| 发布于: | 雪球 | 回复：155 | 喜欢：2 |
我是雪球上最早看好AIGC的人之一。2022年就开始发了不少内容介绍AIGC的前景。
2023年光模块刚开始走牛时，我研究了一下，看中了龙头股中际旭创。估值20倍PE。但是我内心深处始终对这种缺乏长线竞争壁垒的公司无法建立深刻信仰。所以我看了看，还是没有下手。
今年1月份，我买了一些中际旭创，因为我认为这是AI板块业绩最能够证实的绩优股。只可惜后来药明康德事件发酵，中际旭创也跟着跌停。
由于我内心深处对这种公司缺乏信仰，我就割肉跑了。
两天后我下了个结论，光模块应该是没问题的，药明康德不能买。只可惜，惊弓之鸟，很难再次下手杀入。而雪球上一个朋友，就在我割肉后若干天的底部重仓杀入新易盛，拿到现在。
中线和长线投资确实应该采用不同的策略。竞争壁垒对于长线投资更加有意义。对于中线投资，行业景气周期，市场风格，这些更加重要。
知行合一非常难。
每个人内心深度，都有某些偏见，执念。
本质上都是锤子理论，拿着一个锤子，到处都是钉子。
譬如我自己就喜欢有竞争优势的企业，那么对于其它没有长线竞争优势的企业，我就很难建立深刻信仰。
AIGC我虽然很早看到机会，但是没有赚到一分钱。
本来我认为连接器公司鼎通科技给安费诺代工112G通信连接器，也是用于AI服务器的，也算是AI受益股。
我拿着鼎通科技，忍受了3个20cm涨停，最后都过山车，然后在2023年5月份的回调又套了几个点。最后6月份终于雄起，我的持仓翻倍，但是高点我没跑。
最后又是过山车，我照样没赚多少钱。
这种景气周期的中线投资，我始终还没有适应。
大A炒作的一些标的，明明是非常利空的。譬如AI都能生产视频了，还需要视频编辑软件吗？adobe这个全球老大都开始跌了。还有横店的群众演员，以后AI生成了，还需要你们吗？
我有种感觉，大家还是少研究股票了。多去研究AI吧。
A股注定是个工具，为融资而服务的。
AI时代最受益的不是炒股者，因为股票太复杂，AI暂时起不了作用。
相反，AI对于实体的赋能是巨大的。
譬如做游戏，现在只需要几个小时，就可以用AI编码一个游戏，如果游戏做的好，上架IOS APP store，说不定就能赚钱了。
所以，AI会让很多虚拟产品的供给迅速上升，譬如游戏，电影，短视频，小说的等等。
譬如游戏，未来会两极分化。过去的，《荒野大镖客2》这样的大制作，用AI制作游戏素材之后，可以极大提高开发速度，降低开发成本，那么可以让游戏公司的利润率迅速上升。
另外，一批个人或者没几个人的游戏公司会崛起，利用AI可以开发出一批精品游戏。
想办法去做这样的个人公司吧，恐怕会比炒股赚钱的多。
可以去看看各种行业用户的观点，他们很多人对今年的AI进展是非常兴奋的。
反而很多投资者，因为日常没有真正去用AI，还在觉得AI是个无用之物。
我刚看了微软CTO凯文-斯科特谈人工智能的文章，这些牛人真的是对AI的进展感到激动不已。
“迄今为止，人工智能的大部分好处都分布在1000种不同的事情上，你甚至可能没有充分认识到你得到的产品体验有多少是来自机器学习系统。
例如，我们坐在这里，在这个Teams的视频通话中，在系统中，有所有这些参数是由机器学习算法学习的。音频系统有抖动缓冲器来平滑通信。你身后屏幕上的模糊是机器学习算法在工作。有一打以上的机器学习系统来使我们两个人的体验更加的愉悦。而在整个微软公司，这无疑是真实的。而这正是在微软中真实发生的。”
“我在之前已经谈到了GitHub Copilot，它真的很了不起。但这仅仅只是大型人工智能模型未来能做的事情的冰山一角--将同样的想法推导到各种不同的场景，让它们在编码之外的其他智力劳动中提供帮助。整个知识经济将看到一个转变，即人工智能如何帮助你解决工作中的重复性问题，并使其通常更令人愉快和充实。这将适用于几乎任何事情--设计新的分子以创造药物，从3D模型制作制造“配方"，或简单的写作和编辑。
