→ tocks2010 : 問就是相信美國黃董 03/24 13:28
推 wuyiulin : 人肉版a33瑟瑟發抖，他覺得自己要失業了。 03/24 13:29
推 a210510 : 看來用ai圖聊天的日子也不遠了 03/24 13:29
推 rebel : 你說的是不是ASIC 的概念？但這塊不好做耶 需要大 03/24 13:31
→ rebel : 量懂各產業的AE 是個體力活 在NVDA光硬體就還有高 03/24 13:31
→ rebel : 毛利下 我不覺得會把RD 擺到這塊 反而是PLTR 比較 03/24 13:31
→ rebel : 像專門搞這塊 03/24 13:31
推 hinanaitenco: 太難了 各種數據型態差異過大 不太相信可以低廉到 03/24 13:36
→ hinanaitenco: 成為服務 03/24 13:36
推 ck326 : 我先幫華碩工程師掬一把同情之類，真的可悲的薪水 03/24 13:39
推 ProTrader : 簡單說AI要落地第一站明確就是往企業用戶發展 03/24 13:42
→ ProTrader : 目前最有利的就是微軟Office原本的企業用戶功能升級 03/24 13:43
→ ProTrader : 當然這還是無法讓AI深入客戶企業內部 03/24 13:44
→ ProTrader : 原po內文說的就是如何讓企業真正導入AI成為AI公司 03/24 13:46
→ strlen : 自己搞AI基建成本遠高於直接尻輝達方案時生意就成啦 03/24 13:46
→ strlen : 大廠有錢當然自己基建 中小或非科技業哪有辦法 03/24 13:47
→ ProTrader : 台灣最常聽到的對應名詞應該是工業4.0 智慧工廠 03/24 13:47
→ ProTrader : 如何讓企業導入AI 是現在AI龍頭與AI新創的共同目標 03/24 13:48
→ ProTrader : 目前我認為最有搞頭的應該是亞馬遜小模型的想法 03/24 13:49
→ ProTrader : 也就是用小模型直接降低門檻 然後針對企業直接需求 03/24 13:50
→ ProTrader : 我看各AI新創主要也是往這個方向 拼演算法競爭力 03/24 13:51
→ ProTrader : 其次的做法就是幫企業導入現成大模型幫忙特化調整 03/24 13:52
推 s987692 : 阿就跟cloud搶肉吃，就看會不會噎到了 03/24 13:53
→ ProTrader : 這個做法AI基建門檻較高 主要是拼現成模型應用能力 03/24 13:54
推 EvilSD : 我搞AI落地好幾年 有價值的領域現在還太少 而且落地 03/24 13:55
→ EvilSD : 最大的問題其實還是現場環境 因為台灣大多都是工廠 03/24 13:55
→ EvilSD : 居多 03/24 13:55
→ ProTrader : 這種做法客戶端要大公司 AI公司也要夠大比較能拼 03/24 13:55
→ EvilSD : 但可能有幾個場域是在軟體端 例如各公司的客製化cha 03/24 13:56
→ EvilSD : tgpt，這在目前算是比較有通用型價值的領域了 03/24 13:56
→ ProTrader : 如果針對台灣的工廠 入門要有自己的AIoT取得資料 03/24 13:57
推 moike22 : 老黃包圍網來惹 03/24 13:57
→ ProTrader : 特調chatgpt做成自己產品也是一條路AI新創的路 03/24 13:57
推 EvilSD : 再來就是資料問題 基本上不是私有架構或是私有雲 03/24 13:58
→ EvilSD : 都很難有搞頭 03/24 13:58
→ ProTrader : 有價值的場域很多 但是入門的數位化門檻太高 03/24 13:58
→ ProTrader : 台灣或世界上很多公司連前提數位化都沒達成 03/24 13:59
→ ProTrader : 達成數位化門檻後才有資格說資料問題 03/24 14:00
推 EvilSD : 說到數位化其實台灣工廠數位化應該是世界第一 03/24 14:00
→ EvilSD : 這幾年都是老外跟不上再找我們取經 03/24 14:01
→ ProTrader : 資料問題是全都是非結構化或半結構化根本不能用 03/24 14:01
