[新聞] AI聊天機器人ChatGPT可望成就Nvidia 但挫傷另外兩檔股票

看板Stock作者 (型男)時間1年前 (2023/01/24 02:10), 1年前編輯推噓28(37989)
留言135則, 33人參與, 1年前最新討論串1/1
原文標題: AI聊天機器人ChatGPT可望成就Nvidia 但挫傷另外兩檔股票 原文連結: https://news.cnyes.com/news/id/5067269 發布時間: 2023/01/19 10:07 記者署名: 鉅亨網編譯許家華2023/01/19 10:07 原文內容: 華爾街分析師認為,人工智慧聊天機器人 ChatGPT 為 Nvidia (NVDA-US) 的投資者帶來 紮實機會,但對 Chegg (CHGG-US) 和谷歌來說卻是壞消息。 OpenAI 公司 2022 年推出 ChatGPT,暴風般襲擊人工智慧產業,2019 年就投資 OpenAI 公司的微軟 (MSFT-US) 周一表示,將透過其雲端託管工具 Azure OpenAI Service,讓更 多顧客可接觸使用該機器人。 據多家媒體報導,微軟計劃將該工具整合到其 Bing 搜索引擎中,對 Alphabet (GOOGL-US) 旗下的谷歌構成潛在挑戰。 華爾街分析師表示,ChatGPT 也對教育技術公司 Chegg (CHGG-US) 構成威脅。然而,花 旗集團認為,Nvidia 可能因該機器人大熱門而受益,因其圖形處理器 (GPU) 用於訓練和 運作 ChatGPT。 花旗分析師 Atif Malik 周二 (17 日) 寫道,ChatGPT 服務開始運作的頭 12 個月,可 望為 Nvidia 產生 30 億至 110 億美元的銷售商機。他重申對 Nvidia 股票的「買進」 評級,目標價 210 美元。 Nvidia 周三下跌 1.84%,收每股 173.77 美元,而 S&P 500 指數同日收低 1.56%。 Nvidia 拒絕對花旗的預期報告置評,因處在下個月發布財報前的緘默期。 BMO 資本市場分析師 Jeffrey Silber 周三寫道,雖然現在論斷 ChatGPT 對 Chegg 的影 響程度還太早,但該公司第四季美國網路流量一直在減少,其財務長 Andrew Brown 表示 :「雖然 ChatGPT 技術特別好,但老實說,現在還不到處理更複雜數學問題的強大程度 ,而這正是我們要做的核心。」 Chegg 發言人表示,公司不認為 ChatGPT 會對公司業務產生重大影響,「那不是專為教 學工具設計的。」 根據 FactSet ,Chegg 預定 2 月 6 日發布第四季財報,其周三股價重挫 16.61%,收每 股 20.38 美元。Silber 給予該股「符合市場表現」的評級,相當於「中立」,目標價 30 美元。 Truist 分析師 Youssef Squali 周三報告指出,ChatGPT 對谷歌的潛在衝擊最明顯。「 以 ChatGPT 目前形式,短期內不太可能對谷歌搜尋業務構成重大威脅,因其設計並非旨 在解決商業性質的查詢。但 ChatGPT 的功能可能與微軟的 Bing 結合,應可幫助微軟奪 回一些市占。」 Alphabet 沒有回應置評請求。 Alphabet 周三下跌 0.19%,收每股 91.12 美元;微軟同日收低 1.89% 至每股 235.81 美元。Squali 給予 Alphabet 股票「買進」評級,目標價 130 美元,較現行股價隱含漲 幅 42%。 特斯拉執行長馬斯克 (Elon Musk) 曾大讚 ChatGPT 「好到嚇死人」,可想而知,長期下 來對股價的影響力可能相當巨大。 心得/評論: 開年以來 NVDA 差不多反彈了30% 有...從低點 11x 附近算也超過八成了。 整理一下最近的財報: 2020 2021 2022 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Revenue 3.86B 4.73B 5B 5.6B 6.5B 7.1B 7.6B 8.28B 6.7B 5.93B 毛利 58.8% 62.6% 63.1 64.1% 64.8% 65.2% 65.4% 65.5% 43.7% 56.1% 淨利 0.62B 1.34B 1.46B 1.9B 2.37B 2.45B 3B 1.61B 0.65B 0.68B EPS(USD):0.99 2.12 2.31 0.75 0.94 0.97 1.18 0.64 0.26 0.27 營收(YoY)- 1. Gaming : 1.57 B (-51%) 2. Datacenter : 3.83 B (+31%) 3. Professional Visualization: 0.2 B (-65%) 4. Auto : 0.25 B (+86%) 下一季老黃給的outlook是營收6B,gross margin 回升到66% (non-GAAP). 可以預期車用在各家電動車成長下營收會持續拉高。最有話題和機會的莫過 於去年底 OpenAI 發表的聊天機器人 chatGPT... 當時小弟的臉書被狂刷一波朋友們測試這個 chat bot 所餵的各種問題, 小試一下之後覺得真的頗強der 除了滑鼠和飛鼠可能搞不清楚外(XD),對問題語意的理解程度頗高,可以說基本的 算數、邏輯、詢答,甚至程式和debug 都可以搞定.... 綜合大家的一些評論,chatGPT 在各種問題詢答或文章生成已經具備堪用 甚至"有點"實用的階段。 chatGPT 的運作原理是利用海量文章資料建立模型,模型建立後,根據輸入的 問題去"生成"文章。下一代 GPT-4 的模型所使用的參數,將會遠遠大過目前的 GPT-3。 老實說我們不用去太深入研究R,training 這塊其實是老黃的禁臠拉 QQ" 未來微軟打算在 Bing 導入chatGPT,谷歌也不會坐以待斃, 講來講去,受惠的都會是老黃,ㄎㄎ 最後,NVDA股價已經先反映了... G 最後一棒宣布 layoff 之後,FAANG 只剩阿婆還沒裁員了, 阿婆勉強算是個硬體或是系統廠,跟另外已經裁員的四家純軟or網路公司 不太一樣,這波裁員潮,純軟明顯受傷較重,幫QQ" 市場也許利空出盡,會走一波反彈,之後就看真槍實彈的財報惹~~ PS. 個人看法,盈虧自負。兔年困霸數錢數到兔~~ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 112.105.146.156 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1674497415.A.035.html ※ 編輯: MiniArse (112.105.146.156 臺灣), 01/24/2023 02:12:05

