EP161. 特斯拉又有新利多、AMD AI 實測敗北、自動化 AI 生產力 | M觀點
01:21:24 Share

欢迎来到 M 观点我是主持人 Mula 这里是一个紧跟科技趋势讨论热门时事并且分享投资与商业思考的频道每周一中午和周四晚上会在 YouTube 上面直播并且在直播结束后同步到各大 Podcast 平台上

我希望能够透过这个节目带着大家一起来学习掌握世界进步的主要动力科技创新商业思维以及自由市场的力量如果你喜欢我们的节目的话请按赞订阅分享及五星留言评价分享我们的节目给更多人知道也别忘了订阅我们的免费电子报 M 报你可以在资讯栏中找到我们节目的所有相关连结

哈喽哈喽大家好大家晚安欢迎来到我们今天的 M 观点哦今天是我们 M 观点第 161 集哦很高兴礼拜四的晚上再次跟大家聊聊做进这几天的科技财经的重要事件哦那今天是我们 12 月份的这个第第最后一集的礼拜四哦所以我们今天节目结束之后呢会有我们 M 观点的这个会员专属时间 Mula 真心话的节目哦

那好那在进入今天的主题之前呢先来我们的先先预告一下我们今天有三个主题我们今天第一个主题要来跟大家聊聊特色啦这个这一个礼拜有几个利多的一个消息哦所以我们来听听看来了解一下到底发生什么事那第二个呢是我觉得应该是这一两天非常重要的一个科技文件哦就是呢知名的半导体的一个自媒体叫做 Semi Analysis

他针对 AMD 的 NI300X 的这个 AI GPU 做了一个非常完整的一个测试他们花了五个月那拿来跟 NVIDIA 的 H100 H200 比较那到底这个比较结果怎么样呢我们来了解第二个主题那最后一个主题呢我们为大家邀请到这个由 AppsWorks 他们的学校 AI Work

他们的校长黄秀玲来上我们的节目来跟大家一起聊聊 AI 如何加上自动化来增加我们每个人的生产力好那接下来就进入我们今天业配时间我们今天来跟大家业配的课程是一堂很有价值的课程叫做实现 AI 自动化的第一步超高效 AI 指南 OK

我个人认为呢这个 ai 的课程呢现在开始已经慢慢逐步进入这种所谓从理论到什么到实战到怎么样替每一个人都得到帮助那这堂课呢所谓的就是什么 ai 加上自动化什么是自动化呢就让电脑自动帮你做事那以前呢我们用电脑帮我们自动做事可能是设一些简单的规则举个例子那你的 email 信箱收到某某人寄来的信件就自动删掉哦自动把它自动把它转移到某个资料夹

或者是你收到某个特定的关键字的 email 你可能要特别 highlight 起来对不对这是我们以前常常用的一种自动化的机制那很多公司里面都会有些自动化就在每天早上自动产生昨天的数字报表但是呢这个是古早的不是不能叫古早这是以前的自动化没有 AI 就只能用一些关键字用一些预设的一个东西但是未来有了 AIAI 加上自动化就可以大幅增加我们的生产力所以呢由 AppsWork

的学校叫 AI Works 他们为大家带来的这一堂现场课程叫做实现 AI 自动化的第一步简单讲就算你不会写程式你完全没有基础你也可以上这堂课就实现你的工作效率最大化那他里面有三大重点第一个重点是什么教你从你现有的工作流程里面找到哪几个环节是最能够使用 AI 加上自动化来增加你的效率的

第二个呢则是教你怎么样把 AI 跟自动化加入你的工作里面真正帮你打造高效率的工作模式那最后呢就是什么

真实的情境拆解给你看吧就在我们一般人的工作里面会有哪些工作然后这些工作呢怎么使用他就会教你哦所以呢这堂课程我非常推荐如果你生活中有非常多事情你都想着如果我有个助理能帮我做就好如果这件事情 ai 能够帮我做就好如果你是整天想这件事的话这一堂课就是给你的

即日起到 1 月 11 号找鸟现实优惠低于 42 折哦那进入我们的咨询栏你就可以了解更多输入我们专属优优惠码 NAI350 可以再折 350 块哦那在这里推荐这一堂课程给大家好不好好

好这个东宇说 M 大晚安好大家晚安那我们今天呢总共会来跟大家聊三个主题第一个主题呢要来聊特斯拉晋级的一些好消息当然了最近特斯拉的股价很强你知道这圣诞节前一天呢哇特斯拉股价居然又涨个七八趴真的是蛮强的那当然如果你今天是投资科技股或者是投资美股或者是对于特斯拉这种标股特别有兴趣

特斯拉就是过去这一两个月的投资重点对不对那当然我们不能只看股价嘛所以我们要来看看他在营运面上有没有一些新的东西哦因为其实我们之前聊过很多次特斯拉或者是如果你有订阅科技巨头节嘛你早就知道我对特斯拉的未来运营的看法但是但是呢哎在最近呢哎其实又有一些新的话题哦新的一些消息哦那先讲个比较单纯比较简单的一个东西哦