→ ProTrader : 今天要導入AI最基礎的特徵工程 就直接撞牆了 03/24 14:02
→ ProTrader : 簡單說就是有產業對應數位化與導入AI的人才太少 03/24 14:03
→ ProTrader : 接著說道AI人才 看看台灣開出來的薪水 03/24 14:04
→ ProTrader : 最直接的例子就是台積電的智慧製造工程師 03/24 14:05
→ ProTrader : 坦白說實在很難想像以台積電今日地位還是搞成那樣 03/24 14:06
→ bnn : 其實就是 這鬼東西能給美國壟斷嗎 其他國要不要搞 03/24 14:06
→ ProTrader : AI要落地我覺得最大門檻是產業數位化與相關人才 03/24 14:07
→ bnn : 晶圓廠當年也沒人覺得會搞成壟斷到現在要各地搬家 03/24 14:07
→ ProTrader : 現階段來說 談大模型小模型公有雲私有雲還有點早 03/24 14:08
→ bnn : 那現在各國看著製造都被卡脖子了 誰真敢放AI壟斷 03/24 14:09
→ ProTrader : 如果以台積電的模式 那是做到客戶的產業專業顧問 03/24 14:09
→ ProTrader : 而且台積電的顧問水準可是業界頂尖 03/24 14:10
→ ProTrader : 完全碾壓檯面上的大型顧問公司 03/24 14:10
→ ProTrader : 以這個前例就是看輝達亞馬遜誰能達到這個水準 03/24 14:11
→ ProTrader : 微軟也是 不過我猜微軟會從office的專業性切入 03/24 14:13
→ ProTrader : 也就是說誰是客戶最強的產業數位與智慧化專業顧問 03/24 14:14
→ ProTrader : 那就是最後贏家我猜最後非一家獨大會有各產業山頭 03/24 14:16
推 goodlay5566 : 畫餅功力不錯 03/24 14:17
→ ookimoo : 餅太大，商業化太小， NVDA下去200-300 03/24 14:17
推 waitrop : 跟我老闆在performance review時畫餅 有夠像的 03/24 14:18
推 motan : 現在都在拼saas，看誰先取得先機 03/24 14:19
推 ck326 : 老闆的工作本來就是畫餅啊 03/24 14:22
推 AGODC : 其實只要一個邏輯就好了，一個佈局GPU運算2-30年的 03/24 14:23
→ AGODC : 人，從快破產到終於走到打敗全部GPU，到達公司市值2 03/24 14:23
→ AGODC : 兆鎂的今天，你覺得這種人有可能沒堵好洞，留後門給 03/24 14:23
→ AGODC : 別人反超的機會？如果有，那在小公司時早被淘汰了 03/24 14:23
推 abccbaandy : 推61F，真的超像的...吹一堆，這種能搞成AWS那種 03/24 14:31
推 AGODC : 黃董說的，就算晶片免費，還是比NV貴，因為人家已經 03/24 14:32
→ AGODC : 把很多工作都整合進去，你一般公司就是直接買算力買 03/24 14:32
→ AGODC : 服務，別想著自己搞特規，最終只會落個特貴的下場 03/24 14:32
→ abccbaandy : 就很不錯了，太細節還是自家工程師吧 03/24 14:32
推 Cliffx : 這樣AMD是不是有危險 03/24 14:34
推 clusis : 營收才剛起步 03/24 14:45
推 ProTrader : 台積電的cuLitho能大幅度增加光罩產升速度降低成本 03/24 14:50
→ ProTrader : 在這之中輝達也是很重要的合作夥伴 03/24 14:51
→ ProTrader : 老黃也不是完全唬爛 輝達是真的有戰績 03/24 14:51
推 huk40199 : 有啊最近現場落地就是cuLitho啊 03/24 14:51
→ huk40199 : 這葛很恐怖der 03/24 14:52
→ ProTrader : 當然最後AI落地能讓輝達賺多少 還要繼續觀察就是 03/24 14:52
→ huk40199 : 喔上面有人講了抱歉 03/24 14:52
→ ProTrader : 因為這是目前最能說嘴的例子 所以幾乎同時推文XD 03/24 14:54