, 你看看這盤勢，川普的贏面在那裏？
深尋震撼！
星期一美國股市大震撼
盤前交易股價
輝達和台積電股價下殺10%以上
美國科技股像遭到大地震襲擊
大殺盤的原因只有一個
美國幾家專業及學術機構認證
最新出爐的AI模型
「深尋」DeepSeek
與OpenAI的ChatGPT較量
有過之而無不及
OpenAI的ChatGPT要使用
大量昂貴的輝達AI晶片
要用台積電的高端製程
要花費鉅資蓋豪華的算力中心
還要耗盡龐大的電力
更令人訝異的是
DeepSeek都不需要
不需要昂貴的輝達AI晶片
所以輝達股價下挫
也不需要台積電的高端製程
所以台積電股價下殺
原本ChatGPT開創出來的
演算法已經走在AI前沿
打敗Google和Amazon的AI演算法
帶著輝達和台積電風光了兩年
沒想到DeepSeek橫空出世
開創出來另一條AI模型新捷徑
目前被認定可能會像
抖音把YT擠到老二那樣子
DeepSeek把ChapGPT擠到老二
連帶拉AMD和華爲
讓輝達無法唯我獨尊
更讓拜登和雷蒙多這兩個蠢貨
要遏止中國AI的念頭成了一場白日夢
DeepSeek 的設計者是一群
北京大學和清華大學的博士
這下子有好戲看了
中美競爭剛開始
美國認爲不賣輝達晶片給中國
中國的AI就沒搞頭
雖然中國晶片目前還輸美國
美國沒料到中國卻在AI模型硬超車
看看美國還有什麼法寶
可以遏制中國的AI？（ 蔡正元）
但若是這樣，道瓊為何大漲？
我的解釋才對，且兩年多前就說了
你放空了沒？
操作與套利的最大差別是，操作得好，一天13%, 但今天台股休市，妳不可能有價差套利，然後你發現舉足彩無措，妳自己給自己編劇，再八天又漲回來了，台積電那次不是這樣？ 或，妳根本不去放空也不套利，傻呼呼過日子
大年後再去警察局報案詐騙
我勸妳把電視台財經名嘴都告詐騙
哈
自從市場上出現妖魔鬼怪後，大約是兩大弟子潘弘諺與簡楷芳休息後，我也兩年多不看財金雜誌了
股神軍像太平天國一樣靠後起怡婷等人支持者，還有詠傑
今天終於讓我看到
這種春節期間咬死你
希望你真不是家財萬貫
我知道你一定笑我，過完年就漲回去，不用擔心
我也沒持股超過一個禮拜，我也不會擔心
自從市場上出現妖魔鬼怪後，大約是兩大弟子潘弘諺與簡楷芳休息後，我也兩年多不看財金雜誌了
股神軍像太平天國一樣靠後起怡婷等人支持者，還有詠傑
今天終於讓我看到
這種春節期間咬死你
希望你真不是家財萬貫
我知道你一定笑我，過完年就漲回去，不用擔心
我也沒持股超過一個禮拜，我也不會擔心
低成本模型的崛起：DeepSeek是否威脅NVIDIA的霸主地位？ https://vocus.cc/article/67970338fd8978000169e782
低成本模型的崛起：DeepSeek是否威脅NVIDIA的霸主地位？ | MimiVsJames的美股投資分享
VOCUS.CC
低成本模型的崛起：DeepSeek是否威脅NVIDIA的霸主地位？ | MimiVsJames的美股投資分享
2025最重要議題:AI擴展定律是否延續？
中國的超車風險不在於GPU，而是寄望於AI的擴展定律改變.
所謂的「擴展定律」(scaling law)，指的是若要構建更好的AI，最簡單的途徑就是構建更大的AI數據中心來訓練模型。 過去幾年，這一點無可否認。如果比較GPT-2和GPT-3，會發現GPT-4表現更好，這很大程度上得益於更多的數據訓練。
然而，儘管GPT-4使用了更多數據和算力，結果並未顯著提升模型品質。原本謠傳在2024年發布的GPT-5尚未問世，也可能是因為它未能帶來預期的改進。
美國所有主要AI實驗室，包括OpenAI、Anthropic、Alphabet和Meta，都已得出結論：傳統的擴展AI系統的方法，不再帶來過去那樣的回報。AI專業期刊及主流媒體，正廣泛討論「擴展定律」是否已經崩潰？
舉例來說，2024年底一家從中國對沖基金衍生出來的實驗室DeepSeek發布了模型。儘管GPU和數據非常有限，在一些關鍵測試中，它的表現卻超越其他競爭對手，包括阿里巴巴、Meta、OpenAI和Anthropic。
這一結果在全球的AI生態系統中引起了廣泛迴響，表明在比以往少的數據下，仍然可以取得非常好的訓練效果。如果成果屬實，那麼過去我們在OpenAI和Anthropic模型上所見的大規模訓練，將劇烈轉變。因為我們將不再需要投入大量資金，建造更大規模的數據中心、訓練更大的模型；對於美中晶片戰爭來說，這也將是重大新聞，因為美國對中國購買或生產晶片的限制影響力將減弱。
「擴展定律」變成「推理時間運算」？
美國科技公司認為，擴展定律並未終結，而是發生了變化，他們相信「推理」將成為未來一年推動AI系統改進的關鍵因素。
所謂的推理，是一種新的AI運算方式，稱為「推理時間運算」（Inference Time Compute）。OpenAI在2024年底推出的新O1模型，正是第一批能進行這種類型推理的模型之一。用白話文來說，答案好壞的關鍵，不在於前期對於模型的訓練，而是在丟出問題後，給模型更多的時間思考，就能產生更好的答案。
簡而言之，擴展定律並未消亡，而是發生了變化。對輝達及其他AI硬體供應鏈的公司來說，這將是好消息，因為即使在模型訓練初期使用的運算資源減少，後期的需求會增加。
對較低，因此可以多次提問，因為運算成本已在前期支付。相反，推理時間運算的成本，則主要在後期逐漸增加。
我們正在目睹AI商業模式的轉變，朝向一個運算資源在後端更密集使用的方向發展。這也正是美國政府加緊對雲端運算限制的原因，因為雲端運算是向企業提供推理時間運算資源的主要方式之一。
如果模型預訓練的擴展已經結束，而推理時間運算仍未能帶來突破，那麼中美之間的技術差距可能會縮小；但如果推理時間運算如OpenAI和Anthropic所預期，成為改變遊戲規則的關鍵因素，那麼運算資源的可得性仍然至關重要。這也將決定對中國的制裁的成敗。
因此，在2025年追蹤晶片和雲端戰爭的發展時，最核心的問題是擴展定律是否繼續存在、存在哪裡。這將是影響政治、技術和金融市場的關鍵問題。