首先,华尔街现在分析师的共识预期认为在今年第四季,还没过完,还是还几天特斯拉会交出史上最高的交车数据交车成绩当然老实讲不意外了一个成长的公司,它的汽车销量要能够成长它当然得持续交出史上最高的成绩单

然后巴克莱银行呢就有发表他们的报告哦他们认为特斯拉在第四季的交车呢会年增 6 个 percent 变成 51.5 万台那华尔街分析师的共识预期 Faxate 这边的数字是 49.8 万

所以现在等于是有个银行呢他们发表一个更高的一个预测但是呢这个数字呢特斯拉以往历史以往最高的交涉数据最高是什么是去年的第四季 2023 年第四季他叫 48.5 万台所以呢不管是这个分析师预期共识的 49.8 或者是巴克莱银行的报告的 51.5

都高過於這個 2023 年的第四季的 48.5 所以看起來呢特斯拉在今年第四季交出史上最高的交車成績應該是沒有問題我認為一定 51 萬輛以上因為最近特斯拉就拼命在降價賣車好啦那我跟你講不過呢當然雖然突破歷史新高的交車數據看起來像是好消息對不對可是老實講這個數據不會對股價有太大的影響因為這裡面有兩個主要的原因

第一个原因是呢其实我们本来就期待特斯拉的汽车业务要变好甚至呢如果我们来看长线的话其实我们对于特斯拉的未来这五年十年的长线的他的 EV 电动车的成长率我们的期待应该还是要成期待 15%到

20%的成长区间了顺以这一季成长 6%的确创历史新高了但是也还好对不对也还好当然我们知道吉特莎是从一个第一点要开始慢慢回升但是

老实讲这数字不会虽然是历史新高但是不算特别厉害我觉得应该是这样讲所以这是第一个理由第二个理由为什么这个史丹新高的交涉数据对于特斯拉的股价应该不会有太大的影响因为什么因为特斯拉现在的股价

现在 400 多块的股价呢它的整个估值最主要的其实已经不是来自汽车业务我们之前有跟大家聊过其实特斯拉的汽车业务的合理估值在它现在股价至少在我 MULA 的 formula 我的公式里面大概就是 100 块到 150 块的区间而已对不对你乐观一点 150 块悲观一点 100 块

但是特斯拉現在股價多少?特斯拉股價現在很高啊特斯拉現在股價我前一陣子有到 480 490 對不對那我看看那個前兩天因為昨天聖誕節沒開嘛之前收盤 462 塊所以 400 多塊的股價請問汽車業務才 100 到 150 塊那剩下的兩三百塊誰的?FSD

RoboTaxiAutomus 以及什么 TrumpTrumpTrain 所以其实特撒这一波的这个整个估值是来自于除了汽车业务能源业务这个现在已经稳稳成长的业务以外就是什么自动自动驾驶吧人型机器人嘛以及川普的

川普交易我们讲川普交易就是你期待川普上台能够替特斯拉带来额外的利多这叫川普 trade 所以呢请问汽车销量多个 3%少个 5%有影响吗没有吗因为不会影响 FSD 不会影响 Robo taxi 不会影响 Otomus 不会影响川普 trade 所以汽车销量如果那个他他不是超级预期的好也不是超级预期的烂的话其实都不太会影响股价

你如果超級預期的好就這樣舉個例我們剛講呃分析師共識是 49.8 萬輛那巴克萊銀行 51.5 萬輛那如果他交出一個 60 萬台哎哎這就嚇死了那可能股價就會噴了但是

可是他根本沒有那麼大的產能所以他不可能這樣子那如果他賣超爛只賣個 40 萬台可能也會跌但是應該不會吧因為其實通常我們這個預示共識預期在 49.8 這個你可能上下個一兩萬這比較合理比較可能出現的所以呢其實這一次的交車數據應該對於特斯拉的股價影響不會太大

所以这个是我讲的说哎虽然他是一个好消息可是理论上他他不应该对股价影响哦不过不过哎我今天第一个主题其实不是要来聊巴克莱银行的这个这个数据啊我们的预测我们其实要讲特斯拉他的明年的汽车的有一个我们之前没有特别跟大家聊过的利多

是什麼利多呢就是他們 model y 的改版現在看起來即將在明年上市明年上半年就要上市了現在傳出來的消息是 model y 他的一個改版然後他代號叫做 juniperjuniper 這一臺新版的 model y 呢據說在明年一月份就會在

特纱的上海超级工厂开始量产了那为什么这个东西在这个礼拜变成一个话题呢是因为什么因为在之前其实在中国就一直有人在路上看到就是那种所谓的

這台這台 model y juniper 的一個他就他們這種未正式發表新的他都會用一些布把它蓋住我就讓你無法看到他的一些造型的改變了所以就是大家突然哎這台就是應該就是特斯拉吧那那之前中國就被募集在路上測試以外呢哎就在這上個禮拜

美国加州也有人在路上看到这台车前面有一个帆布看起来后面有个帆布看起来看起来就是特斯拉这台是不是就 juniper 看起来整个外形就很像 model1 所以呢现在看起来无论是中国无论是美国我们都看到有人在测试这个 model1 的改版 juniper 这一个版本那所以呢看起来呢如果如果按照中国媒体的说法是正确的话现在已经 12 月底了所以明年 1 月