01/24 02:21, 1年前 , 1F
chegg學生時代的解答好幫手
01/24 02:21, 1F

01/24 02:31, 1年前 , 2F
老黃加油阿!以後智慧機器人和自駕車就靠你了
01/24 02:31, 2F

01/24 02:33, 1年前 , 3F
都多久了...明明是拿去繪圖維多利亞大才需要買顯卡
01/24 02:33, 3F

01/24 02:48, 1年前 , 4F
這件事很微妙喔 M軟跟蘇媽的合作案好像很大
01/24 02:48, 4F

01/24 02:49, 1年前 , 5F

01/24 02:49, 1年前 , 6F
chatgpt運算需求是估狗傳統搜尋的六倍七倍
01/24 02:49, 6F

01/24 02:50, 1年前 , 7F
老黃不可能打兩折賣M軟 M軟要搞大到估狗規模
01/24 02:50, 7F

01/24 02:50, 1年前 , 8F
如果跟老黃買的話 那算力不知道要花幾B
01/24 02:50, 8F

01/24 02:51, 1年前 , 9F
不如錢拿來投資軟體 然後跟蘇媽買10%價格/算力
01/24 02:51, 9F

01/24 02:52, 1年前 , 10F
不過其他路邊拿不出1b以上自己搞硬or軟的
01/24 02:52, 10F

01/24 02:52, 1年前 , 11F
通通只能乖乖跟老黃然後被抽乾
01/24 02:52, 11F

01/24 03:04, 1年前 , 12F
現在想想MI300,amd內部似乎也極其重視。
01/24 03:04, 12F

01/24 03:06, 1年前 , 13F
老黃抽乾使用者已經好幾年了,不是只有現在,所以
01/24 03:06, 13F

01/24 03:06, 1年前 , 14F
才有那麼多公司自己做TPU, ASIC 跟底層軟體,像是G
01/24 03:06, 14F

01/24 03:06, 1年前 , 15F
oogle, Amazon, Microsoft, Facebook, Alibaba 等
01/24 03:06, 15F

