以在这里恭祝大家这个拜个早年新年快乐唱个歌恭喜恭喜恭喜你啊恭喜恭喜恭喜你
ok 好啦祝大家新年快樂哦那當然今天的節目應該大家非常期待哦因為今天哎最近這這兩三天突然冒出一個超火紅的一個 ai 模型就是 deep stick r1 吼那那我們之前其實聊過 deep stick v3 吼但是沒想到他後來又出了一個新的模型 r1 真的很厲害所以我們就就今天會來聊這個
但是呢在进入我们今天的主题之前呢我们一样先进入我们的业配时间今天来业配我们自己的活动在 2 月 6 号就是过完年的那一个礼拜呢我们会举行针对特斯拉 2024 年第四季的财报以及对于今年 2025 年的全年展望的一个这个叫什么叫财报解说与全年展望分享看法的一个活动
活動活動我們會辦在這個我們自己的一個直播平台上面那你無論你是買直播票或者是你沒辦法買直播票你之後都可以看回放哦那所以如果你對特斯拉的全年展望有興趣的話那歡迎這個來買我們這個票來參加我們的直播活動哦那我們門票不貴啦 880 塊我想如果你想我們這樣叫你
我覺得大家在特斯拉上面好歹要個幾十萬幾百萬幾千萬都有嗎對不對那我想如果你有有壓帳的部位在特斯拉那我想花個幾百塊來聽聽 Mula 的這個深入看法應該值得了好
那所以这个活动这个连结就在我们的这个资讯栏有兴趣的话啊想听特斯拉去年第四季的财报分析跟今年 2025MULA 对于他的每一个重点问题的看法怎么样的话就欢迎来报名我们这场活动那就算你没有办法直接到现场也没有关系啊就是因为我们我们是直播我们是 2 月 6 号的晚上八点你说那个时间我有事
那怎么办那没关系只要你有报名的话你之后都可以看回放哦三个月内都可以看回放哦所以就就不要错过好吧好
然后接下来我们今天会跟大家聊三个主题第一个话题就来这个聊 dipstick r1 那第二个话题呢会跟大家聊对于今年 2025 全年我对于美国股市的一个投资方面的一些想法哦最后最后的主题呢则是过年的特别活动就是呢我们有做一个这个 qaqa 的时间吗好跟大家调查一下大家想问 mula 的一些问题我就会挑一些问题来回答哦好那
接下来我们就准备进入我们今天第一个话题我相信今天有非常非常多人期待的我们来聊这个来自于中国大陆的推理模型 Deep Seek 来自于他们一家叫做幻芳的一个量化投资公司的周边专案
叫 DeepSea 做了一个很厉害的推理模型老实讲我们上个礼拜四跟大家讲说我们今天第一个主题本来是要跟大家聊我科技巨头杰玛写的 2025 年的十大科技预测对不对但是呢因为我觉得 DeepSea RY 这个话题实在太值得聊了所以我们就临时换题目 2025 的十大科技预测我们就砍掉了就不聊了反正
我们文章两篇都是公开的嘛哦所以有兴趣的话搜寻一下搜寻科技巨头街嘛然后呢去看我们最新的两篇 2025 的十大科技预测上集跟下集你就可以免费看那个文字哈所以就我们就不在这里讲哦
那 DeepSick R1 真的在过去这两天呢哇横空出世震惊包含了欧美的 AI 产业包含了台湾的这个所有相关领域的全部都在聊 DeepSick R1 我今天打开我的 Facebook 打开我的 Threads 打开我的 Twitter
10 个 10 个 post 里面有 8 个都在聊 deep sea 啊哇我就知道哇这个 deep sea 啊哇真的是什么这个横空出世然后就是套句那个中国他们喜欢用的话就惊呆了把欧美的 a i 圈惊呆了好好那所以我们就来聊一下
哎這個模型真的這麼厲害嗎因為我也看到有些人說沒有啦沒有他他沒有那麼厲害或者說他們都在騙啦他們一定沒有花他們一定花很多錢他們中國大陸的公布的這些數字你能信嗎好這個模型一定是騙的偷走那
各种啊我觉得吹捧的也很多然后黑他的也很多那到底真相是什么呢那我们必须跟大家讲我们 M 观点我们的口碑就是我们其实尽量追求真相大家都知道我很讨厌中国啊我讨厌中国讨厌中国共产党但是
只要他们的产业有很厉害的东西我们也通常不会另于称赞他们所以我相信我们 M 观点的客观的口碑应该算是有的啦所以我们就来跟大家聊一下这个 Deepsea R1 事实上呢 Deepsea R1
这一 Dipsy 这间公司不是我们第一次介绍为什么呢?因为其实三个礼拜前我们其实就介绍过同一家公司的一样的大型元模型叫做 Dipsy V3 那 Dipsy V3 呢事实上就是一个比较标准的大型元模型嘛
而那個時候呢 Deep Seek V3 就已經讓人非常驚豔了因為當時大家記不記得我們當時有聊 V3Deep Seek V3Deep Seek V3 他對標的主要的競爭對手應該是 Meta 的 LamaLama3 那事實上呢 Deep Seek V3 的整個整體的實力呢基本上可以可以說是跟 Lama3 並駕齊驅甚至你說他贏過 Lama3
應該都可以就贏的話就一點小贏可是問題來了哦 DPC V3 那個時候就說哎他的訓練成本很便宜啊 500 多萬美金啦事實上就是可他的整個訓練的成本呢不到拉瑪的十分之一哦所以當時 DPC V3 就已經讓大家嚇死了就說哇這架公車怎麼這麼厲害啊不過老實講
Deep Sea V3 它终究只是追评嘛它用比较便宜的方式追评所以我觉得当时大家虽然觉得它很厉害可是还没有这一次这么震惊但是呢没想到呢三个礼拜过后呢 Deep Sea 推出一个更新的模型叫做 Deep Sea R1 这个 R 呢我猜就是 Reading 的意思这个其实就是他们的
推理模型哦這個對標呢就是 open ai 的 o1 這個推理模型哦所以你要知道現在呢有對外公開有做推理模型的沒有沒有幾家哦 open ai 最早推推推理模型 o1 對不對
google 他勉強甚至有因為他們現在這個 google gemini 2.0 有個有個叫 thinking 的一種功能所以你可以把它叫做推理模型除此之外呢就是這個 deep sea r1 那推理模型可以說是 ai 模型領域裡面現在一個最新趨勢一個東西沒想到呢中國的公司居然能夠這麼快就推出而且更重要的是什麼一樣啊秉持這個 deep sea v3 的傳統啊他們的這個 deep sea r1
他说他们的训练也是非常便宜然后他把一些这个 benchmark 特别是一些关于数学关于程式的一些指标拿来对比的时候呢发现哇他的实力至少在数学跟写程算数学跟写程式方面完全不输给 OpenAI 的 O1 但是呢当然扣掉扣掉这两个领域整体而言他的实力应该还是没有比 OpenAI O1 强了
因为基本上呢我跟讲很多人都说 Deepsea R1 是不是骗人的是不是中国的骗人那我跟你讲他不会是这样为什么因为他是个 open source 的一个 project 也就是说他的原始码就在这里让你 download 所以其实任何你只要家里有很好的 GPU 的人你有一台 AI 的这个伺服器的人你都可以去
github download deepsea 的 r1 然后在你 local 架你的这个可以做可以跑 inference 的这个伺服器把它跑出来哦所以其实 deepsea
他的实力是经过非常多人测试过去在这两天我相信所有的欧美的 AI 的专家全部都把 Deep Sea 都 download 在自己的机器上面开始做测试所以如果 Deep Sea 的东西是有问题的话早就被发现了所以我必须说 Deep Sea 的实力绝对是货真价值但是他的实力大概再怎么样呢我觉得目前因为
因为我自己不太可能有时间去测我必须是个老人我们要陪家人但是我看了非常多这些欧美的 AI 大牛他们做了一个测试我觉得整体而言如果我们把它对标 OpenAI 现在公开的推理模型 O1 的话就在
整體的實力呢 Deep Seed R1 大概還是小輸 O1 一點點但是 Deep Seed R1 在哪些地方比較厲害呢?在數學、程式很厲害在數學跟程式基本上是可以完全跟 O1 打平手的以上這個實力你勉強可以說他大概可以達到 O1 的九成功率你大概這樣看可是問題來了
一样啊当时 Deepsea V3 让外界最惊艳的一点是什么就是它可以用很低很低的成本这个把这个模型训练出来 Deepsea R1 呢让外界最惊艳的一点也一样也是成本我必须说现在我们不知道 Deepsea R1 到底花了多少钱去训练出来
你如果看网络的文章有些人说 560 万美金这个数字是错的因为 560 万美金这个数字是 DPC V3 的训练成本那我查到另外一个数据是 DPC R1 是 1200 万美金那我没有办法去验证因为我没有时间但是
anyway Deepsea R1 就算是 1200 万美金也是很便宜哦那现在外界有个说法这个说法来自于非常多这个中国这边的一些网络的文章他说 Deepsea R1 的训练成本只有 OpenAI O1 的 5%那我就觉得是 5%很难你到底怎么知道的因为 OpenAI 没有对外公布 O1 花多少钱训练啊所以我们完全不知道说这个 5%数据是怎么来的但是我必须讲哦
其實我覺得整體而言我們判斷 Deepsea R1 的整個訓練成本的確應該會比 OpenAI 的 R1 低很多我們等一下會講原因但是我們先來看這其實跟它的整個模型架構有關我跟你講我們如果先不要看這個訓練成本
训练部我们先来看推论你就可以看因为推论的价格是确定的因为推论的成本哇这个就是你如果 call 这个 DeepSea R1 的 API 然后你丢 tokentoken 就是他们的运算的单位丢 token 给他跟他输出 token 的这个叫做 token 的价格呢你知道 DeepSea R1 的价格居然只有 OpenAI R1 的 3.6 个 percent 也就是说呢
你今天呢在在在這個 Deepsea R1 的花花這個算了 100 個 token 到的錢到 OpenAI 的 O1 只能算 3.6 個 token 那你知道這就是嚇死人嘛因為你去想哦我們剛講 Deepsea R1 你可以把它看成是有九成功率的 O1 好了或者 95%功率的 O1 那所以他整體而言實際是小說 O1 一點點對不對可是問題是他的價格只有 3.6%啊他比他便宜 90
6.4%这简直就是炸弹你知道吧就是哇这个东西稍微这个就是这个价格差太多就算它的整体模型还是略弱一点点但是这个价格太差了所以呢整体而言呢我我我整个产业的人都认为说 DPCR1 它就是整个 AI 领域的一个大炸弹它丢下去炸翻天就把很多都炸到了
为什么?因为大家发现原来我可以用这么便宜的价格就可以买到这些 AI 的大型元模型的算力甚至是一个推论模型的计算原本想要靠 API 赚钱的公司不就是傻了吗?不是赚不到钱了吗?你这个 OpenAI 的 API 还能卖吗?你这个 Lama 的 API 还能卖吗?