Juniper 就在上海工厂开始量产那什么时候他会开始卖呢其实很有可能 2 月中国就开始卖 Juniper 了就 Model Y 改版那美国呢美国的厂他其实会卖的这个 Model Y 应该是会从这个德州的奥斯丁工厂生产所以

我猜現在德州奧斯汀公站可能也開始在在規劃 juniper 的這個生產的那你看嘛像 model 3 的這個改版其實也是也是中國先上美國晚一點上嘛所以有可能其實我我認為了明年應該是一二月甚至或二二月三月中國這邊就開始賣這個 model y 的改版那美國呢美國可能就晚個兩個月吧就可能 33 月或 4 月或 5 月就可能會開始賣因為

我觉得 Model Y 这台车的销量一定会很强所以我相信特斯拉应该不至于说中国明年 2 月 1、2 月就开始卖了然后美国拖到明年年底我觉得几率不高所以我认为美国明年也是上半年 Model Y 应该就会正式上市那这件事情呢对于特斯拉明年的汽车销量绝对会有很

很正面的幫助哦所以我們剛剛不是講嗎其實特斯拉現在在第四季對 model y 有一個有有蠻多的特價我猜他現在就在清庫存了因為你去想嘛

我新車上市前我就要把舊版的 Model Y 賣光嘛那舊版 Model Y 要怎麼賣光?就是打折嘛 便宜賣嘛大家就搶嘛 搶完之後什麼舊車賣完之後什麼 新車就要上市了那明年 2025 呢原本馬斯克之前喊出來的就是他什麼汽車交付數量要比今年 2024 成長 20%因為今年 2024 年對特斯拉來講蠻掉漆的啦因為他今年幾乎是不會有成長

馬斯克說他目標是今年能夠持平或者是稍微成長一點點那個成長一點點可能會低於一個%所以等於是沒有成長了所以今年 2024 年特斯拉年初股價跌這麼大是有理由的但是但是哎

明年 2025 就不一样了明年 2025 马斯克喊出来要比今年成长 20%那他要靠什么车子来增长 20%呢?当然现在 Model 3 已经改版了那以及什么我们之前聊的一个最重要的重点是什么就是明年 2025 的上半年特斯拉就会推出入门款的平价电动车之前有人叫他 Model 2 或者叫他 Model Q 但是都不是啦反正特斯拉现在也没有帮他取名反正叫做 Affordable Model 叫做

叫做這個價格大家買得起的這台電腦是 affordable model 那這台車呢合理估計他的售價應該是 36,00037,000 美元哦因為特斯拉之前就講過了說呃他們的目標是扣除聯邦政府補助之後能夠壓在 3 萬美元下所以如果聯邦部其實聯邦政府補助未來應該會取消了但是我們先如果先把這個東西

預估進去美國聯邦政府的補助是 7500 美金嘛所以那個可能是什麼他他定價只要 37499 那你扣掉 7500 就變成 29999 對不對就壓 3 萬美元以下就是這一台入門款的車那當然如果美國明年的這個電動車的這個退稅補助如果取消的話那特斯拉可能會更降價但是我覺得他可能就不會不會降到

3 万美元我觉得他可能就卖个 3 万 4 3 万 5 美元其实也很有竞争力因为 model3 跟 modelY 都是 4 万美元以上以上的车款好所以其实本来大家期待就是哇明天特斯拉的汽车销量要成长 20%就是靠这台什么入门入门款的这个平价电动车可是呢

哎大家都漏算的一件事就是哎 model y 明年確認要改款哦所以 model y 的改款再加上了我告訴你哎明年特斯拉的小氣動車銷售量哦絕對會很強啊底氣十足了為什麼因為我跟你講 model y 這台車呢已經

2023 年是全球最畅销车馆就单一一台车全球卖的最多就是 Model Y 那今年 2024 年呢预计会产点目前从 1 到 11 月的销售看起来他也会产点所以 Model Y 已经会连续 2023 年跟 2024 年都是全球第一名的畅销车馆那你去想哦这一台车其实已经上市 5 年了 Model Y 是 2019 年上市的今年 2024 年哦所以你去想

想一件事哎其實這樣是幾年 19 2021 22 23 24 其實是 6 年了 2024 2019 呃呃哎哎這樣是哎反對啊反正反正其實是五六年對不對好所以你去想這個

其實上市五年真的該改版了啦其實因為大家都會說這個造型有點老舊了或什麼的其實你知道車子都是這樣嘛反正過一陣子大家就看膩了大家知道路上也太多車了我想造型要換一下所以我跟你講

這次 Model Y 改版絕對會刺激笑出來據說這次改版有幾個重點就是它除了前後的車頭跟車尾都有些改款以外據說內裝也會更加的簡潔可能會有點類似 Model 3 改版的狀況而且更重要的是