01/24 03:06, 1年前 , 16F
,都自己做TPU ASIC 跟底層軟體,老黃太貴了
01/24 03:06, 16F

01/24 03:06, 1年前 , 17F
蘇媽在computex的時候找M軟的上台
01/24 03:06, 17F

01/24 03:07, 1年前 , 18F
然後有想逼M軟的破梗 M軟仔死不肯
01/24 03:07, 18F

01/24 03:08, 1年前 , 19F
3奈米跟以後的晶片設計開發成本太高惹
01/24 03:08, 19F

01/24 03:08, 1年前 , 20F
現在老黃那整組ai晶片市場也就15b/年左右
01/24 03:08, 20F

01/24 03:11, 1年前 , 21F
我看到2奈米以後整組開發成本應該會破1b
01/24 03:11, 21F

01/24 03:12, 1年前 , 22F
後面那些用量沒很大的 自有晶片部門規模也不大的
01/24 03:12, 22F

01/24 03:12, 1年前 , 23F
應該很難就養整組幾百人然後花1b+開發晶片
01/24 03:12, 23F

01/24 03:14, 1年前 , 24F
我提的這幾家都規模夠大,資料夠多,也夠有錢可以
01/24 03:14, 24F

01/24 03:14, 1年前 , 25F
自己養團隊自己開發,也的確已經做好幾代了
01/24 03:14, 25F

01/24 03:17, 1年前 , 26F
問題4這幾家連要自己人吳鳳接軌從老黃轉自家
01/24 03:17, 26F

01/24 03:17, 1年前 , 27F
都喊得很辛苦惹
01/24 03:17, 27F

01/24 03:18, 1年前 , 28F
15b hyperscaler分一半 再五家分 平均一家1.5b
01/24 03:18, 28F

01/24 03:19, 1年前 , 29F
這路會越走月難 開發成本太高惹
01/24 03:19, 29F

01/24 03:22, 1年前 , 30F
蘇嬤弱點在AI訓練方面還是不如老黃,打殺價戰可能兩
01/24 03:22, 30F

01/24 03:22, 1年前 , 31F
敗俱傷,結局難料,一切看蘇嬤想賣的多便宜,賣太便
01/24 03:22, 31F

01/24 03:22, 1年前 , 32F
宜的話,對獲利貢獻有限
01/24 03:22, 32F

01/24 03:24, 1年前 , 33F
其他家現在主攻AI推論,這部份老黃不是最強,還能掙
01/24 03:24, 33F

01/24 03:24, 1年前 , 34F
老黃毛利80%蘇媽60%賣 價格94一半而已
01/24 03:24, 34F

01/24 03:24, 1年前 , 35F
扎一下
01/24 03:24, 35F

01/24 03:24, 1年前 , 36F
60%一樣賺爛
01/24 03:24, 36F

01/24 03:28, 1年前 , 37F
這波令人想到alphago那時的熱潮,passcard跌破眼鏡
01/24 03:28, 37F

01/24 03:28, 1年前 , 38F
的狂賣,老黃直接成為AI霸主,運氣真的好,沒輒
01/24 03:28, 38F

01/24 03:29, 1年前 , 39F
以我接觸過做上層AI ML model 等研究員與使用者的
01/24 03:29, 39F
還有 56 則推文
01/24 11:58, 1年前 , 96F
結果gpt會員最常跑律師事務所
01/24 11:58, 96F

