投資筆記－股癌 EP488

這個筆記整理並摘錄自 Gooaye 股癌 EP488 | ✨，時間是 09 分 07 秒到 32 分 13 秒。文字產自 AI 與我本人的少量編修，內容相關的權利完全為癌大所有，如果癌大有提出下架的需求就會立刻下架。小小宣傳一下，我都是用程式和 AI 輔助我做筆記、學習和寫文章，有相關的合作或講課需求可以來信詢問（contact@nien.cc ）。

連結

工作起伏與市場波動

然後再來就是工作上，因為工作上你就知道說反正有起有落，雖然它是你生命中最重要的事情之一，只是就是有起有落。有時候好，有時候壞，有時候出來舒服之後，就會發現後面就會出事情。好像過去你看過很多，不管是身邊的朋友，或是一些粉專或什麼的，就是有時候你看到大家在舒服的時候，你就知道說後面你慘了，然後就發現說他後面真的就慘了。

反正這波其實我們也算是熬了還蠻久的，就是從 8 月 19 號開始，那時候就一路跟大家分享我持續禁止就是在盤跌，非常的痛苦。然後直到禮拜三再跟大家分享的時候說，在上禮拜五的時候開始有一些起色，那很意外的是，到這禮拜五台股就新高了，這個我自己講出來我都覺得難以相信。所以如果有些人覺得是唬爛，你就覺得是唬爛吧，因為我自己都覺得有點唬爛。

台股與美股的操作差異

那美股的話當然還沒，美股還需要一段時間，因為美股是打的更散的一個配置。可是台股是會去針對一些部位去增加槓桿的，所以有時候就是靠槓桿就直接把它推回去了。就是如果說今天是換槓桿的話，不一定推得回去，但是因為有透過一些槓桿的幫忙，那當然就等到你推上去之後，可能槓桿又把它去掉，所以台股是做的比較激進一點，那當然它就會有一些可能在回吐的部分可以控的更好的一個可能性。

那美股的話可能就是沒有辦法去每個回吐就控的比較精準一點，但相對的我覺得美股這邊我真的有蠻多那種就是已經翻了好幾百趴的那種標的在那邊，可是台股就比較沒有，因為你要去鎖這些停利跟鎖停損的話，你就是很難吃到很大的雨。所以我只能夠說我就是用不同的策略在面對這兩個市場。那其實以前在美股這邊也會做蠻多比較偏短線的操作，不然我會去鎖一些 Trading Stop，移動停利，是用跟大家聊，然後為什麼後來都不聊，因為我後來都不太用這個東西了。

那因為像是說就把自己的這個專注力跟精神就是放在台股的這種偏中短線的東西，然後到美股這邊就是比較像是因為這些公司是我實際上摸得到的品牌，然後我看得到的東西，所以我是願意抱久一點。那最後面也發現說抱久帶來的報酬是非常非常驚人的。那你台股在那邊做的這樣子很激進的一些微操或什麼的，然後看起來就是對你的 Drawdown 好像是會比較低一點，但實際上真的報酬會比較好嗎？目前還沒有辦法去論定說就是哪個是比較好的一個報酬，但台股這邊確實比較累的，可是累的也還蠻開心的。

市場情緒的轉變與籌碼狀況

那我覺得這個禮拜開始在市場上的一些情緒有很顯著的改變，開始有一些動能的人，我相信大家應該感覺到就是可以賺到錢，就是你在前面去做動能就是一直被雙巴，但到這個禮拜開始，就是應該可以蠻明顯感覺到有很多標的有連續性已經走出來。那雖然這個連續性，我們沒有辦法確定他會走多久，但我覺得先看前面的一個壓力，然後到了壓力之後，有可能再洗一波，然後再讓大家跳一跳之後，那時候籌碼就真的變得非常乾淨。