這個電池效率劇透也會增強哦哦所以呢而且成本也會降低哦所以這這台 model y 我覺得明年改版的應該會對市場刺激蠻大我覺得很多人就在等嘛很多人想說好我要等下一代的 model y 出來再買我幹嘛買一台 2019 年發表的呢我我現在 2025 年就有新的我幹嘛所以我覺得

幹嘛買舊的所以我跟你講我覺得明年除了入門款的這個電動車以外加上 Model Y 的銷售真的是會我覺得今年特價大概就是賣 180 萬台上下嘛那你說再加個 20%就 216 萬台等於是要多賣 36 萬台我跟你講光靠這台 Model Y 我覺得

就多卖 20 万台没问题因为今年 Model Y 大概是卖 130 万台左右但是 20 万台加上去就明年 Model Y 说明可以卖到 150 万台我觉得这个几率是很高的

好啦那所以以上是我认为这次这个特斯拉这两周的一个好消息啦那除此之外呢在美国政府这边也有一些好消息哦川普还没有上任可是拜登政府呢现在替特斯拉开始端了一些好消息为什么呢因为现在川普政府还没有上任所以现在的执政是

民主党的拜登政府可是呢国家公路安全管理局 NHTSA 就是管美国这些公路交通的一个主管机关呢他就在前两天说他建立全国的一个自动驾驶的监管的一个架构而这个架构呢虽然我目前只提到名称可是至少他们宣称会比以前更有效率或更有弹性

那你想說哎為什麼拜登政府要在下台前一個月做這件事我猜吼就是他想要什麼搶個頭財他知道這件事川普上台一定會做嘛啊川普上台一定會建立了全國的自動駕駛監管架構然後呢然後呢

然后对自动驾驶的金管放宽所以我觉得拜登政府想说好你要做这个我就抢着比你早做一步未来人类的历史在记录之前就说在 before 川普政府做这件事情拜登政府已经做了我猜大概是这样了就是因为说真的这一个月他根本做不了什么事他这一个月就说好我们要做然后什么就开始准备开会然后他们的

然后就就正常轮替啦就叫政府交接啦所以所以其实不过当然啦你说这个东西很多就是在事务官这边做嘛所以或许川普政府上台之后可能就可以沿用现在拜登政府刚启动的就这个计划一直做下去那

那 anyway 呢今年特斯拉的股价真的是惊奇不断的就叫云霄飞尘自己现在已经到了年底我们来回顾一下今年的特斯拉股价年初的时候刚刚进入年初的时候哇那时候股价 240 块到 250 块区间对不对啊可是呢我觉得到 1 月中下旬之后大家开始慢慢发现说哎其实特斯拉今年的销销售量可能不会太好没有没有本来可能预计上 10%可能都没办法哦

所以交车数据有坏消息毛利率看起来也会坏消息所以他就一路下跌从年初 240 250 跌到 4 月中下旬一定要 140 块左右那那个时候就是我们台湾知名的谢金河大师出来唱衰他之后那个来 4 月 22 还是 23 号就来到他最低点

但是呢哎从那个之后就开始反弹就慢慢回到 maybe 180 左右哈但是呢到七八月的时候有一个更强的反弹哦一口气就回到什么 200 块以上我会回到 200 到 250 块的区间那为什么呢为什么七八月那个时候可以一口气收上去呢因为

那个时候我们其实已经确认一件事就是特斯拉的毛利率可能看起来已经触底了所以不会更烂的而且特斯拉也提早要推出他的新车然后自动驾驶 FSD 当时的 V12 版本也是很强大所以我觉得在那个时候主要是 7 月份那个时候他发布发表第二季财报就把这些问题都一口气处理了

好所以我们之前讲嘛马斯克提早辩证提早辩证就看就得到了这个股价的反弹然后呢特斯拉今年的最后一波的强劲上往上喷发就是在 11 月川普选上之后所以 11 月初川普正式选上之后呢特斯拉因为是最支持

马斯克是最支持川普的这个企业大亨嘛所以特斯拉就是得到川普 trade 的一个当然当然了还还要加上 FSDV13 的进度加上奥特曼的一个顺利发展哦所有的证明因素加在一起就让特斯拉现在创造 400 多块对不对

所以這是今年特斯拉你不覺得這是一個雲霄飛車嗎一開始大家沒有覺得沒有那麼爛還行還行但突然就跌到谷底跌到谷底之後稍微反彈回來但是大家在什麼猶豫然後多空交戰然後唱衰的還是很多然後呢突然特斯拉變陣看起來稍微穩一點稍微穩一點沒那麼爛然後怎麼最後什麼哇靠川普選上了然後 FSD 好厲害啪又爆發出去了哎

云消费一次对不对所以最后就跟大家讲一下我觉得今年的特斯拉正好如果你是特斯拉的投资人他其实你可以从中间学到很多东西你可以学到第一个你要投资一间公司你要看得懂这间公司好不好你必须看懂这间公司未来的重点是什么现在特斯拉的最主要营收绝对是电动车可是我从去年开始就跟大家讲特斯拉的未来在什么在机器人在自动驾驶