举个例子来说，我一直在玩我自己用GPT-3建立的一个实验系统，旨在帮助我写一本科幻书，这是我从十几岁起就想做的事情。我的笔记本上写满了我为理论书籍创作的概要，描述了这些书的内容和发生的宇宙。有了这个实验性的工具，我已经能够让这个僵局被打破。当我用老式方法写书时，如果我在一天内写了2000字，我就会对自己感到非常满意。有了这个工具，我曾有过一天能写6000字的时候，这对我来说感觉很好。与我之前的工作相比，这感觉是一个质量上更有活力的过程。
这就是 "所有事情都会有副驾驶 “的梦想—当你做任何类型的认知工作时，你都会有一个副驾驶与你并肩作战，不仅帮助你完成更多的工作，而且还能以新的和令人兴奋的方式提高你的创造力。”
光模块的壁垒看起来低，但也许真还没有那么低。
我今天看到一个纪要，某公司送样三次就被拒绝了，而另外一个公司已经送样500次。
差距很明显。数据中心毕竟是高价值的资产，光模块一旦出故障，这些巨头损失巨大。
不能这么绝对。风口期的公司，估值可以很夸张。看看美股，超微电脑，炒作很凶猛。都是一样性质的公司。
去年错过了光模块，今年再次错过，还是有点遗憾。
我认为今年的sora被远远低估了。
生产文字，图片，我兴趣不大，但是生产视频，我自己都很有兴趣。我也当导演，随意发布有创意的视频。
文生视频的应用潜力很大，对好莱坞，流媒体，电影电视，短视频等有巨大的影响。
全球的AI算力竞赛可能会很疯狂。
A股就是一个缩影，看懂了就觉得恶心。
SORA的本质就是进一步提升AI的人机互动能力，发展过程中的一块基石。由于技术是要由应用需求驱动，所以我们看到的是这个应用外壳。
能产生应用需求的基本都在民营部门做了，核心和最终需求在军方
文生视频应用有潜力有多大，伤害就越大，现在还是算力瓶颈，再迭代之后会发现，很多意想不到的职业要失业，不是ADOBE这么小范围。
或许以后仓老师又会重现江湖，岛国要有很多人失业。
感觉这种AI辅助的编程工具，继续发展下去，可以进化成一种可以对人类日常语言命令进行编程的技术，比如人形机器人，你希望它去花园把水壶拿进厕所接水，这个看似简单的行为，如果要让机器人来实现，需要写工作量不小的代码来编程，第一步从当前位置移动到花园（中间需要经过若干障碍物，需要推开几道房门，走出房屋后，还需要关好纱窗防止蚊子进来），第二步从花园取水壶（需要移动机器人，拍摄大量花园的照片，搜索图片中像水壶的物体，进行图片识别，锁定水壶所在位置，拿水壶这个动作本身还需要对机器人本身弯腰、移动上肢进行编程，涉及到一系列传感器的配合，当然，人形机器人发展成熟后，这些都可以自主完成，不需要额外代码），第三步拿着水壶回到厕所接水（涉及到判断是家里哪个厕所，哪种路径最短，不用担心把花园的土带进卧室，清理机器人鞋底的土，关好纱窗，绕过若干障碍物进入厕所，然后打开水龙头，接水时要调整人形机器人上肢不同马达的力度和位置）……
上述简单家务劳动过程，需要大量代码工作才能实现，如果全部人工编写代码，毫无疑问非常低效率，必须有一种AI自主理解自然语言的含义，将自然语言操作化为具体的目标-动作，再将目标-动作转化为算法，最后将算法自动转化为代码……
//GitHub 的 Copilot AI 可以为程序员编写多达 40% 的代码，并在五年内达到 80%，GitHub 首席执行官 Thomas Dohmke 表示。
微软GitHub 开源子公司的自动化代码编写工具Copilot AI 取得的快速进步
, 是微软董事会成员霍夫曼的一个例子，直接被引用为一个信号，表明所有公司最好为他们的世界中的 AI 做好准备。他说，即使今天不对人工智能进行大量投资，企业领导者也必须了解人工智能的改进步伐和即将到来的应用，否则他们将“牺牲未来”。
“100,000 名开发人员从 Copilot 那里获得了 35% 的编码建议，”霍夫曼说。“与去年的模型相比，生产率提高了 35%。......在我们所做的一切中，我们将拥有放大工具，它将在未来三到十年内实现，这是我们所做一切的基线，“他补充道。