其實他籌碼的乾淨程度我個人認為是還蠻高的，因為首先就是說，在過去的這幾個崩跌都是很有效的去把市場上的一些融資給擠出去。然後再來其實也注意到，身邊一些中大型資金的人對後市都是越來越看保守，當然看保守這件事情我覺得是好事。只是問題就是說，如果說市場真的沒有要立刻的死透的話，那有可能就是你最後面只能夠追高，因為市場再上去你們就只能夠說上季線你就是要做多，回來做多你就是把它推得更高。所以要說你後知後覺，那沒有辦法能夠追高，那只是當然這也不是說他不是一個好的策略，只是有些人就會選擇。

資金流向與市場預期

然後像之前可能在兩年前跟大家分享一些 Long Only Fund，他沒有看到一些確實的數據，他是不會把錢丟進來的，即便已經反彈很多，他不進來就是不進來。所以我覺得後面就是有很多資金，他們還是想進來，那只是他們還沒有等到他的訊號，那這些人後面都是有可能會補進來。

那目前在這個整個市場的前景上，大家都可以耳熟能詳，Go to first，他們要見面第一句話都知道說殖利率倒掛，然後現在開始要轉正。所以怎麼樣，後面就是會衰退，因為在過去幾年都是這樣子的一個案例。所以其實我認為就是大家都已經做好這個後面會衰退的一個準備，那只是在市場裡面，大家都知道最重要的問題根本就不是 What，而是 When，是什麼時候會發生。

就你說崩盤，我們都知道一定會發生，重點是什麼時候會發生。所以我會覺得他有可能會給一個驚喜，就是讓大家想到的方式去發生。你說像這個殖利率從倒掛轉正，就每個人都會寫，每個粉專都會寫，那華爾街的人一定每個人都知道。那這樣的狀況之下，這個東西還會是在接下來立刻對市場造成影響的東西嗎？我個人覺得不會。我個人就會覺得說，這個東西會先對市場造成一些驚嚇，然後就是在前面，然後直接很劇烈的震盪，可能就在反映這一件事情，因為大家發現這件事情。

那後面可能就會等到大家開始慢慢不去注意這件事情的時候，然後這件事情才會真正的造成一些破壞。就我還是會相信統計跟機率，就是在過去的統計就是長這個樣子，所以這東西一定是要尊重的，只是它可能不會按照大家想要它發生的樣子去發生。就搞不好先逼一堆人回來追高，追到你受不了之後，然後就一次把你們殺個透。就是我自己會往這樣的方向去猜想。

後續操作與槓桿規劃

那在這一波之後的操作，我個人就會選擇，只要有任何的往下跳，即便是在我預劃的往下跳，因為我們都知道說現在可能會直接去撞這個季線，然後撞季線之後就是估計會拉回來。那就算我知道這個拉回來，我照樣會把槓桿給降掉，就是說這個是我在後面的一些規劃。

那隨著這個部位越打越高，然後外加現在的形態越走越好，越來越多人相信的時候，反而是開始會反過來操作，就是慢慢的把槓降掉。就是我在後面的規劃會是長這樣的一個樣子。那再來就是觀察市場上有沒有什麼新的利多跟催化。

消費性事件與 iPhone 銷售狀況

當然其實我覺得在下半年的話，可能最主要的動能來源都會來自於聯準會相關的態度跟講話。在消費性事件上面，可能就是要走一步退一步。以現在來講，就是我們一定要去密切地關注一下 iPhone 的一個銷售狀況。那我自己昨天呢，也訂了一台 iPhone 16 的 Pro Max，就是幫助整個供應鏈增加拉貨。那我訂到的時間點，本來是直接按到了 11 點，然後最後面在結帳的時候就被跳掉。他跟我講說沒了，所以我只好改成下午的 2 點，但還是在第一天就直接拿到貨。

那我自己體感上的觀察是發現說，沙漠機好像賣得最好，然後再來是黑白，然後再來才是原色。那原色是上一代賣最好的嘛，那可能不是說什麼，就是大家已經覺得原色很無聊，不想買。我認為是可能上一代賣很好，所以這一代備貨的時候就備得特別多。所以呢，看起來就是他的量是比較大的。