電動車很好可是未來自動駕駛跟機械人都不會中間性不會輸給電動車啊所以呢如果

你在上半年的时候你看的这就是电动车你可能就会比较悲观可是如果你像我一样哎你哎你知道我我我也觉得今天特大电动车不会好可是我因为我对他的自动驾驶跟机器人我是很信任的所以我想说你跌的很低那没什么问题我我还是紧紧抱住我甚至我还加码对不对好所以这是第一个重点你要看得懂这件工作对我们之前有跟大家聊一聊一集叫做投资的 thesis

投资的 CISO 就是投资的论述投资的论述就是找到为什么你要投资公司为什么这间公司你该投资当你看错焦点的时候你就会做出错误的判断所以这是第一个重点看懂这一间公司的重点好不好第二点是你要能够耐得住市场的波动你知道当年初从 240 250 跌到 4 月的 140 的时候

你知道如果你是什么技术派啊你什么你严格设定准你根本就抱不住嘛然后就算你本来对特斯拉很有信心 250 滴啊 140 我知道很多人会抱不住我可以理解了所以我跟你讲这件事情呢如果你在当时抱不住你逃走了你任亏出账了我跟你讲代表你

到目前为止还无法找到能够耐得住市场波动的方法麻烦你去寻找一个能够让你抱得住的方法那我举个例子以我来讲我就会设定一个什么我就设定一个部位上限嘛

我这样讲如果我是 all in 在特斯拉我跟讲我的主动说主动投资我在特斯拉 100%在特斯拉那 250 点 140 我也会吓死啊我心脏没办法承受对不对所以我怎样能够暴走我跟你讲我特斯拉就占我 10%左右 10%所以什么 250 点 140 就是我的 10%变成 8

8%变 6%我就加码嘛我加码买回到 10%我就可以抱得住因为我控制他的部位的上限之后呢我就心情不会受到那么大影响所以你要找到能够帮助你耐的住市场波动的方法

那當然如果你像我這種對特斯拉有信心的話甚至你在這低檔你要加碼嗎你看哦特斯拉年初 250 開始疊疊什麼疊疊到 210 220 我就開始買疊到 180 180 170 我也買疊到 150 160 我也買哦疊到 140 他他留他 140 只留一天哦所以我們沒有買到

否则 140 130 我看我我准备的所有资金我最低打算买到 100 块啊 120 还要进场 100 块也要进场所以是我的自己都准备好了啊哈可惜没有点那么多了哈那所以所以

其实要能够耐得住市场波动然后你才能够抱得住最后还有一个重点的就是你要能够忍住在一个高档初清获利了结的有我你知道吗今年呢无论是 Parenty 无论是特斯拉我都看到很多人跟我抱怨说啊我 Mule 我卖飞了 Parenty 早上 40 块我就卖光了特斯拉

特斯拉涨到 250 块我就卖光啊我可以理解因为你可能你你你可能是 180 的时候买涨到 250 已经涨很多对不对问题是哦不要这样子啊不要因为你已经赚了很多就把它卖光光真的不要这样因为你是长线看好他吗你要知道一间如果一间是一间非常厉害的高成长公司他的 upside 是可以远超过我们预期的

你知道在我自己的估值公司裡面特斯拉就值 300 塊 300 多塊而已啦特斯拉現在講 400 塊嚇死我了問題是什麼問題是沒關係我還是要爆竹他比我的運氣估值高了

三分之一但我還是要保住為什麼因為這些公司的 upside 他的 upside potential 他的上端潛力可能會完全出乎我們一開始的預期所以不要賣飛好不好你可以賣掉一點點然後就說好假設你本來有舉個例你本來有 3000 股的特斯拉然後你在 140 塊的時候有 3000 股的特斯拉哎然後呢當他講到 250 塊的時候你可以你可以賣掉 100 股啊沒問題啊

当涨到 350 块的时候你再卖 100 股接下来他现在涨 400 多块虽然你有卖掉 200 股可是你什么你手头还有 800 股啊还很好啊好不好好不好所以鼓励大家哦要学习这三件事第一件事要看得懂一件工作的重点第二件事情你要能够耐得住市场的波动第三点是什么你要忍住不要那么想要获利了结好吗长线看好就长线抱着可以卖掉一点点但是

保留你的大多数的部位其实就是这个样子好那这是我们今天的第一个主题就跟大家聊一下特斯拉的一个话题哦那接下来要跟大家聊一个重磅的主题哦也是我今天花最多时间准备的就是 andni 300x 的详尽实测报告这个算是这个礼拜 ai 的重磅新闻为什么呢因为大家知道吗

AI 的 GPUAI 运算的这个 GPU 现在就是 IVIDIA 独霸 IVIDIA 一家独霸那所以他就卖很贵赚很多钱那大家都想说我怎么样能够不要被他受制于他对不对那大家的期待就是看到那么以前那个显示卡的老二 AND 啊 AND 他也有推出他的 AI 的

gpu 就是 mi 系列哦這個他們現在主要在賣的版本叫 mi 300x 他們還有 mi 325 mi 350 mi 400 就是他們後續的版本但現在主力在賣的是 mi 300x 那 mi 300x 呢這一個 gpu 呢你如果看帳面數據哦哎比

invidia 的 h100 h200 还厉害哦可是他在市场的销售状况一直普普通通甚至让人失望到底为什么呢如果你的运算能力这么好为什么呢那当然嘛大家之前都会说库达嘛对吧 invidia 有库达库达有保护但是库达这护城河到底能够带来什么呢其实说这大部分也是 5sus 啊对你就说啊听 mula 讲库达就是说这库达很厉害除此之外你就不知道了