你这个 Enthropy 的 cloud API 还能卖就不能卖了嘛你好像把大家的价格全部都打死了然后呢所以我们接下来就要理解说为什么
DBCR1 可以这么便宜那答案是什么呢我讲成本是那么低但我跟你讲你不用怀疑他的推论的成本为什么会那么低因为你都可以去价嘛就是说这个东西呢因为你说好他 API 的钱他可能自己扛亏损那我跟你讲
因為他是 open source 的所以其實你自己用你自己把自己機器架起來你就可以知道說同樣的機器做服務的時候他這個 DPC-R1 花掉多少算力他在在同樣的時間單位他能夠做多少服務所以我跟你講我相信 DPC-R1 他在整個運算的算力的需求的確絕對是比 O1 低很多的他才能夠這麼便宜的價格在提供 API 或者是我跟你講他這個東西有做假 open source
這邊這些專家早就發現了但是問題來了為什麼 Dixie R1 可以這麼便宜呢因為其實簡單來講它的模型做法不一樣啊它其實就是一個它其實不是一個超級大的模型
虽然他号称他有 6711 亿个参数但是其实他是一个混合专家的模型然后他的一次推论他会动用的参数只有 370 亿所以其实他其实算是一个中小就是他每次推论的时候他是用中小型模型的算力去算出超大型模型的实力
他就是做出这个样子的东西那所以其实我觉得从这个结果来看我就从这个做法来看我们可以推的说第一个我们知道他的
推论方面的确不用用那么多算力他在推推论的时候不用那么算所以请问他在训练的时候他真的要那么多算力其实不用因为他训练的模型也没有那么大他的他虽然号称整个参数量很大因为他但是他是训练很多小专家模型所以他整体在训练所需要的算力应该的确会比这个比他大很多的模型会少很多我觉得这看起来是肯定的那
OK 那我跟你講這件事情呢對整個 AI 領域的最大震撼是什麼我們上個禮拜四才聊了美國 OpenAI 最新的叫 Stargate 的計劃哇當很多人就說哇當歐美他們現在要狂蓋資料中心要花 5000 億美金然後買那麼多 GPU 蓋一個超級資料中心的時候中國居然可以透過
不用那么多 GPU,我只要透过在架构上面的改变,我透过一些算法上面的改变我就可以做出实力差不多的东西那是不是欧美这些科技巨头都傻子?美国这里面就打脸两个部分,第一个打脸美国的科技巨头科技巨头都在拼命买 GPU,OpenAI 都在拼命买 GPU 他们现在都拼 scaling 了,是不是欧美的路线错误?
我们知道今天美股大跌对不对今天美国科技股大跌 invidia 大跌这个就在反映这个这个质疑但是我我先跟大家讲我直接画脚在前面这个质疑是错的那现在现在在现在在卖的人现在觉得 invidia 会很担心的全部都没有搞懂全部都搞错了那所以你有听我节目恭喜你赚到那那但是我
我会觉得他还会跌一阵子因为我觉得市场要搞懂这件事要时间所以第一个打脸大家以为打脸是不是打脸美国的科技公司第二个打脸是不是打脸拜登政府实在是 AI 晶片的禁令是不是美国试图叫 invidia 叫 AMD 不准卖 AI 晶片给中国但是
看起來中國他不必不不需要那麼多的 gpu 因為你總是可以走私進口買一些 gpu 就他的 gpu 比較雖然比較少可是他可以弄過這些比較少的方法就搞出很厲害的模型所以這個是這兩個炸彈就是這兩天所有的網路在聊的那好那今天有聽我們節目就對了因為你聽我的節目我我會跟他解答啊這這兩個事情的正確答案
聊天室我看到 600 万美元 LACROIX3 万亿美元这个我刚刚就讲过 600 万美元就是错误的数字好不好我跟你讲你现在去判别看这个
看那个讨论 deep sea r1 的这个的网络文章哦只要里面说到他的训练成本是 560 万美元 570 万美元或 600 万以下那都错的因为那个是 v3 的数字好那个不是 r1 的是不是 r1 现在外传的唯一的一个数字是 1200 万那但是我也没有 1100 1200 万美那我也没有时间去查核了好但是 anyway
我講光看一個數字就知道誰是吹的誰是看了幾篇根本不懂就在那胡吹瞎吹的但是好所以我們聊天室你看有人在講 600 萬 600 萬是錯的數字好不好好好了那我們接下來聊好那有些我剛剛聊天室很多說怎麼可能怎麼可能怎麼可能為什麼 dpcr1 能夠用
我这样讲我们现在不知道多少但是我想可能至少是欧外的 1/10 以下的算力就训练出这样的模型而且能够以什么能够以 3.6%的 API 价格去去贩卖他的这个他的他的他的这个计算哎为什么这么厉害那我跟你讲
台湾人很多人都我们都知道因为中国人很喜欢吹哦中国包含中国政府或中国企业很多时候他们吹的东西到最后都正是没有那么厉害可是我就像我刚刚跟大家讲的 Depth R1 是开源模型哦已经有很多实测了所以不用担心好那接下来咯我们就来了解说呃这里面有几个重点哦第一个重点是
我觉得这个一开始昨天我就质疑后来那个 scale AI 的 CEO 就出来说明我觉得那个就讲出我们的重点就是第一个到底 DeepSea 它是不是有很少的 GPU 在训练的?我给你讲答案应该不是为什么呢?因为很多人都假设中国因为有拜登政府的 GPU 禁令所以 GPU 很少
那所以 Deepsea 他就是很少的 GPU 就訓練出 Deepsea V3 跟 Deepsea R1 的那就像他當時說我用 H800 沒有沒有多少的就算訓練出 Deepsea V3 可是問題來了這件事情可能不見得那麼精準那
因為現在 SCALE AI 的創辦人 Alex Wong 就說 DeepSeed 手頭至少有 5 萬張以上的 H100 所以其實 DeepSeed 手頭的 GPU 真的也很多因為 5 萬張以上的 H100 你如果放在 2023 年那個是超
放在 2024 年的上半年我告訴你那是蠻多卡的那不是蠻多卡只是 LX 王就說這不能伸張老實講在昨天因為我自己對這件事很有興趣所以我就在我自己臉書上面問大家有人真的知道 DBC R1 花了多少訓練到底 DBC 手頭有沒有很多的 GPU 然後因為我身邊有些朋友當年科技產業的人脈還在有些人其實在中國生意也做很大他們就告訴我說
对其实他他们知道有很多人呢在过去这一两年呢都都帮忙中国公司买了很多的 h100 送到中国只是无法伸张哦那 emedia 他有试着在锁 ip 可是好像也被破解了所以其实也没有用所以简单来讲啊就是中国的一些科技公司呢
其實他們手頭也有很多 H100 啦他沒有像美國這麼容易因為美國無論像 XAI 他直接就跟 Umitia 說來給我個 10 萬張給我個 20 萬張就是直接買中國這邊比較麻煩那他每一批每一批就幾百張幾百張可是你知道雞殺成啥這個其實他們現在手頭有個 5 萬張 10 萬張其實一點都不讓人驚訝我跟你講我以我目前知道的資訊來講 Deep Sea 手頭絕對不只 5 萬張的 H100
但是當然這個樣子的這個樣子的算力比起 openAI 或比起 Meta 還是比較少的啦所以其實我覺得
Deep Sea 手头到底是不是很穷没有 GPU 其实不是因为我们之前不是讲吗现在 AI 领域在大家拼什么你是 GPU rich 还是 GPU poor 因为有很多很多你是 GPU 富翁还是 GPU 穷人我这样讲我认为 Deep Sea 他不是超级他不是 GPU super rich 因为 GPU super rich 是谁呢 XAI 啦 OpenAI 啦 MetaGoogle 这些是 GPU super rich
可是呢,Deep City 他沒有到這個程度但是他絕對不是 GPU 破
手頭有個 5 萬張甚至可能到 10 萬張的 H100 說真的也蠻多的所以第一個我覺得外界不要太低估他手頭擁有的 GPU 的數量但是我跟你講這一次 Deep-C 他的確在訓練這些模型的確真的他因為我們沒有真實的數字我們 V3 有數字可是 V3 的數字我們也不太確定是不是真的但是 R1 我們現在沒有足夠的數據
我们甚至也不知道 O1 有多少所以其实我们真的很难比可是我我相信我们至少从他推论使用的这个算力来看的话我相信他在训练的时候使用的算力其实应该也比 O1 少很多为什么呢因为这一面有两个重点第一个重点呢是
deep sea 他有在技術面的確有很大的突破在這一次大家在聊為什麼 deep sea 其實簡單來講啊我們現在跟大家分析 deep sea 是一個怎樣的模型 deep sea 其實就是一個混合專家的模型嗎我們叫做 mixture of expert 那 mixture of expert 呢他也不是新東西