電商平台與備貨量的比較問題

稍微看一下網路的銷售數據，在一些電商的平台，都是第一時間立刻被秒殺掉。那只是從 Apple 官網的這個銷售狀況來講，其實看起來並沒有到特別突出。就是我們會去設定幾個節點，像可能半小時、一小時以及 24 小時之後，那目前假設你去訂的話，你要等多久，然後用這樣去跟前一代去比。可是這樣去比會有一個問題的存在，就是這一代的 iPhone 在我們供應鏈看到的數字，他備貨是 8800 萬台以上，也就是按照往年可能甚至多了快要 10% 的一個備貨。

那 Apple 是對這一代 iPhone 是充滿很大的一個信心，所以很高機率是因為備貨量比較大。有些網路觀察家的一個評論，他不一定有把這個東西考慮進去。因為蠻多人的比較方式就是，反正我去年可能等到 24 小時之後訂，我要等三個禮拜，然後今年等到 24 小時之後訂，我只要等兩個禮拜。所以說今年賣得比去年差不一定，可能是因為這個首發梯次的備貨的量是比較高一點，所以才會有這樣的一個現象。

全球市場與後續數據的觀察

但目前我們去縱觀全球的一些網站、一些電商，然後還有一些我們自己拿到的銷售數據，看起來這代 iPhone 至今還蠻不錯的，但是可能還是要等到一兩個月之後，整體回頭看會更準。只是我們現在就會去搶一些前瞻的數據來做判斷，所以目前我自己會傾向猜測說這一代的 iPhone 是真的賣得還蠻不錯的。那禮拜一就可以來觀察一下市場是怎麼樣反應的。

供應鏈反應與市場預測

我自己會猜測像是鏡頭廠的話，因為蠻多是已經提早有去做動，所以反應的幅度可能有限，甚至是不反應。再來一些 CPTest 的廠，他最主要的問題是因為他其實已經有蠻多的 AI 題材跟故事在裡面，所以他的 P-Ratio 已經提早上升，也不一定會去反映這方面的故事。反而真的有機會去反映的會是在 Wi-Fi 7 相關的一些公司。如果說市場也是買單這樣的東西的話，我覺得這個應該是市場的一個 top pick。

Wi-Fi 7 的潛力與未來幾週市場趨勢

那我們上一集其實就是有去做這樣的一個大膽的猜測，就是在未來的幾週到一個月之間，大家應該要開始很認真討論這件事情。那其實我已經看到有一些投信有發出來，就是他們要去探討這 Wi-Fi 7 在後面的一些影響，因為他其實真的算是非常明顯，答案就擺在那一邊。

所以我自己會稍微看一下 Murata，然後跟在台灣的一些砷化鎵晶圓的代工廠、PA 的一些代工廠，然後看一下是不是有打底復甦的狀況產生。那其實這些東西，當然我們在看他的時候也知道，他不是只有有蘋果的訂單，他也是有蠻多安卓的訂單。

安卓市場的集單現象與消費性復甦的機會

只是安卓在我們差不多一個禮拜前的節目，我跟大家分享，在大家都一面倒不看好的狀況之中，我們是開始有注意到一些急單的出現。而這個急單他不是在某一個廠商或是供應鏈這邊出現，是大家不約而同的有喊出這樣的一個東西。所以可能有機會在中國這邊看到一個安卓機的拉貨中止，現在可能又重新的有急單進來。

那我們觀察後續的這個拉貨的動能是怎麼樣，如果不錯的話，說不定消費性復甦重要給我們看到。因為這個東西已經講了好久，已經講到我覺得很多人是拒絕相信的。

市場復甦的潛在契機與風險應對

可是呢，以我們的做法是，我們還是會持續地去等待任何一個潛在的契機發生，對市場造成的一個推動。那如果有機會的話，我們都是一定會第一時間就上車的。那雖然在過去也被騙砲過幾次，可是我們的工作就是要去面對這樣的事情。我們不會說今天可能去賭一個復甦，然後賭失敗，你就會注意到蠻多的討論區開始在那邊抱怨說什麼誰害他買，什麼誰又套什麼的。

就是如果你一輩子都在做這樣的事情，就是一輩子要當魯蛇。你就是要有那種怎麼講，越挫越勇的一個本事。你不要因為一招被蛇咬，十年怕草生。你就要知道，這個每個東西進場都是有一點毒的成分，反正只要做好你的分析，只要去盤算好你的下檔可能是多少，那任何一個潛在的機會其實都應該要去把握看看。