01/24 11:59, 1年前 , 97F
應該有sw stack包起來讓AI高手不用管底層是哪種hw
01/24 11:59, 97F

01/24 11:59, 1年前 , 98F
方便出去吹
01/24 11:59, 98F

01/24 12:09, 1年前 , 99F
現在都萬物Transformer了 連CV也是 還有ChatGPT雖然
01/24 12:09, 99F

01/24 12:10, 1年前 , 100F
昂貴但在面向消費者時 是可以特製化弄小和搭配AMD
01/24 12:10, 100F

01/24 12:12, 1年前 , 101F
這種APU 因為ChatGPT是Generative Pre-trained
01/24 12:12, 101F

01/24 12:12, 1年前 , 102F
pretrain model是可以針對落地場景客製化啊
01/24 12:12, 102F

01/24 12:12, 1年前 , 103F
這樣可以減少費用啊 簡言之Training和Inference
01/24 12:12, 103F

01/24 12:13, 1年前 , 104F
是兩件不一樣事情 老黃通吃兩邊不代表AMD不能走落地
01/24 12:13, 104F

01/24 12:15, 1年前 , 105F
最後99AMD 99NVDA 99TSLA Q____Q
01/24 12:15, 105F

01/24 12:16, 1年前 , 106F
如果要在客戶端用特製的tpu搞不好比amd更便宜啊 XD
01/24 12:16, 106F

01/24 12:17, 1年前 , 107F
NV CUDA的領先, 其他廠商不花大錢是不太可能超越的
01/24 12:17, 107F

01/24 12:18, 1年前 , 108F
在deploy時候 有時候不需要cuda 只要省電計算快就行
01/24 12:18, 108F

01/24 12:18, 1年前 , 109F
cuda好用在於寫算法做training 一但model有框架
01/24 12:18, 109F

01/24 12:19, 1年前 , 110F
可以再根據計算系統deploy 這也是為啥tensorflow
01/24 12:19, 110F

01/24 12:19, 1年前 , 111F
這樣複雜 因為他根據各種cpu寫不同的deployment..
01/24 12:19, 111F

01/24 12:20, 1年前 , 112F
qualcom自己都再推自家的compiler把ai模型轉成適合
01/24 12:20, 112F

01/24 12:20, 1年前 , 113F
自家的計算機系統優化底層c code
01/24 12:20, 113F

01/24 12:22, 1年前 , 114F
這也是為啥pytorch在落地很難用 因為很多算法不支援
01/24 12:22, 114F

01/24 12:23, 1年前 , 115F
同時也不能優化各種不同cpu架構 但用它寫model又很
01/24 12:23, 115F

01/24 12:23, 1年前 , 116F
很簡單 所以才會有人說落地要用tensorflow開發底層
01/24 12:23, 116F

01/24 12:37, 1年前 , 117F
說來還真是慚愧,我的確所有東西都自學的,nlp自學
01/24 12:37, 117F

01/24 12:37, 1年前 , 118F
,AI ML也是自學,python,手機, RTL, verification
01/24 12:37, 118F

01/24 12:37, 1年前 , 119F
,verilog,sv,CPU,cloud, VM, container 等通通都是
01/24 12:37, 119F

01/24 12:37, 1年前 , 120F
自學,我出身差不是什麼名門實驗室或是大牌指導教
01/24 12:37, 120F

01/24 12:37, 1年前 , 121F
授出身,工作需要什麼就學什麼,甚至為了換工作去
01/24 12:37, 121F

01/24 12:37, 1年前 , 122F
自學最熱門的技術,不過我覺得我自學還蠻不錯的,
01/24 12:37, 122F

01/24 12:37, 1年前 , 123F
至少工作上用得到也用的不錯
01/24 12:37, 123F

01/24 12:41, 1年前 , 124F
不久前跟DeepMind 合作開發alphafold平台,但是知
01/24 12:41, 124F

01/24 12:41, 1年前 , 125F
道project做完得獎我還是對上層model 不熟
01/24 12:41, 125F

01/24 13:26, 1年前 , 126F
AI吹起來
01/24 13:26, 126F

01/24 14:40, 1年前 , 127F
三類仔被糊了一臉天書XD
01/24 14:40, 127F

01/24 17:54, 1年前 , 128F
也沒啥一臉天書 就最強那幾間包一包成etf就好了
01/24 17:54, 128F

01/24 17:55, 1年前 , 129F
但這波我覺得供應鏈更有機會
01/24 17:55, 129F

01/24 18:55, 1年前 , 130F
Google 自己的要趕快端上來了
01/24 18:55, 130F

01/24 21:43, 1年前 , 131F
attention算是應用蠻廣泛的概念了。自學很正常阿,
01/24 21:43, 131F

01/24 21:43, 1年前 , 132F
因為東西太多太雜了...當然正規訓練還是比較紮實。
01/24 21:43, 132F

01/24 21:44, 1年前 , 133F
一堆新東西,哪學的完...
01/24 21:44, 133F

01/24 22:00, 1年前 , 134F
AI太多打高空的東西XD
01/24 22:00, 134F

01/25 17:21, 1年前 , 135F
文章代碼(AID): #1Zpis70r (Stock)