我們在過去兩年一直聊到像法國很有名的那個 MIXTRO AI 他們的模型就 8 MIXTRO 8x7B 就是很有名的這個 NOE 混合專家的模型
那混合专家模型的特色是什么呢就是说它呢它是用几个比较小的模型然后每一个模型呢它有各自擅长的地方它通常遇到一个问题的时候它就会把调用它其中的几个比较适合回答这个问题的专家他们来联合回答这个问题所以它通常可以用比较少的运算就得出蛮好的答案所以可是可是我比如说在之前 mixture of
事實上連 GPT-4 都是 Mixed-N-OE 的一個模型但是之前 Mixed-N-OE 的這種混合專家模型他們遇到一個問題就是說其實他對手的 scaling low
那 scaling law 就是说什么像 Meta 在发表 Lama3 的时候他们就说我跟你讲我们发现一件事就是与其我在那里辛辛苦苦做各式各样的架构优化我不如就给他更大的算力更多的参数更多的数据算出来就更强了我们在那里辛辛苦苦做 mixture of experts 这是穷人才做的事这是因为你没有 GPU 才做的事我们有足够的 GPU 我们有钱我们可以做什么我们就买很多 GPU 嘛我们给他最大的最大的这个
參數給他最多的資料我們叫大力出奇蹟我們就直接做最好的我們何必搞這個 mixture of expert 所以其實在過去這一年多歐美這邊特別是美國這邊 AI 發展主流就是拼 scaling law 我們就是做更大更大的模型就會更強而 deep think 雖然我們剛剛講說他可能他可能
他們就沒有那麼多 GPU,他的 GPU 不少,可是也沒有到那麼多所以對他們講,他們一定會試圖找到說我能不能找到我知道我的對手的 GPU 都比我多我不能跟他們純粹在拼參數的數量拼模型的 size 我就一定要找到能夠用更小的模型的 size 但是做出跟他同等級的實力
我覺得這個是 DPC 這間公司他們在思考的東西就是說如果未來三年五年我的 GPU 永遠比別人少少只有他們一半好了我要拼
最我要用模型的 size 來增強我的實力是做不到的對不對我我比 size 永遠的輸那我們怎麼我們就找令 pcg 他們令 pcg 呢哎我們之前有講過他們有個什麼多重注意力的一個機制但是這一次呢在 o1 r1 這個模型呢他們也做了一個讓外界非常覺得
哇原来可以真的可以当做的东西就是他们的 R1 模型直接使用了强化学习叫 reinforcement learning 的一个机制简单来讲呢他就是让 AI 自己去学推理这个当然很多人说这什么意思明白这什么意思
这个我们等一下用那个以前那个阿发购的角度来解释但是事实上有些人会说哎明如啦 open ai 的 o1 不是也有用 reinforcement learning 吗有但是 open ai 的 reinforcement learning 叫做 RLHFreinforcement Learning Human Feedback 也就是说在 open ai 的 o1 他们在训练的时候他们的这个每一次的推论呢他们最后会用一个真人去来跟你讲说你这样好或不好
但是呢这个 Deep Sea R1 他们就不用人类了他们就全部都是 AI 他们有他 AI 的给分规则就是说反正你我们丢给特别是一些有标准答案的题目数学啊写程式都是有标准答案的题目我也不管你是什么
怎么推理的反正你能够你的推理模式能够得出最正确的答案的方式就是好的方式所以他就用这种奖赏规则让这个 AI 自己学习学习怎么样去做这个做出他的一个逻辑步骤他的 chain of thought 是要怎么做
那这个东西其实很像当年 Google 很有名的这个围棋城市 AlphaGo 你要知道 Google 他第一个打败棋王的围棋城市是 AlphaGo 围棋 AI 是 AlphaGo 可是 AlphaGo 他就是一个用学习人类的棋谱的一个 AI 城市
但是后来呢 Google 他们就做了一个新版本叫 AlphaZeroAlphaZero 完全没有看任何人类起伏他就是两个 AI 呢教他围棋的规则之后他们两个自己下下了几千万盘几亿盘之后他就这个 AlphaZero 的实力
遠勝過 AlphaGo 啊就是 AlphaGo 就比較像是一個 reinforcement learning 的 human feedback 就是 O1 的做法 RLHFAlphaZero 就比較像 reinforcement learning 那沒有 human feedback 就是直接電腦電腦教電腦電腦用用一個絕對的講講成講講
獎勵的點數來教他學習而這種狀況下呢其實我們發現其實 AI 還是比較厲害所以其實根據 Deepsea 的說法呢他們就是透過 Reinforcement Learning 的方式讓他們的比較小的這個專家模型能夠達到跟超級大型模型一樣厲害的狀況甚至更厲害的一個狀況那好那所以我們這個解釋
就是这个样子哦那所以当然你会说没有了那这个是这个是 deepseek 论文这样说那奇怪他的论文可信吗我觉得应该
我這樣講我們不是真的那麼厲害的技術專家我沒有辦法進一步判斷但是我只能我相信現在歐美的所有的技術專家都實際因為這是個 open source 的 project 他們都實際在測實際在做如果這個東西真的有問題我覺得很快就會被打臉那我覺得應該沒有啦我覺得你如果是避援的就算你是開援的真的很難騙人所以我覺得
總而言之,我覺得我們現在可以肯定的一件事就是第一個,這個 DeepSync R1 呢它的實力非常接近 OpenAI 的 R1 可是它使用的 GPU 的訓練真的會少很多但是少到多少我覺得很難說但是你要我主觀猜測我覺得說不定只有用十分之一的訓練量去訓練我覺得都有可能那第二個是什麼 Reinforcement Learning 真的可以把一個這樣比較小的
DeepSick 目前他们之前公布的 V3 他是 6711 亿个参数但是他里面有 256 个专家所以每一个专家的参数其实就 20 几亿而已对不对那这 20 几亿的专家你要训练这些跟去训练一个真正的四五千亿模型参数我告诉你那个训练真的少很多可是问题来了
你要让这 256 个 20 几亿的专家他们的一次你可能叫个十几个出来因为他们一次 371 一次叫个 12 13 个你要叫 12 13 个 20 几亿参数模型去打一个 4000 亿 5000 亿参数模型其实以前是会输的所以现在问题是根据 DPC 的说法他们透过他们的这个这个强化学习的方式让这个原本
不应该要有同等表现的这个混合专家模型他达到同等的表现达到跟这个这个超大型模型同等的表现甚至更强那我觉得这就是很有趣的一点是那所以这就代表 reinforcement learning 真的会大幅增强这个小型模型的能力了那我跟你讲这件事情
我們也不用在這裡猜到底是不是我告訴你這個東西每一家公司都會做啊好我跟你講這個東西沒有獨家秘訣我告訴你 LamaMeta 會做啦 OpenAI 也會啦這個這個 Antropi 也會啦所以對於這些 AI 公司來講這個都他們我不知道他們內部到底有沒有這樣去做可是實際上我相信他們一定知道可以這樣做而且今天有人
把这个路线给他们看他们也能够他们也绝对跟得上哦所以我跟你讲我们现在就等三个月好不好我们就等三个月到六个月很快我们就可以看到如果这个方向是对的我们就很快看到说无论现在的欧美的几家 AI 的主要的公司都会把这样的 reinforcement learning 拿来用拿来用在他们的推理模型可是我必须讲哦现在这个东西哦
我们现在听起来这个 reinforcement learning 它很重要一点是它要有个明确的规则就是说你要明确知道说这个样子是对这样是错的所以它其实在一些特定领域容易训练比较好就我们刚才讲数学数学可能有标准答案写程式可能也有标准答案但是其实大气源模型或推理模型在处理的很多其他的事情是没有标准答案的所以我觉得现在的状况就是说在那些没有标准答案的事情里面