只是當然還是要注意不要太過度頻繁的交易，這個摩擦成本可能就非常高。但這些東西其實蠻多躺在地上，所以說不定在後面就會成為市場的一個新一波的動能的存在。

OpenAI 最新模型 o1 的測試經驗

在這個禮拜，我也去試了一下 OpenAI 的最新模型 o1。這 o1 就是之前代號 Strawberry 的一個模型。o1 我自己玩下來，其實我印象非常深刻。我能夠說我在一開始去做測試的時候，當然我們都會先問一些最基礎的東西，就是等於把它當 Google 用。那如果你只是把它當 Google 用的話，你可能會覺得它跟 4o 的差別沒有到很大，跟上一代差別沒有到很大。

所以這樣一個最明顯的原因就在於說，因為現在 AI 東西去回答一些那種基礎的問題，一些那種一翻兩瞪眼、非黑即白的問題是很簡單的。那個就是說，從過去的模型就已經可以做到，然後到現在你就不會覺得它有特別厲害的地方。所以現在的 AI 模型已經進入到一個新的階段，是如果你不是一些特化的工作者，或是有一些特殊需求跟深入需求的人，其實你不一定感覺得出來就是 AI 模型的迭代有變得更強。

甚至我覺得在後面甚至會有一些人會開始拋出一些言論是講說，這 AI 可能是一個詐騙，因為這些東西，什麼新一代跟舊一代的東西比起來，根本就沒有差別很大。類似很多人會講說，你知道 iPhone 什麼 16、15、14 根本就沒有什麼差別。可是這我就想問大家一個問題，如果 iPhone 它真的有很大的差別的話，是不是又要被靠北？你知道那東西就是你明明就沒有壞掉，然後硬要改，一直故意要去改它的外型，然後去改什麼裡面的軟體的編排跟設計。你改了之後用戶反而跑掉。

所以有時候我覺得像 iPhone 這樣的做法是對的，就是這樣的一個東西就 work，大家就是會買，那你就是在這上面持續的去加強跟改進就好。那如果真的有一些 side project 記得要拉出來去弄，不要說什麼把下一代 iPhone 然後硬改成就是你認為該是要的形狀，那這樣子反而會流失掉很多的消費者。

那些 AI 模型，我覺得現在跟這個 iPhone 可能給一些人的感覺是很像的，就是他可能是在網路上還是會看一些那種吹文。你知道 AI 吹文都喜歡整天在那邊吹喇叭的看了很煩，然後看了這些吹文之後可能會覺得很屌，然後自己去用就發現還好。到後面一定會開始進入一個反撲，因為吹文太多了，太多這種一直在吹的，所以一定有些人會開始反撲，就想說我根本覺得這個東西是沒有差異。

那如果他覺得沒有差異的話，其實很高機率就是因為他並沒有去用到很深入的一些功能。那這次官方有給出一些 demo，那這些 demo 其實絕大多數一樣，就是一般人已經用不到的範疇了。就像 AI 已經開始進入一個專業化的一個階段，那像是問一些謎語，然後再來像是在什麼量子力學上、物理然後跟醫藥跟生物上的一些運用，這些東西當然他講的多屌，我也沒有辦法去驗證他是真是假，因為這也超出我的認知的範圍了。

但是在一些數學的計算上，然後在一些識讀上，其實我覺得這個是還蠻不錯的。像過去的模型他是沒有辦法數，就是說 strawberry 裡面有幾個 R，他數不出來，他會隨便亂回答。那這個最主要原因是因為他把每個文字都當成是某一種標記，所以當我今天輸入了一大堆的文字，他其實是透過去識別這些標記之後，然後去把你要的問題給拼湊出來，這就是 LLM 的一個本質。

但現在他多了一個 reasoning 的一個過程，那他把他稱為思考，但我覺得不能夠講是思考有點怪怪的，因為他們就是還不會思考。他很像那時候反正就是把每個東西更加的去解構，然後他有辦法去算出說就是這個 R 有幾個。就過去可能是直接把每個單字都當成一個單字，現在會去拆解就單字裡面有幾個這個不同的字母。