Copilot 已经在霍夫曼引用的 35% 的基础上又增加了 5%。GitHub 首席执行官 Thomas Dohmke 最近告诉我们，在过去一年的 Beta 测试期间，Copilot 现在正在处理使用 AI 的程序员中高达 40% 的编码。换句话说，每 100 行代码，就有 40 行代码由 AI 编写，项目总时间最多可缩短 55%。
Copilot 接受过大量开源代码的培训，负责监控开发人员编写的代码并充当助手，接受开发人员的输入并对下一行代码提出建议，通常是多行编码建议，通常是“样板”代码是必需的，但对人类来说重新创建是浪费时间。我们现在对这种形式的人工智能都有一些经验，比如在我们的电子邮件中，微软和谷歌的邮件程序会建议我们接下来可能要输入的几个词。
AI 可以对文本字符串中接下来可能出现的内容进行逻辑判断。但 Dohmke 说，“它不能做更多，它不能捕捉你想说的意思。”
这就是 40 行代码的用武之地。“在使用 Copilot 一年后，大约 40% 的代码是由启用了 Copilot 的 AI 编写的，”Dohmke 说。“如果你向高管们展示这个数字，他们会大吃一惊。...计算他们在开发人员身上的花费。”
随着项目在不到一半的时间内完成，一个合乎逻辑的结论是人类要做的工作将会减少。但 Dohmke 说，另一种看待软件开发人员工作的方式是，他们做的是比重写世界上已经存在的代码更多的高价值任务。“‘更高价值’工作的定义是消除重复编写已经完成的事情的样板式琐碎工作，”他说。
GitHub CEO 期望采纳更多 Copilot 代码建议——在未来五年内，最高可达 80%。与计算机领域发生的许多事情不同，Dohmke 谈到该预测时说：“这不是一门精确的科学……但我们认为它会得到极大的发展。”
在进入市场一年后，他说新型号正在快速好转。当开发人员拒绝 Copilot 的一些代码建议时，AI 会学习。随着越来越多的开发人员采用 Copilot，它会像新同事一样与开发人员进行交互，从被接受或拒绝的内容中学习，从而变得更加智能。人工智能的新模型不会每天都出现，但每次有新模型可用时，“我们可能会有飞跃，”他说。
GitHub CEO 将 AI 现在正在发生的事情视为他自 1980 年代后期以来一直参与的编码世界中生产力进步的下一个逻辑阶段。那是一个编码刚刚摆脱打卡阶段的时代，没有互联网，像 Dohmke 这样的编码员不得不购买书籍和杂志，并加入计算机俱乐部来获取信息。“我不得不等到有人问问题，”他回忆道。
那是开发人员生产力的第一阶段，然后是互联网，现在是开源，允许开发人员在互联网上找到已经“开发了轮子”的其他开发人员，他说。
现在，无论编码任务是与支付处理相关还是与社交媒体登录相关，大多数公司——无论是初创公司还是老牌企业——都会提供开源代码。“已经存在一个巨大的开源依赖树，”Dohmke 说。
从互联网和 GitHub 等开源平台提取手机应用程序中高达 90% 的代码的情况并不少见。在“其他任何东西都已经可用”的编码时代，这并不是开发人员或应用程序的区别所在。
“人工智能只是第三次浪潮，”多姆克说。“从穿孔卡片到我们自己构建一切到开源，再到现在在大量代码中，AI 编写的更多，”他说。“有了 40%，如果 AI 跨行业传播，很快就会在 AI 和开发人员的帮助下创造手机创新。”
今天，在可预见的未来，Copilot 仍然是一种接受代码训练的技术，并根据在代码库中查找内容来提出建议。它并没有发明任何新算法，但按照目前的进展速度，最终，“在开发人员的帮助下，它完全有可能创造出新的源代码创意，”Dohmke 说。
看了一些老外用生成式AI作画的视频。
感觉未来AI颠覆人类的时代真的开始了。
昨天已经看到有的服装业老板，已经开始利用AI了。
采用生成式AI来生成大量的图案，图片，需要进一步修改优化图案可以用photoshop软件。
这个成本降低，效率提高，比起过去好了太多。