到底 reinforcement learning 可不可行我覺得是一個疑問但是我覺得至少在數學能力寫程式能力方面我覺得所有的模型所有的 AI 公司都可以用 reinforcement learning 去做了那我看到聊天室有人說這個老美也玩破解我看這不叫做破解好不好這個就是一個概念而已就是原來你只要
吃蛋白粉你就可以練出肌肉我們以前都吃肌肉沒想吃蛋白粉可是我們以後大家都吃蛋白粉你知道這個就是一個觀念的東西而已好不好所以這觀念一旦我跟你講這個他們每一家公司都有一模一樣的能力可以去做這件事所以一點都就像你知道當初當初 OpenAI 做 O1 的時候我就說這個 Chain of Soul
他不用公開什麼論文他只要讓大家知道他是用這個方向做我跟你講沒有 Google 也會做啦大家其實都會做啦 XAI 也會做所以呢我跟你講這件這個有點像是原本大家都沒有想到可以用這一招就有點是所有的 AI 公司至少歐美的 AI 公司沒有人想到我們要用這一招那現在中國有家公司用了這一招發現哇這招好有效喔
那我跟你講接下來會怎麼樣接下來就是大家都用這一招嘛每一家都把這這招拿去用嘛所以這個東西我覺得應該是未來幾周可以看得到的好所以我們目前稍微總結一下就是第一個 deep sea r1 是不是真的很厲害是真的好那已經非常接近 o1 的是 open air o1 的實力然後 deep sea r1
是不是用比较少的资源训练出来?是,但是少多少不知道我觉得可能只有 10%我觉得 10%是一个合理的估计可能更低也有可能那 OpenAI 的推论是不是超便宜?超对超便宜是 3.6%的价格
那 open 这个吧说 deep sea deep sea r1 deep sea r1 的推的是不是很便宜是很便宜好那下一个呢是吧下一个我们就 deep sea r1 的做法是透过 reinforcement learning 然后他他就是一个然后这个做法别家公司能不能学可以学而且要学如果真的有效应该可以很快的去学好所以
我不確定 DPC 電源公司他的模型可以持續維持在這個現在也不能說他真的領先了但他就是用有限資源做出很厲害大概以上是我覺得對於 DPC R1 的一個理解那接下來我們來討論一些額外的一個討論額外的討論為什麼呢因為很多人都說哇那 invidia 股票可不可以買現在大跌對不對台積電股票大跌可不可以買我們先我們先但是我們先不要聊 invidia 我們先來聊這個拜登政府的晶片戰因為很多人就會說哇你看
當初拜登政府封鎖中國拿到這些 AI GPU 所以中國就另闢蹊徑用比較少的 GPU 做出一樣厲害的東西然後我覺得這個說法不是完全正確但也不是完全錯誤就是說你說
拜登政府當時做的 AI 晶片封鎖沒用嗎?我覺得其實是有用的但是他用是不是有百分之百有用呢?其實也沒有他就是有一點用他不是完全沒用,也不是超級有用但是他就是讓中國這邊發展變得比較麻煩嘛因為你看中國這邊華爾街日報之前就有報導啊就說第一個中國還是可以透過水貨的方式買到很多 GPU 啊中國還可以透過一些第三方的
地方包含中东的一些资料中心包含新加坡做一个新加坡跟马来西亚做一个转口其实他们其实可以做到这些事情就他们还是可以买到一些卡所以他就只让中国发展比较麻烦一点他就就就像我之前讲嘛就减缓个 10%20%的速度嘛但是有些时候呢你限制限制这个资源
有些時候限制資源會發生什麼事限制資源其實會造成限制資源會造成技術的突破我覺得有些時候人在資源有限的時候就會想辦法做這些突破所以這是大家要去知道的事情
好那我觉得接下来对于美国政府一定会头痛想说到底如果我们所 GPU 都没有用那这还有什么办法可以限制中国的 AI 发展呢我觉得这个是可能未来的美国政府要头痛的一点
好的,接下來我們要聊就是所以我們要來嘲笑歐美的科技巨頭公司嗎?要來嘲笑 OpenA 他們 Premium Scaling Law 是錯誤路線嗎?我跟你講我個人不會這樣講啊因為其實老實講如果你在你眼前本來就有一個最容易的進步方式沒有理由不用嘛
你知道 SkeletonLow 这个东西 AI SkeletonLow 让我想到其实早年在 PC 时代你知道早期在 PC 时代那时候写 8086 80286 时代你知道在那个年代你说好我现在写这个程式效率不好我现在花半年重写让我的程式的效率增加 10%
有沒有意義沒有意義為什麼呢因為你只要隔一年新一代的 cpu 上市的時候那個新的 cpu 直接快 30%所以你不應該把時間浪費在這個優化的程式的執行速率 10%因為你只要等明年的 cpu 就可以了所以其實
一般來講你會對於這些什麼程式的架構或者是一些效率方面做改善通常是你在一些最簡單的進步方式卡關就是把你硬體的一個進步的卡關之後你才會開始去尋求其他的進步方式那中國這邊是受到額外的限制嘛就等於說本來大家都可以買 GPU 很容易就可以去進步了用更大的模型就可以進步但中國沒有辦法那麼容易就比較麻煩一點所以他們就覺得他們要另闢蹊徑那事實上
我我不會說歐美的做法錯因為這對他們來講是一個相對最合理的一個方法了好了那我們接下來第三個點來跟大家聊大家可能最關心的這個是不是揮打的一個利空啊如果現在可以用 1/10 的算力就訓練出最厲害的模型那是不是大家不要買 GPU 了那那當然有些
我看到一个讨论说法就是 ai 的成本大幅降低使用量反而会大爆发不过这里使用量大爆发其实指的是推论的部分那推论的部分 invidia 未来会受到 async 很大的威胁所以我想那也不是 invidia 现在最在意的所以我觉得大家最在意的应该是训练的部分 invidia 会不会被取代会不会大家不用买那么多卡了哦不用买那么多卡 invidia 的销售会不会崩盘啊现在可能在叠这个来我直接跟大家讲答案不会那为什么呢
来我跟你讲哦这个答案就其实也没那么困难我们刚讲我们刚讲 DeepSea R1 是一个混合专家模型对不对他是 256 个 20 几亿 20 几亿参数的专家的一个混合模型总共有 6711256 个 20 几亿的专家模型那去想哦其实混合专家模型他的每一个专家变大也会变强哦
混合专家模型每一个专家变大也会变强所以如果今天本来有个混合专家模型是 8*7B8 个 70 亿参数的模型是实力是 100 分的话你今天让他用 8 个 8*70B 的参数的模型我告诉你他的实力就还是会变强所以其实这边还是会有 scaling load 的也就是说今天如果
今天如果 DeepSig 他是用 256 個 20 幾億參數的模型去做出的那我跟你講我是他競爭對手我就說好我用 256 個 70 億參數的模型來來做混合專家模型甚至我用 250 億個 256 個 100 億
100 億 200 億的參數模型專家們應該做理論上會比現在的 DBC R1 更強所以你去想那這個還是會軍備競賽啊這還是軍備競賽啊所以這個 GPU 還是要的啊所以我跟你講這個東西我目前覺得 Immilia 應該不需要太擔心所以其實
簡單來講啦我覺得大家不會滿足於這個程度嘛你說現在 256 個 20 幾億參數的專混合專家模型我們就就就 90 分你覺得大家會滿意在 90 分嗎大家一定說好那我如果 256 個 70 億參數的模型會不會可以到 95 分大家就是這樣想嘛那然後會不會大家會想 256 個 200 億參數的模型會不會到 98 分大家就是這樣想嘛所以你知道那個
那個那個軍備軍事還是會下去的所以我個人覺得還好我個人覺得還好那最後外界傳出什麼 meta 很緊張 meta 內部 panic 我覺得不至於啦那個但是我覺得被被檢討一番然後努力學習 deep sea 應該是
逃不掉的那我覺得 Meta 應該是內部有一定有些受創我覺得說因為他們講白想他們的 Lama 是 Open Source 界的第一名現在看起來 Open Source 界他們的冠軍已經讓出去了而且讓給 GPU 可能只有他的三分之一四分之一的一間公司所以我想這個祖克伯應該震怒震怒但是你說到 Panic 我覺得不會 Panic 是那種很恐慌我覺得你要說他們恐慌我覺得他們應該是
有压力啦有紧张啊但是既然方法已经放在这里你就抄嘛你就抄来用就好了 meta 就是很勇勇敢会抄的哦真正的输家就是如果你今天的是一间 ai 公司你是想要靠卖 api 赚钱的公司可能就是输家好不好好那有人说那个专家参数提升会不会有平均我们不知道啊有可能啊但是我觉得至少在初期应该不见得那么那么容易就遇到瓶颈了