所以我覺得他是有一些突破，只是突破一樣，就對一般人來講是你不會覺得有什麼特別厲害的地方。然後再來有一個 demo 還蠻酷的是，他去輸入了一串韓文，然後這韓文呢，他是把裡面的符音給改掉。我也花一段時間了解他到底在幹嘛，反而意思就是說韓國人可以在他們的字母裡面去做一些變化，那這些東西可能你透過一些翻譯軟體，或是說你如果不是 native speaker 的話，你不一定看得懂這都在講什麼，可能對你來說這個東西就變成是天書。

我覺得很像是說就是我們可以去把中文寫出來之後，那你知道就是中文的順序你可以隨便亂調動，但是你還是看得懂，這個在網路上已經有蠻多人玩過，你把中文的順序隨便亂調，其實大家是有辦法讀懂的。那再來呢，可能就是說把一些字換成是同音的字，可是不同的字體，然後甚至是裡面穿插一些注音文吧，就是在我理解應該是這樣的一個東西。

然後這樣的東西呢，現在這些 AI 模型是可以去識別，然後可以知道你在講什麼。那我自己也稍微的去測試了一下，但是我發現同樣東西我拿去 Google 翻譯，他也有辦法翻譯，就是我把文字隨便亂調動順序，那他也看得懂。那這個呢，當然我不知道是本來翻譯就可以做到還是怎麼樣，因為我現在才想到要去測試嘛。

但同時這個也提醒大家一件事情，就是未來我覺得 AI 的各種模型跟應用呢，它其實是會用大家想像不到的方式存在著。而這個方式呢，可能就是非常貼近你的生活。就像說你從現在開始，你可能在 Google 搜尋這些結果，那個就是大量導入 AI 所修正出來的一個東西了。然後或者說呢，你一樣是對著你的語音助理講話，但你的語音助理呢，也變得更加聰明的，只是這個大家可能不知道自己在用的東西是 AI 模型。

所以我就產生這樣的一個想法，那我要去測試它的時候，當然我就要用過去有問過 4o 的東西來問 o1，這樣才知道說到底它有什麼樣顯著的一個改變。所以我在幾個禮拜前有問過 4o，就是你可以跟我講一下 CIS 產業鏈長什麼樣子嗎？那他就開始跟你講嘛，就是 CIS 就是 CMOS 感測器嘛，那這個產業是長什麼樣子，它是怎麼樣的一個組成，它可以用在哪些地方。

那其實講的東西呢，都比較像是你今天可能隨便逛一個公司的官方網站會給你的那一些東西，就是說你看我們可以用在物聯網啊，可以用在什麼就是這樣很屁的東西。然後但這次的 o1 呢，就如果說你問的更細節一點的話，然後你去看它的推理過程，你就會去注意到一些有趣的現象。

就如果你問他說，我想要了解一下 CIS 的產業鏈是怎麼樣，然後他會先去拆解說你這個問題，你真的想要問的東西是什麼。然後如果說你在問的一個追加的問題，他還會去修正，就他前面的一些推理的一個思路。所以看起來他好像有在思考，就是過去比較像是我丟一個問題給你，然後就網路上隨便拼一些東西丟回來給你。

雖然這個拼出來的水準我覺得已經算蠻高了，就可能是一個國高中生的程度吧。但現在我覺得已經有點像是一個畢業後的小助理的程度，就他真的可以把東西整理給你，然後並且告訴你你所需要的一個數據，而不是給你很多打哈哈的東西。

就像說像你要去問一些比較偏向是量化的數據，就好我今天一樣是要問這個 CIS 的供應鏈，然後我想知道 CIS 的供應鏈裡面有各式各樣的東西嗎？他有二極體的存在，然後他有一些濾光片以及透鏡，然後還有一些可能在 IC 的設計有各式各樣的 effort，然後拼出一個 CIS 的這個模組。