所以呢哎这个礼拜哎我们正好有数据来因为我 mula 不可能真的去帮你实测没扣码哦那本周呢这个知名的半导体的自媒体的 semi analysis 他就发表了一篇他花了五个月写的报告啊他实测什么 and 的 mi 300 x 这个 ai 的 gpu 加速卡对决 invidia 的 h100 跟

h 200 就是他們上一代因為我們知道 invidia 現在最新的 gpu 的架構是 b 200 叫 black whale 架構所以 h 100 h 200 是前兩年的架構叫 hopperhopper 架構的那 anywayinvidia 這個他的這個 h 100 h 200 到底能不能被 amd 的競爭對手 mi300x 幹掉呢哎

以这份报告的结论来讲没办法结论 AMD 实在是不太行就是我们直接快速跟大家讲结论是什么虽然 AMD NI300X 的账面数据比较好就是他的宣传数据比较好而且他也比较便宜问题是什么

就算是 AMD 的工程師親自來幫 Semi-Analysis 優化一個軟體版本哦這是特製版哦就是說你不能直接跑那個外面一般人用的那個軟體你要來我們工程師幫你調整過這個版本軟體你還是輸給 NVIDIA 耶

哇太慘了吧然後呢這個中間呢整個測試的過程中 AMD 的這 MI300X 在整個軟體的環境有常常會遇到 bug 常常會遇到很多各種不順的東西常常要調整要花非常多的時間跟資源調整所以基本上他的結論就是你這樣不行了好不好你 AMD 的軟體太爛了啦 MI300X 依照這一份報告的結果難怪無法對 NVIDIA 的 HOPPER 系列 H100 造成威脅

好了那接下来我们就来跟大家聊报告的详细内容那要看详细内容之前呢我们就先跟大家讲他们的账面规格账面规格 AMD 我们刚刚讲了 AMD 的 NI300X 的账面规格都赢过灰的那我们来看他账面规格怎么样首先我们来看 AMD NI300X 我们如果都找个这个业界比较常用来做训练的一个主要的格式的这个 AI 的训练的格式叫 FP16 我就把它讲的是一个运算的格式然后

fp 16 之下呢 mi 300 x 的 tflops 就是他的 ai 算力的一個一個評估的一個單位就是 11307 個 tflops 然後呢他的這個是晶片本身可以算 1307 個 tflops 然後他的記憶體頻寬呢是 5300 gb 每秒然後他的他的一

一張卡上面呢他的 HBM 高頻寬記憶體 192GB 那我們來對比一下 invidia 的兩個選手就是 H100 跟 H200H100 呢他的 fp16 的 T-flops 是 989 他就輸給你看這數字就輸給 mi300 因為 mi300 是 1307 1300 多啊一個是 900 多啊所以其實是有差的

記憶體頻寬他也說記憶體頻寬 H100 是 3352GBS 那他的記憶體更少只有 80GB 連 MI300S 的一半都不到那你要知道如果你今天一個模型能夠裝在那個記憶體裡面你就不用跨卡跨記憶體跑來跑去他省下很多傳輸的需求所以記憶體大致有幫助的

好那這是 h100 那當然 invidia 後來因為 and 推的這個這麼高記憶體版本所以他後來也自己推了一個版本就是 h200 就說好我知道我當初 h100 給了記憶體 hbm 太小氣了只給 80 gb 所以我的 h200 呢哎雖然那個主要的那個晶片是一樣的可是什麼我記憶體都加更多了

我的運算晶片是一樣我的 GPU 本身是一樣可是我記憶體有加多所以 H200 跟 H100 的差別是嗎他的他的 FP16 的運算的 TFLOP 實是一樣的都 989 為什麼因為

就是同一個晶片嗎但是什麼他第一個他記憶體比較多他記憶體從這 h100 的 80 gb 變成 141 gb1.5 倍以上哦然後他的記憶體頻寬也從 3352 gps 拉高到 4800 gps 噹噹不過這兩個數字都還是低於 ni300x 哦所以他整個整個數據是什麼 h100 是最爛 h200 好一點

ant nx 300 mi 300 x 的數據無論是這個 gpu 的算力 tflops 或者是記憶體的總量跟記憶體頻寬都屌打 invidia 的的競爭對手好所以看起來

会 NDA 很强的对不对但是呢 Semian Analysis 就来实测之后发现靠北啊你的数据根本都骗人嘛你的数据都鬼扯嘛那首先呢他们这次呢 Semian Analysis 他们做了两种不同的测试第一个测试是做矩阵惩罚因为 AI 的运算中会常常不管你是训练或者是推论都常常用所谓矩阵的惩罚那这个东西我们就