好那这是我们今天的第一个题目就跟大家聊的 Deep Sea R1 那接下来进入第二个主题第二个主题我们来跟大家聊一下 2025 年我的美国股市的投资看法不一定准哦纯空参考而已首先当然你要聊美股那我们先来聊美国的总金嘛那简单讲就是川普大大上任之后美国经济到底会怎么样那首先我们直接先讲结论结论就是什么
整体而言我觉得在川普这个未来的 4 年呢通膨应该是不会爆炸的会合理控制的很好缓缓向空通膨缓缓向下经济稳定向上股市偶尔会有比较大的回档一些合理回档但是整体而言股市应该还是会持续攻高而且目前并没有看到任何大型泡沫的迹象
好那结论讲完了你如果不想听怎么得到这个结论就可以就到这边但是接下来讲为什么我觉得通膨不会冲上去那首先讲
我基本上我认为 2025 年美国的通膨应该可以缓步下降那现在去年 12 月的美国的核心 CPI 是 3.2%核心通膨 3.2%我认为这个数字呢在 2025 呢应该会降到 2.5%到 2.7%之间那为什么呢那很多人说没有啦
川普是要下关税关税不是会拉高通膨吗那但是我们之前有特别有做过一集讲这个了所以我觉得现在看起来的确像我们当时讲的第一个关税第一个是个武器所以今天才对哥伦比亚下一下之后哥伦比亚就接受移民对不对那中国的关税一定会打下去可是对中国这边目前看起来呢应该会分阶段而且会用很精准的手术式的
打击方法去做实施所以在这种做法之下呢对通膨本身就影响不会很大但是呢关税整体可能还是会造成通膨一点点的上升但是我问你但是其实有更多让通膨下降的因素第一个什么能源川普现在他上任第一个礼拜就宣布了国家能源紧急命令而要开始大幅开采石油所以我认为油价接下来呢就很明显的会下滑现在油价 80 块左右嘛
我觉得未来掉到 70 块以下掉到 60 块左右应该是可以预期的事情这件事就会大幅影响通膨了因为油价是能源价格的一个核心啊能源价格又是物价的一个很重要的一点那除此之外呢
豆菌就是马斯克政府效率部今年预计他们本来说要砍 2 兆的预算但是后来发现太难了但是我跟你讲就算他砍不到 2 兆你说他砍不到个 3000 亿 5000 亿美元吗我觉得一定砍得到所以其实今年政府支出至少会少个我觉得 5000 亿美元应该会那少个 5000 亿美元这个东西就少撒钱到民间嘛这个东西也会减少通膨
而更重要的是什么当你减少政府支出之后呢这很多福利专案取消之后补贴取消之后很多人就被逼了出来工作嘛所以其实工作的利益会增加哦然后而且非法移民哎你觉得他他会遣返很多不会他是我讲川普这第一年呢大概就遣返的一些有犯罪的就很多了因为关于遣返有有有犯罪记录的可能就几十万哦
大概这就第一批所以其他的比较没有犯没有那种在美国境内的新的犯罪记录的应该还是会留在美国所以他们整体的劳动市场会很充足所以劳动市场非常的供给非常充足然后政府的支出减少然后
然后油价下降的这些东西加起来呢事实上我认为核心通膨就会持续下降通膨就会持续下降而如果 2025 年的核心通膨最终真的可以降到 2.5-2.7%的话其实联准会就有很大的降息空间嘛因为联准会现在他现在给的预期是降息两码但是市场一般预测会降到三码
但是我觉得就算降到 4 现在把现在 4.5%的利率降到 3.5%我觉得也可能我觉得比较合理的预估应该是 320222533 一定不符合川普的期待可是还是好的就是你只要能够降息对整个经济都是好的
所以我们讲第一个是通膨通膨看起来是会缓缓的下降那整体经济呢我觉得有三个很大的利多这三个利多呢就会让美国的民间的经济非常好的成长第一个就减税嘛
目前美国的这个企业所得税 21%那川普的目标要降到 15%能不能降到 15%我不知道但是这个东西因为毕竟川普在两党国会都有多数所以他最终会过他现在没办法用行政命令去减税但是国会这边应该会减那是不是会减到 15%我不知道但是我觉得就算没有 15%也会减到 18%所以最终这个减税其实是一个很大的利多他对企业来讲就是一个鼓励他们说你可以多赚一点钱
第二个更重要的是什么是去管制化川普之前就说在他第一任内他其实最重要的政绩不是不是不是减税而是去管制化因为你知道我举个例子来讲我们看那个这个太空产业那个火箭那个发射不就是马斯克不就骂说你整天这个单位管这个这个呢管这个我的新舰都已经 ready 那你不准我设这就是管制化去影响民间企业的运作不然呢他说
这个地方明明有石油但不准采因为某某环保原因这个地方呢有石油不准用就其实你知道石油业加密货币产业太空财全部都是被很多的 regulation 很多法规挡住所以这个东西他这个法规只要少了砍掉一半
我跟你講這個民間企業的動作就會多很多那這個東西當然就會回饋到整個經濟那最後第三個我們剛才三大利落減稅去管制那第三個我們剛剛一開始講的就是降息不管是降兩碼還是三碼還是四碼今年就是會降息嘛這個降息就是對整個企業的資金面會更加的寬鬆再加上其實 AI 還是會是一個科技的火車頭所以這些東西全部加起來今年美國經濟真的不會看壞了我覺得整個經濟是看好的
但是经济一看,投资面会长得怎么样呢?首先我先讲,第一个我对于投资股市的看法一直是这样反正价格会随着价值去改变所以整体经济是好的话,那股市就会跟着好那只是股市有些时候会先好,再跌一点点或者是股市会有波动但是整体经济上升的话最终这就是老人遛狗
狗最后还是跑到老人的身边不过老实讲我必须说现在美股的估值其实已经不便宜了所以我觉得今年全年的上涨空间应该不会太大就 maybe 10~15%为什么因为本来这样上涨我这样讲上涨我们如果从理性的角度来讲就是两个重点因素第一个是获利上升第二个是什么估值上升估值的乘数上升那估值乘数这边上升已经很有限了
没有太大的空间所以其实今年主要会来自获利上升的部分获利上升大概整个 S&P500 企业全年上升个十几%大概差不多了大概就这样好了而且更重要的是什么这个上升的过程中其实一定会出现一些回荡一定会出现一些回荡因为为什么因为我必须说川普这个人他其实
其实一定会做到一些我觉得川普他有些时候他一定会有一些政策这些政策呢这些政策一定会我跟您讲有些时候他会很顺利但有些是真的他会弄一些
弄一些這個讓大家覺得很瞎的事情然後就嚇到了就是大家沒有想到所以我跟你講川普的這一定會有一些偶爾讓大家嚇到的東西當市場有些嚇到的東西就會出現一些大的修正我覺得就是給進場加碼的事情今天的大姐不是川普做的這是 deep stick 所以市場上偶爾也會有這些所謂的這個你沒有預期到突然發生一些事件然後讓市場整個
所以我会觉得在今年只要有任何的修正都是一个进场的机会那整体而言我认为去管是也好减税也好但是一个雨露均沾的一个政策所以我相信 2025 年美股不会科技股独强很多产业应该都会被解放
最后讲一下对于这个科技器具楼的看法首先先特斯拉我觉得特斯拉现在已经很贵我一直觉得很贵所以如果今年出现一些坏消息应该会有些修正但是我相信年底无论是
到了年底无论是自动驾驶,无论是机器人都会有非常好的消息我觉得应该到时候还是会涨一波看法是这样的,我觉得全年我还是看好的 NVIDIA 的部分我知道今天有个修正但是我觉得整体来讲今天还是很好的,就是维持在高涨但是你说它有什么超级爆发性的,我觉得不是那么容易
亚马逊 Google Meta 我觉得今年都是可以稳定向上的微软去年没有很好市场担心资本支出太高但是我觉得我觉得市场会信心会回来大家发现其实 AI 是可以赚钱那苹果的部分就是 iPhone 17iPhone 16 现在看起来不太行那 iPhone 17 到底行不行大家就要抱持一个期待了我也不知道了好不好那目前的看法大概就这样好那以上就是我们今天第一个主题聊一下
对 2025 的美股的投资看法好那现在暂停一下暂停一下我决定要出去休息一下我们中场休息三分钟好回来了回来了哈哈哈我没有去抄底了没有去抄底等下等下结束之后再看好那我们接下来进入我们今天的第三个单元了就是来聊新年的 qa 哈首先呢我们第一个问题我把这个问题叫出来
第一個問題啊來自于這個 Darren Lin 他說這個他問說
想请教为什么 M 大认为 Meta 跟亚马逊被低估了自己的想法是 Meta 的社群媒体广告业务就是超大的印钞机而且才能还不断的上升中所以有源源不断的子弹可以打元宇宙 Amazon 就是真的比较不熟七巨头就这两件最好奇啦谢谢 M 大带领我们扛过特斯拉 Parentier SE 的逆风超晚估值课程 55 岁科技巨头就提根太可惜啦祝 M 大全家身体健康