那這個模組到底我要怎麼樣去識別說哪個環節是最重要的？那你問之前的一些模型或是其他他牌的模型在回答這種問題的時候都沒有辦法回答的很精準，甚至他會拒絕回答這樣子的問題。他就是會打哈就告訴你說都很重要，這都是好東西，這啪啪啪。

可是現在他甚至可以直接給你列出來說，他覺得 15% 是這個東西，20% 是這個東西，那其他東西可能加起來重要度不到 5%。那為什麼他會這樣想，然後他在回答你的過程中，他也在問自己為什麼他會這樣子想。所以我覺得他變得很有趣的地方是在於說，他真正的可以讓你學到東西。

就是過去的 AI 模型，大家說可以透過他學習，而這個我一直都是打一個問號，就是我會跟大家分享說 AI 模型很好用，幫我整理資料什麼，可是我從來沒有講過 AI 模型他可以幫我什麼學習，因為對我來講，我 Google 學到的東西是更多的。但是我後來慢慢的發現這些 AI 模型他的這個資料整理的能力是指數性的在進步，就是他不是只是說什麼每一代比上一代強一點點，他每次變強都強很多。

o1 模型的進步與影響

然後像現在 o1 出來之後，我覺得你等幾個月再看其他家的模型，應該也會瞬間變強。那他們可以做到的程度是，他已經不只是幫你整理資料，他甚至可以去幫你輸出一些，就是你希望你今天如果是請一個實體的助理，他可以給你的一些 feedback。就是你總是自己要去消化過吧，然後或是說，這個在這個資料的整理上面，你不要說什麼，你就是到處去撈一個有沒有東西隨便拼給我，你總是要去順過邏輯吧，你總是要去知道說，他們之間假設哪裡有問題，有對不上的地方，那我應該要怎麼樣找到到底真正答案是什麼。

但就是因為他多了這個推理的過程，然後跟他的每一個步驟，好像要回去問自己的感覺，所以會變成他的回答問題有點像是說，你知道就是以前我們小時候，你去問你媽叫她幫你解數學題的時候，那你媽可能覺得你這個數學題很低能，她可能前幾次都會跟你講，然後最後面你在問她的時候，她就直接跟你講說你要不要再想一下。我覺得現在這個 AI 就進入這個階段，她會說你要不要再想一下，她對自己講。那她自己想一下之後，她發現說這個回答不行，所以她就會去丟出另外一個比較完整的回答給你。

AI 的推理與思考過程

然後這樣的一個過程就多一個這種所謂的思考，但我們知道，這些電腦跟程式他們還不會思考，它其實就是各種程式碼處理的一個結果。它說不定其實就是跟 LM 一樣，只是它弄得更加的細緻了，但它還是在猜你要的東西什麼，而不是它真的有一個腦袋了。它還沒有到 AGI 的一個時代。

但我覺得在我自己，就是我認為我在很多部分已經算是那種專業人士，雖然我他媽整天待在家裡，可是我們其實研究的深度是很深的，那它一定可以滿足我的需求。就是我問那些東西，我是真的覺得我有跟你學到東西，而不是你只是去網路上找一些很籠統的東西。

AI 在專業領域的應用

像你知道我們有時候要跟一些人聊股票的時候，然後你知道有些人的水準沒有到，就是你問他一個東西，他只會說那個趨勢，怎麼講，那個是趨勢，他們同個題材的，這個就是這個世界會很需要他們這個什麼概念股，就是他媽怎麼講，都只會講這種超級概念的東西。他沒有辦法很細部的去跟你講說到底每個環節真正的關鍵在哪。

所以其實我認為去發掘第一性原理很重要，就是你要去找到每個東西的根本是什麼。你要知道我要問問題是什麼，然後我要知道的東西是，就像說我今天問你豪威跟 Sony，然後跟其他 CIS 公司，他們之間的比較，他可以很明確的去列出來說 Sony 強的地方在哪裡，然後這個 Omnivision 他厲害的東西在哪裡，他們是哪一個環節做得特別的好，然後他去跟你做出比較，就是為什麼誰可以在這裡面獲得一些優勢，可能是因為他有這個東西。

o1 模型的潛力與未來展望

然後這個是在過去一些模型是沒有辦法達到的，所以我甚至覺得這一次的 o1 他給我一種感覺是，他像是一個 Agent，就我們之前講的 Agent，就是像是聯發科的達哥，或者像 Apple Intelligence，然後他可以去支用一些資源，然後當然這個喂的數據越多，他可能會越來越強大。總之他可以把各種東西拼湊出來之後，然後丟一個東西回來給你，然後直接完成一個任務。