我就不跟大家講細節了反正這個就是一個技術性的東西要聽去找那個科技浪問科技浪的哈利不要問我那他們這個矩陣成反叫 GENM 那在 GENM 下呢他們同樣用 FP16 來跑的話 H100 跟 H200 跑錯的數據大概是 720 個 TFLOPS 那

那他的原本的他我们刚讲他的账面规格是 989 所以他其实没有跑到他账面规格的 989 那跑到 720 那你说哎那 h100 h200 这样还能赢 ni300x 吗当然可以赢因为 ni300x 在这个局阵惩罚测试里面他的 tflops 只跑出 620

我剛講他的帳面規格是 1300 多 1307620 連一半都不到好嗎只有帳面規格的 47%所以這是蠻落氣的就是你的帳面規格是打敗 invidia 在實際跑出來的卻落後 invidia 簡單來講

如果我們用宣傳對外宣傳的這個官方數據來看 and 的 tflops 其實是應該要領先 hopper nvidia 的 hopper h100 h200 領先 32%哦可是實際的測試變成 nvidia 贏了 16%

而且而且我们刚不是讲嘛其实 AMD 算是有作弊了 Semi Analysis 已经给他放水了 Semi Analysis 他们评比的这个最主要的版本是 AMD 的工程师官方工程师特别去调整优化的一个软体的版本如果呢你直接使用一般外部的这种所谓的公开版就是一般人都可以 download 到这些版本的软体 AMD 的效能还会再减少个一两%哦所以

你這個數字很差哎吼那我們剛講是 fp 16 的運算嗎那其實其實如果你在一些推論或者是一些比較沒有那麼要求精確性的狀況下你可能會跑運算速度更運算量更大運算需求更小所以速度會更快的 fp 吧比較低的精確度的 fp

我告訴你跑 fp 8and 會更落氣哦為什麼因為從 mi 300 s 在跑 fp 8 的的矩陣成法的話他的他會 n 引力甲 h100 跟 h200 會贏他 29 趴我們剛講 fp 16

贏 16%但是 fp8 nvidia 贏 29%所以你說帳面數據很強有用嗎沒有用啊你帳面數據雖然很強但是你實測就被屌打嘛好那我們剛剛講的是舉證的接下來我們來看如果你要訓練大型語言模型呢如果我們就假設我們今天是一個自己一個企業我要自己來訓練一個大型語言模型那那到底是 ni300 比較厲害呢還是 h100 h200 比較厲害呢所以呢這一次呢

那個那個他們怎麼測?Semi-Analysis 他就第一個他找了一整台機器啊 and 一台然後 invidia 兩台那每一台上面都有 8 個 GPU 所以他有三台機器一台是 8 台 8 張 H100 的 AI 伺服器第二個是 8 張 H200 的

伺服器,第三台是 8 张 NI300X 的伺服器那他去训练 4 个模型一个是 GPT 一个是 LAMALAMA3 的 8 个 billion 的版本还有一个是 LAMA3 的 70 个 billion 的版本还有他去测试一个 MISTRAL7B7 个 billion 的参数版本所以他总共测试了 4 个版本结果呢哎你知道吗?NVIDIA 的 H100 跟 H200 根本是全面碾压

你看這不同的模型哦真的是贏的有多有少但是我跟你講贏最少的就是這個拉瑪 3 的 70 billion 的這個版本就 700 億參數的版本他大概贏 10%左右 h100 贏 10%那 h200 大概贏 20%大概是這樣子我跟你講我是看圖哦因為他有個長條圖所以那個 10%20%我是看感覺就不是精細的數據啊說不定那個 h100 贏 8%9%反正接近 10%那 h200 贏 20%這是

打那個拉瑪 37 這贏最少的那贏最多的是 Mistral7B 在訓練 Mistral7B71 三速 Mistral7B 這個法國的這個大型原模型的時候 H100 跟 H200 都贏了 AMD NI300X 贏了 100%他速度上兩倍啊啊天吶這個根本是屌他他 TFLOP 是是 NI300X 的兩倍啊好

好那個這個是用一臺機器對不對那接下來呢 Semi analysis 去測試什麼用兩臺機器串聯好就把不是 8 顆 GPU 而有是 16 顆 GPU 所以 AMD 就是兩臺有 8 個 GPU 的機器然後 NVIDIA 也是兩臺有 8 個 GPU 的機器那這個時候呢 Semi analysis 他就沒有測 H200 他只有測 H100 因為他只有一臺 H200 的機器那結果呢只測 H100 哦同樣哦

這在串聯的在所有的測試一樣贏 10%-25%所以你看 H100 如果贏 10%-25%那 H200 大概會贏 20%-40%的所以我告訴你根本就是 AMD 是大敗虧輸啦那我跟你講當然 AMD 會說哎我比較便宜啊因為其實