好首先为什么 Meta 跟亚马逊我之前跟大家讲低估了首先第一个我当时大家知道我有个估值公司嘛所以在我的估值公司里面他 Meta 就跟亚马逊就是被低估嘛但是我先讲亚马逊去年第四季涨很多所以现在这个已经没有那么被低估了
那不过我觉得在公司营运面的确我觉得市场上还是没有很认知到 Meta 首先第一个 Meta 大家都觉得你知道我觉得市场就是整天觉得 Meta 的这个 Facebook 啊 Instagram 很快都要被打败被取代掉可是其实 Meta 真的很会经营这些东西而且他们的社群网络真的是有很强的反脆弱性哦
另外,智能眼镜,现在大家开始慢慢发现了,这个 Raven Meta Sparklysis 但是我跟讲,这一块我觉得市场可能还没有完全认知它的潜力所以我觉得智能眼镜的部分,我觉得还没有被完全认知到然后整个它的社群网络的这个反脆弱性,我觉得也还没被认知到我觉得这是市场低估 Meta 的部分那亚马逊这边,我觉得市场低估的部分则是
因为亚马逊之前大家总是他的电商业务他的云服务的业务嘛可是 Andy J.上任之后他搞一个新的东西就是 Amazon as a service 我觉得 Amazon as a service 这件事情也不是市场现在完全有认知到这件事情的最终的一个
潜力在哪边呢所以我觉得这这是亚马逊现在相对也被低估的一个部分好不好那这今天第一个问题啊今天第二个问题 Tony 的问题他想说想请问 N 大 Parenty 发展到什么样的状态下你会决定把你他在你的总部位占比提高呢
好,配合你现在占我的总共大概 6 个 percent 了其实我觉得已经很高了因为他只输给特斯拉、微软、Meta、亚马逊、EVIT,他就第六名了所以我已经觉得很高了为什么还需要提高呢?我不知道为什么需要再提高所以我跟他讲我觉得我的持股不会是这样的他就是用两个条件来决定第一个叫做稳健性或者你把它叫做不可取代性就他的业务是不可被取代的
第二个是他的成长性那我刚讲这几家呢我觉得都具备这件事我觉得 Planetier 的不可取代性这件事情我觉得也是有的但是我想要再多观察一下就是说如果 Planetier 能够让他的不可取代性这件事让我心中更满意一点的话我可能就会拉高他的部位但是我真的觉得以他这个 size 的股票我拥有这么多其实真的在我自己的投资策略里面已经很多了
下一位李宏伟他说幼稚的人觉得世界绕着他转成熟的人会绕着世界团团转美国人就是属于幼稚的人然而他们的懒惰与自我造就了这种世界领袖的国家文化成为一个最创新感冒险会做梦的种族
反观亚洲国家总是以为别人着想为美德让我们变得文明且友善却也养成了员工特质以前我会觉得我们不应该崇尚外国文化因为世界需要老板也会需要员工我们应该要了解自己的价值走自己的路就好但是 AI 正在降低
那我想你的说法你的理论是说
欧美人他们美国人不讲欧美人因为欧洲跟美国差很多美国人他们就是当老板的他们就是他们敢做梦是他们当老板那台湾人台湾这亚洲就是我们就好好把事做好我们就听你的话分工做个员工我不知道你这个说话能够百分之百正确啦那是 anyway
我覺得每一個國家長成現在這個樣子都有相對的原因都有它相對的理由跟原因那這些理由跟原因不見得是那麼容易被改變的但是你會覺得是 AI 時代這件事情就會改變嗎首先我先講我覺得台積電就是在 AI 時代還是全世界很需要的所以你覺得台積電是一個
員工大家都他就是半員我覺得你不能這樣講我覺得未來更像是一個大家一起打仗的一個角色所以我也沒有覺得台積電是員工你去問 NVIDIA 他敢覺得台積電是員工嗎你去問我覺得台積電真的就是很重要所以台積電真的沒有那麼容易取代那如果從整個國家的角度來看我覺得你說真的你要改變一個社會的因為你知道你剛剛講的那種東西它其實是一種我先假設你講的東西對那是一種文化
文化的东西哪是政府花个几年就有能力改变其实是很困难的但是我觉得台湾就是要我觉得每个国家每个社会要善用自己的强项台湾的强项应该是什么我们是个海洋国家海洋国家是什么就打海盗的生意我们台湾当年的台湾奇迹就是做海盗的生意就是开一个平价车
到全世界去做生意我认为台湾应该还是要把这整个海洋国家精神做出来去在全世界寻找机会那我觉得这个 maybe 是台湾的以往的一个强项台积电是一个新的强项好了那下一个他说 LK 问我说未来四年美金对台币美金会升值还贬值这个我说真的不知道我不是汇率专家但是整体而言如果我们想说
如果斯卡斯美国今年会降息 3 码到 4 码台币今年大概不太会降息吧要降也降个半码不太会降息的状况下那或许因为美金会降息所以其实或许台币升值的几率会高一点点美元会贬值的几率高一点点 anyway 不确定我不是汇率专家但是这是从联准会的利率的角度来看
下一位问这个问题很有趣恰恰问 NBA 的问题请问 NBA 怎么那么喜欢 NBA 球星 Duan Wei 的他明星赛乱给分不是明星赛是灌篮大赛乱给分事后还嘴硬不承认我这要蛮反感的
好啦我跟你講你可能沒有看過端位的黃金年代你知道端位他以前有個外號叫做薅小球之王就是我跟你講你現在看到很多那種明星什麼亂丟一些球就突然就進了我告訴你史上我沒有看過哪一個人為了跟位丟薅小球
這好小小球胡來九他真的很厲害而且老實講他就是進攻也強防守也很強而且真的打在比賽的關鍵的時候他那種求勝欲奮戰精神也很強所以真的他當年比賽真的非常非常好看啊當然啦他灌籃大賽那個時候給那個九分這件事的確 K 到他被嘴一輩子可是畢竟是他那是他已經退休以後的事情了嘛那是那我們純看他球場上的表現我真的覺得他很厲害真的是而且他他還少了一個半月板
他膝蓋當你動過手術他其實是一個他是身體上充滿創傷才能打得這麼厲害你不覺得很厲害嗎下一位
下一位这个戒指鬼机天下天下迪这是一个游戏他说人大你好我的投资是定期定额买 006208 和 VTI 从 2020 年 7 月累计到现在账上未实现获利相当不错但是我都是一直买入一股都没有卖所以虽然有不少未实现获利但是却对现实生活没有太多的回报看到 PTT 或是股癌和 Gamma 的电报群组
会有不少人因为股市获利实现获利去吃大餐出国旅游买大手笔的东西犒赏自己但是对我们这种定期定额且长期投资的投资人而言好像没有这种因为股票赚钱来犒赏自己的机会像我这几年出国旅游换手机吃大餐都是从自己的口袋掏钱出来虽然我觉得定期定额
摆入市值型 ETF 是最懒人而且相当不错的投资方式我一样坚持持续买入股不卖但是想到我一直都没有因为为了没有因为股市获利的改善生活靠涨自己就觉得还是很羡慕别人所以请问像这种方式投资人也会有什么方法可以因为股市获利给自己小小的回报奖励呢
好你的意思就是说你定期定额长期持有然后赚了不少钱但是你觉得别人都可以犒赏自己你赚了这么多钱你却没有办法犒赏自己啊你就怎么样犒赏自己呢首先我先讲哦从投资的角度来看从投资的角度来看其实我们做定期定额长期投资你就是期待复利效果吧所以你本来就没有你本来就不会卖掉对不对但是
如果你真的很在意这个聊靠赏的事情那你就靠赏啊你就把我我这样讲好了这样讲其实最常见投资人你就是期待复利嘛你应该把钱都放在股市嘛那
可是你如果真的要靠赏那你就靠赏嘛你就说好我去年的获利啊假如我去年获利 100 万我就拿 100 万的十分之一拿 10%来靠赏自己也可以啊我觉得 10%再多就拿 5%嘛拿 5%5 万块来靠赏自己嘛无论是去玩买个自己喜欢的东西好不好花钱靠赏自己这件事情
这个不需要别人来教啦你想就去做嘛但是我先讲我觉得你会不会是那个左口袋换右口袋因为你说你现在你现在本来就会吃大餐本来就会出去玩嘛只是说你从你口袋的这个可能是你平常的现金去拿出来用那我问你哦 假设你今天拿来犒赏自己你拿获利来犒赏自己犒赏完之后呢你手头现金比较多了吗因为你没有拿现金去用
如果你是一个好的长线投资人你可能又把现金拿进去买股票再去买 620 吧那所以有点有点好像白做一场哦我不知道啦老实讲你问的问题
我会觉得就算是长线投资人每年你要把获利的几个%来靠场子也可以啊赚钱本来就是为了让自己开心嘛如果做这件事能够让你开心你为什么不这样做呢如果你不做这件事让你郁闷做这件事让你开心你就去做吧就去做你知道我每次带全家人出去出国玩我也很想把那些钱拿去买股票但是没有因为出国去玩带家人出去玩这件事情