我覺得現在的這個 o1 就有一點 Agent 的味道出來，他好像已經可以去把所有各個條件都 check 好之後，然後回來他自己會順過之後，然後輸出一個你可以直接立刻用到的東西。當然他可能不是真正定義上的一個 Agent，但是我覺得他跟 Agent 的那個中間的界線已經越來越模糊了。

甚至最後面搞不好他又再丟一個 Agent 出來，然後直接把所有人都收割掉，然後變成新一代的 Google。你知道 Google 就是殺掉了很多的新創企業，那說不定 OpenAI 就是新一代的 Google，就是他所丟出來的每一代產品，然後都會殺掉一些人。

AI 對職場的影響

因為在過程之中你知道像以前就大家會講說，你一定要成為一個 Prompt Engineer，這是一個新的工作，只要會下 Prompt 的話，就是未來你搞不好靠這就可以吃飯。我覺得像這一代的更新，那個 Prompt Engineer 就可以去哄幹，他們應該就可以去哄幹，就是他的那個重要度已經不像前面，因為你只要給這個 AI 很棒的指引，然後你就可以把問題問得很好。

你現在你不用這些很棒的指引，他自己會去修正自己，然後回給你一個很棒的東西。所以與其講說什麼 AI 讓一些人失業，你不講說 AI 已經先讓一些 AI 聲稱會產生的工作的人失業了，因為他一直在有這種更長足的進步。我覺得這是還蠻屌的一件事情。

所以我到現在我都還在跟這個 o1 互動中，那我認為一般人感覺不出來的原因是因為你的需求沒有到那邊。就像是你換一個最新的 iPhone，其實你根本就是用不到那功能，你只是拿來回回 Line，然後可能隨便拍一些照片，然後可能上網這樣而已，那你沒有用到它裡面很 hardcore 的一些東西。

AI 模型的未來趨勢

那我覺得 AI 的模型到後面也會是這樣的一個狀態，就是可能大多數人用到是非常粗淺的內容，一樣都可以 Google，大家都可以 Google，只是懂 Google 的人跟不懂怎麼樣 Google 的人，其實你們輸出的品質會差很多。

那我覺得這個模型更新到現在這個程度，就是它會讓那些你懂得怎麼去用 AI，怎麼去問問題，然後怎麼樣去增加你優勢的人，你現在拉出來的距離是比那些他也是願意去使用 AI，但是他不懂得怎麼問，你馬上那個高下立分。而且其實在過程中，你反而省掉了這個 prompt 的一個過程，因為過去 prompt 是超重要，但我現在覺得 prompt 的重要度正在快速的下降。

然後甚至 fine tune，然後跟一些 AI 所衍生出來的問題，說它會換局或什麼，這些問題所產生的一些可能潛在可以賺錢的 solution，他們的重要性都越來越低。這其實是一個蠻可怕的事情，它正在快速的滲透之外，它還在快速的自我修正，然後變強。

然後過去我們以為就是現在的終局應該會長這樣子，結果沒有想到可能半年之後的終局跟半年前的終局是完全長得不一樣。然後大家以為會產生一些工作機會，然後或是說會消滅掉一些工作機會，這個判斷可能因為新的模型推出也會有新的改變。

所以其實整體對我來說是一個非常震撼的東西，可能我在這個節目上的分享講得比較零散一點，但是我盡可能的把我第一時間摸到它的一些感受，然後直接說出給大家。但是我覺得如果大家要去感受到到底這個模型厲害在哪的話，你還是得自己去試看看，然後盡量試著去問一些稍微深入的問題，就是你可能問 Google 你知道沒有辦法解決的，或是說你過去曾經有沒有一些問題是困擾你很久的，你試著去問看看偶爾，其實我覺得會有一些很驚訝的驚喜。