让我开心嘛那我就宁可不要把这些简方的股市把它用毕竟你想你赚钱终究也是要提高你的生活品质提高你的生活的满意度那就去做吧如果你犒赏自己可以得到这些就去做好不好
下一位 hello 你好嗎問我說請問你認為三星面臨的問題是否跟 intel 類似更嚴重呢三星還有機會對台灣科技業產生足夠威脅嗎好那我不知道我當然不知道首先我跟你講現在至少
台面上的消息三星在先進製程的確的狀況可能比 Intel 還早一點所以它還是落後 Intel 至於它為什麼會落後呢說真的我也不知道反正現在台積電就是獨家領先 Intel 落後的理由我們知道因為 Intel 在中間其實就是買 EUV 玩了好幾年才去投入 EUV 這是 Intel 自己的問題但是三星它也沒有 Intel 當初這個問題那它為什麼它的製程就落後呢
我只能講說這個天佑台積電吧今天運氣蠻好的但是至於三星未來有沒有機會對台灣科技產生足夠的威脅我只能這樣講永遠不要低估你的對手好不好永遠不要低估你的我覺得就像 Intel 當年低估台積電現在嘗到苦頭了那或許現在三星的確也是落後蠻多可是
我如果是台积电或其他跟三星竞争的公司我绝对不会低估他绝对不应该去低估他好那再下一位 J 问说有个问题你可能之前提过但我一直觉得心中有疑问想再次请教你的观点主要是关于 AI 与人类工作发展的关系需求多多投资专家都抱持乐观的看法
譬如说经过你的介绍之后我也是 all in podcast 的宗旨粉丝其中强帕斯也曾经提过人类未来的 AI 发展就像人类所有文明革命一样或许短期内会消灭许多工作机会但是长期来看肯定会为人类带来更多的工作机会
会被淘汰只是不会用 AI 的人我个人看法认为或许以目前的 AI 来看的确是现这样但是假设五年后发展出 AGI 时间内 AGI 跟智慧型手机一样的普及几乎可以确定 AGI 的普及会消灭所有白领工作尤其加上川普对于监管宽松而且让资本主义加速运作的前提下再加上没有公会与政府限制的前提 AGI 在速度品质与价格都会远超过人类员工的前提下
也就是说传统华人科举制度以及万般皆下品唯有读书观这个观念可能会彻底被天赋对于这样的社会人大自己有小孩就会你会如何准备自己儿女面对这样可能与过去几十年甚至几百年都不同的社会呢另外我也不觉得蓝领工作就可以幸免蓝领只是目前取代价值还没有到而已还是那觉得这样的担忧是起了忧天希望可以再听听人大看法感谢解答好这个
有問題是 AI 會不會取代人類吧其實老實講我當初在科技巨頭的節目寫過一篇去看那篇是免費的去年寫的吧反正主題就是 AI 會不會取代人類之類的但是我必須講你的擔憂是對的我認為 AI 在 5 到 10 年內都不會取代人類而且反而會讓人類的工作更多然後到 20 年 30 年可能都還可以維持
我当那时写的文章就是说有三股力量可以暂时抵消 AI 取代人类的进度可是总有一天 AI 会变得很厉害而到那一天呢人类到底该怎么办说真的我并不知道我觉得我没有答案但是我只能讲如果这个风险是 10 年后 20 年 30 年以后我说真的你现在担心也没有用因为我们没有任何人有能力看到 10 年后 20 年后 30 年后的世界会长得怎么样
我觉得现在的世界变化太快了我们都只能看到一年后两年后的变化所以 Stop planning for 30 years after 不要再为了 30 年后的事情做计划了那我觉得对大多数人来讲为 20 年或 30 年之后做计划不切实际你就是为了两年了不起的话五年吧两三年然后了不起到五年做计划就可以了啦
那因为说真的 10 年之后 AI 会怎么发展 20 年后会怎么发展我真的不知道有可能一切就像我们讲的那么顺利就哇 AI 就取代人类有可能也没有发生 Who knows 但是我只能讲说有担心是 OK 的那不是要说奇人幽天只是你也无法处理这个风险请问你有什么能力处理这个风险你没有能力处理这件事所以你就做好你自己能做的事情
那什么是你能做的事情呢我在这里推荐就是什么 AI 概念股买起来你可能未来没办法做他员工但你可以做他的股东好不好所以成为 AI 公司的股东我觉得是一招很重要的一条路而且不要卖你要永远都是 AI 公司的股东那哪一天这些真的人类被 AI 取代你还是可以透过这些 AI 公司的股票赚钱下一位其实有两个人问同样的问题他说一是听取人大让人生一路成长
他说为什么这个时代的家庭一个生一个孩子比生多个孩子还多呢以及其对家庭代理的影响只有一个孩子那个孩子会比较孤单未来遇到问题没人讨论吗首先我同意啦我同意只有一个孩子那个孩子长大会比较孤单一点点但是那就那只是一个你知道一个孩子成长的人生有非常非常多变数那不就是他众多变数中的一个而已啦
那我想如果你家就只有一个孩子你也可以用其他的方面来补足这件事情嘛那好那接下来到底这个年代是不是生一个孩子比生多个孩子还多我不知道但是我不许讲哦我认识的朋友们其实很多人都还蛮想生多个孩子的哦
有人问我说 MIRROR 你为什么不多生一个你现在只有一个孩子那是因为我们有一些健康上面的因素我们最后决定只生一个如果可以的话我们家也会想生两个但我们有一些就我们不会在节目公开一些个人的一些医疗隐私但是反正就是我们有些健康因素我们考量还是不生的比较好所以就是这个样子
那这个是我们的状况但是我觉得很多夫妻我认识的夫妻都会想生一个以上而且他们很多都生了好几个那如果只剩一个那些可能就是觉得他们一个就很累了吧下一位 Peggy 说请问中国生产的人性机器人未来是否有可能如同电动车一般内存和音响特斯拉人性机器人的销售呢这个
你这样去看我科技巨头解码的最新的这个 2025 的时代科技预测就有讲到这件事情那答案是什么不会首先我讲中国的人行机器人在未来这一两年一定会雨后春笋的冒出所以他们他们就是低阶版你知道吗然后因为我特斯拉这个机器人他有些比较厉害的一点是他的一些设计他的设计给他做比较精巧的工作我认为中国这边最后做出来的人行机器人他就是比较
我觉得他不会刻意去会做这些很精巧的工作就是说一些比较不需要那么精巧操作的工作我觉得这些机器人可以做所以我觉得他就是一个低价版减配版的这个
然后但是一些比较比较复杂然后一些超级多种多功能我觉得 OTIMUS 的技术理性应该还是在那边所以我个人的看法就是未来这些机械也会分高端跟低端嘛那价格内卷其实是低端的那个部分高端的部分其实特斯拉应该还是稳稳的在前段班的下一位 M.DAR 感觉对美国有一定程度的喜爱
呃 有沒有移民去美國的思考台海戰爭他會考慮移民嗎首先第一個 我有沒有想移民到美國如果我年輕 20 歲我可能會啦但是我 20 年前我那時候的眼界沒有那麼大所以當時沒有去做這件事齁但是老實講我這個年紀我已經懶得移民了好不好我覺得台灣也很好啊至於你說台海戰爭會不會考慮移民我覺得這是一個很困難的問題喔我覺得我現在給任何回答都沒有什麼意義因為我現在當然有我的想法啦齁我
我應該會傾向留在台灣但是但是我也不能為我假設未來真的有一定發生我覺得因為中間有太多變數所以我覺得現在給任何答案都不太負責任但是我覺得我們真的要思考不是這個問題我覺得這是個這也是一個錯誤的題目我們不應該回答這個我們應該回答是我們能夠做什麼事讓台海不會發生戰爭我們能夠做什麼事讓中國沒有能力去打台灣那我覺得這是很重要的那
總而言之,下一位,問:M 大對於女兒的人生有什麼期待?如要考到什麼學校或要做什麼職業?首先,我覺得父母對兒女的期待沒什麼太大的意義
小孩长大之后也不会理你我知道的确有些小孩是按照父母的人生规划去做过大人但我觉得是少数我觉得大多数人长大的过程中都会受不了父母的规划而不照父母的规划走所以我其实不觉得我要替孩子规划他一定要走什么人生的路线那我觉得不要对他的未来有过度的期待就不会太失望
我觉得我能够做的就是支持他吧你要我说我真的希望他能够做到什么我就希望他能够找到一个让他人生快乐然后让他觉得他做这件事情付出很快乐他觉得这件事就找他人生的天命
找到他人生的天职就是说我的人生就是做这件事我做得很开心然后我也绝对社会有贡献最好也有好的收入我希望他能够找到这些找到这件事情那就是我对他最大的一个期望了好不好
你看有人說活著才是最重要的事情那你去想喔我今年快 50 歲了說真的假設台海戰爭是在我 30 年後爆發 80 歲然後對我來講 80 歲我覺得我可能也沒有幾年的壽命了我真的就不會特別跑去移民你懂我意思吧所以這裡面有太多的變數了好不好
那包含到时候女儿的发展怎么样所以这有太多东西我觉得现在谈这种问题我觉得我可以随便给答案可随便给答案不是很负责任那因为到时候应该有很多各式各样的变数会影响我们的决定大概是这样好
有人说这是心灵教育频道吗不是啊只是有些人问我一些教育的问题但是我跟你讲我真的觉得你知道我对我女儿的想法是你只要找到一个你觉得能够开心的做一辈子然后你觉得很有意义也能够帮助到别人的事情就好了
无论你是想当医生当音乐家当厨师甚至你想自己开店或者是做一个像我这样的做一个直播组也可以啊就是这件事最重要了那至于父母要不要过度去小孩去规划他要怎么走不用了不要比较好了因为你管越多小孩越不听你的这个年代不就这样吗
下一位,星族推薦吃什麼?我沒有那麼熟星族,你為什麼要問我呢?星族不就推薦吃麥當勞嗎?拜託,星族能告訴我們你沒有什麼美食好不好?我個人還蠻喜歡吃星族肉圓的,因為星族肉圓是紅巢肉圓我個人還蠻喜歡,我覺得也是台灣各地肉圓的一個特色星族的米粉也好吃,我也喜歡吃米粉
但是很多人都说新竹美食沙漠那这个我无法回答请竹科的朋友们回答下一位 Shang 他说
对于出生在资源有限家庭的人你认为应该如何从读书价值观进行培养理财关键到关键抉择的时候逐步为脱离贫穷困境做好准备如果从学生时期开始规划会建议优先着重在哪方面首先如果你家中资源有限然后我觉得你第一个要学会的是什么就是要能够掌握趋势的能力因为你必须要投到对的趋势要乘着那个风去起游
第二个是什么我觉得你要养成一个好的能力你要有好的能力因为我觉得既然你没有资源那你呢你能够仰仗就是自己的能力你有好的能力你就可以用一开始用时间用技能换钱然后当你获得了第一桶金之后你再让资本去替你赚钱我觉得
我觉得所以第一个你要能够看对风向就看对未来趋势是什么你要投入那个趋势第二个是什么你要有你至少要有能力不要说我投入趋势可是你什么都不会那有什么有你也没有所以你投入趋势而且你有某种特定的专业能够在那个趋势发挥那接下来什么就是好好的去做投资好好的稳健的去做投资十年后我相信一定是
资产可以翻身了我觉得你知道我我我前几天看到一篇文章说哎呀他说资产翻身要资产要成长 1000 倍不用了什么成长 1000 倍翻身成长 10 倍 20 倍就是翻身了好吧如果你今天你你 20 几岁的时候你身家只有 10 万 10 万块你到 30 岁的时候你有个 300 万其实也是很好的然后你到了 40 岁的时候你有再翻个 10 倍有个 3000 万那不是很好吗所以我跟你讲这是可行的了下
下一位大谷小明问说想问 M 大对于台湾目前支持的政党却走得越来越左派的执政路线你讲是执政党不会忧心吗像是大政府大花费之类的相信支持者不一定多数会为这个立场但是左派支持者的声音非常大一直在影响这也会削减国力看看美国民主党已经示范过了欧美一直走在台湾之前两三年
之后台湾如果还是这个走向令人忧心那是否有好的建议或者对台湾右派有什么建议的确我现在在台湾的政党公布我相对支持现在的执政党但是我对执政党很多偏左派的做法我也非常的不喜欢那问题来了台湾没有真正的右派政党台湾就算是我们的在野党也都很左派所以台湾是几个不同的左派政党然后他们在统独议题上面不一样在做一些竞争
那當然每一個黨左的程度不一樣像國民黨跟民進黨都算是中間稍微偏左一點點而已那你說他們很右嗎很多人都覺得有什麼官商勾結就不是這個樣子定義你是用大政府還是小政府來看政府的左右派好不好你是看的是尊重自由市場還是有很多的政府管制我跟你講無論是台灣的執政黨或者是在野的國民黨全部都是要大政府跟管制的所以在經濟路線他們其實都沒有那麼右派
Anyway 那所以我覺得台灣的第一問題還是統獨嘛所以我覺得為了誰能夠保障台灣的未來的幾十年的獨立性我覺得這還是最重要所以這是
重點但是我也一直期待台灣要有一個能夠堅持保護台灣堅持保護台灣的右派政黨出來如果有這樣黨出來我一定投他但是現在沒有這個黨我跟妳講右派不容易右派要獲得人民支持不是那麼容易所以美國是很特別的地方 Anyway 台灣有志之士就麻煩出來了下一位 KL 他說
你觉得现今社会商业人才有用吗?你觉得大学生适合投资吗?第一次投资台国美国第一答案一商业人才当然有用啊但是你要真的懂商业不是懂表面的商业好吧就你真的懂商业的核心就是你能不能你如你有没有办法创造价值你能不能交换价值你能不能看懂别人价值 everything istied to valueok 然后
大学生适合投资吗?我觉得可以学习但是大学生有很重要的工作叫做你能不能好好掌握你的大学四年为你未来的工作打好基础这件事情可能比学投资还重要因为投资很重要是本金嘛有一份好的工作对你的本金很重要
第一次投资台股是投资台股还是美股我觉得都可以啦我觉得现在台湾投资美股也蛮容易的所以就看你对哪边比较有感觉好不好然后 KL 说你播出的国际大学收藏版很有深度而且没有很偏颇希望时长能增加没有办法因为蓝亦峰很忙我也很忙所以时长一个礼拜一集就极限了那谢谢你觉得我们没有很偏颇我们也是尽量做到尽量中立啦好
好 那我们看看留言有没有一些有趣的他说
在 Yuki 专访的节目中说 Enda 怎么都没有人说 M 观点改变他的人生呢我马上找出乘风已久的 iPad 来留言他说大肆开始听 M 观点印象中是从影片定期定额庞氏片局丰电的节目入门后来三篮节目也是每集必听科技剧的节目也是最早订阅的一批用户每篇出来马上仔细阅读虽然学生时期还没有钱可以投资但是硕士班毕业时已经累积
既听了三年早在早早在刚出社会时就建立好定期定额大盘长期投资好公司拥抱波动的观念目前抱着 0050invidia 特斯拉 Planet 虽然个股高波动但完全知道自己在投资什么公司现在已经存了两桶多的金如果存现金应该只有 1.2 到 1.5 桶吧财务状况也稳定成长我觉得 N 大应该有很多阳性听众
特地促使杨信听众特地浮出水面来感谢人大的好节目一定改变很多人的人生感谢人大我会珍惜最后五年有科技巨头节目的时光祝人大一家平安健康下一位留言他说感谢 N 观点节目听节目也已经有五年的时间一路从 2020 年报解解听到现在你的投资观点影响了我很多也处处我没有错过这五年达到平均年化 40%的报酬不管是用部位来控制风险还是下跌时慢慢打入
调整心态最棒的是分享怎么计算工资很多观念都影响着我让我跳过很多摸索的阶段另外结合科技新闻以及时事的直播更让我能够快速思考投资时的趋势虽然很感谢 N 大但是很可惜的是科技巨头节目 NFT 虽然是遇到 FTS 爆炸一些遇到币圈寒冬但是还希望 N 大不要灰心的把社区经营下去好我们科技巨头 NFT 的社群就今年就改版嘛那就就就持续的
用我们用更能够营运方式去营运了好我们看看有没有一些比较杂的留言然后下一个说那个谢谢 N 大无私的分享让我人生都有逐步的成长希望某一天可以巧遇 N 大并且与你合照我先讲哦如果你在外面遇到我然后你想跟我合照就直接跟我讲哦这没什么问题好然后下一个他说
针对于川普的行政命令文献世界周报节目跟 M 大论点几乎是相反觉得好有趣那你就看过去哪个节目比较准了
好啦那下一个容我省略吹捧三千字我是从大学时代开始看 M 观点的听众观众后来 Pocket 上线编读现在变成 M 报上线编读者可能因为长期听 Mula 讲话现在其实看文字版都有声音真心谢谢 Mula 长期无私的分享而如木染投资的处事的概念
后来发现最适合自己的投资流应该是专心上班 顾好本业心态稳健的大盘指数流一直记得 Mila 分享过的 30 岁 500 万 35 岁 1000 万省略第一次听觉得哪可能做到后来开 Excel 实际试算发现其实努力还是可以的现在很幸运在一家幸福企业上班
从事自己喜欢待遇很不错未来可期的理想工作享证这次机会谢谢 ViuTV 让我在年轻时就定毛而且有目标努力工作存钱祝全家身体健康心想事成新年快乐那恭喜你一步一步的去前进好吧好了那我们今天的节目就到这边感谢很多的正面回馈
有人说昨天看聊天室有人说昨天遇到谷啊已经要到合照现在现在安大合照那就希望你能够遇到我了好好啦那以上我们今天这一集就是我们这个安观点过年期间唯一的一集就听到下下礼拜会下一集这礼拜四就没有了所以可以多听几次了如果有兴趣的话
好那我们今天的节目就到这边了美颜观点 EP170 那很高兴那在过年期间还是跟大家拜个早年哦那祝大家新年快乐大家拜拜