他們這次 Semian Nets 也有自己去抓一個價格他的價格就是什麼用用一個伺服器的 cluster 一個大型的群組可能幾幾幾萬個 GPU 再加上網路設備然後去攤攤算每個單位的 GPU 多少錢

ni300x 的每個單位呢是 26,508 美元那如果我們 invidia 現在因為 invidia h100 是現在主要在賣的都 h200 所以 h 如果是 h200 的話呢是什麼大概賣 36,670 美元所以 h200 的確比 ni300x 貴啊因為一個是 36,000 美元一個是 26,000 美元其實貴了 38%了問題來了

invidia 的 h200 雖然過了 38%可是他效能的平均領先少則 20%20%~30%是基礎在一些測試像我們剛講的 Mistral 7B 贏 100%所以總體到底贏多少真的不知道就看你的應用但是 20%~30%是最基礎的所以我跟你講而且我們講這還是贏 AMD 的工程師特別優化版本如果是一般版本可能贏更多所以

你说效能这个落差对不对不对得起价格落差我觉得第一个我觉得对得起第二个是什么我们刚刚讲的是在解决掉 bug 解决掉各种调整之后的效能的比你要知道 AMD 的这个测试他要能够顺顺畅的跑出合理的成绩他要花很多人去除 bug 啊

所以我告訴你這件事情是 AMD 的硬傷啊你知道根據 CMI Analysis 為什麼他要測試五個月因為他 AMD 搞了很久

他说这是 Semmary Analysis 说的不是我说的因为 Semmary Analysis 说他们在整个测试中他们发现要把 AMD 的整个系统调整到最好的状态他们要用很多工程师花好几个月去调整他讲的不是三天不是一个礼拜不是两个礼拜是好几个月你想哦

你現在是在打 AI 軍備競賽的時代請問有哪一家廠商敢讓自己的 AI 的環境玩幾個月出來大家都是我現在買了一萬顆 GPU 趕快幫我組起來那你看你現在 NVIDIA 的東西是開箱就可用所以 NVIDIA 是什麼我這一萬顆 GPU 到我的資料中心的時候我串聯起來我就可以跑了問題是什麼 AMD 不是 AMD 這一萬顆進入我的

的 Data Center 之後我得花工程師資源去調調調調調什麼調了四個月五個月之後才能跑那請問

第一個如果我要賣的我我我這四五個月沒有東西賣第二個是嗎第二個是如果我知道訓練自己的模型天吶我就落後我的競爭對手落四五個月嗎真的不要玩了對不對所以也難怪為什麼為什麼這個特斯拉不買 xai 為什麼不買 and 現在只有唯一會去買 and 就剩下微軟跟 meta 而已啊就是說而且他們可能就只是說我的

我的 AI 算力里面 10%我去买 AMD 其实是这个样子我就说好这个是一个备用的慢慢做慢慢做那我更别讲你现在一般的企业要找到 AI 工程师能够调 AMD 的整个软体环境工程师根本很难好吧这种人在业界根本就很少了

大部分給你架一個這個 and 的一個 AI 運送環境你不知道怎麼調啊你可能就到處找資源免銷調幾個你不可能調的像 CMI NIS 這樣特別找 and 的工程師來調啊所以我跟你講一般企業根本搞不定這件事啊所以為什麼 NIS300X 沒辦法賣為什麼他賬面數據這麼好但他銷售就這麼普普通通因為什麼因為真的沒有辦法因為一般企業沒辦法用他啊

時間 delay 就算了重點是我有工程師嗎我沒有工程師可以調啊我公司可能有幾個 AI 工程師他他要他我沒辦法浪費再去調整這個環境好嗎然後我甚至他去調整他也不會調好嗎所以我跟你講 AMD 我猜 AMD 今年今年 AMD 他說他會賣 50 億美元的業績這 50 億美元 NI300X 我跟你講很多應該都是微軟買的

因為微軟他就不急嘛反正微軟他自己有功能是說我們慢慢調嘛我今天買之後慢慢調那你說微軟為什麼要買比較爛的東西很簡單嘛微軟也好

美台啊他們都不想被 invidia 一家綁死嘛所以這些科技巨頭他有資源有錢他說反正我要對外賣的我都買 invidia 反正確保我賣的東西是夠但是 and 我就慢慢調嘛幾個月後調出來的時候就可以就未來就會未來 and 就會慢慢上軌道哦就這樣他要培養 second source 啊所以我們我們只能講今天這個主題就是這樣講就是說我們我們其實聊到目前為止你看這整個測試就告訴我們

invidia 這個軟體護身盒真的是不容易跨過啊這個真的是真的是有其厲害啊你知道同樣要買硬體我跟你講真的我是老闆我就告訴你不要買 AMD 了因為他雖然比較便宜可是我我要多花幾個月啊這還是我有工程師我沒有工程師我可能連花幾個月想花都沒辦法花我要花幾個月我跟你講這太比那個價格比那個價錢

影響更大了所以我跟你講其實 AMD 的東西就算再便宜個 10%也很難賣所以我在講如果 IMMEDIA 的整個 CUDA 整個生態系的軟體支援度我們算給他 100 分太誇張了就給 90 分我跟你講現在 AMD 大概就 40 分了那 AMD 未來這兩三年就算很努力拼有微軟有 Meta 幫忙我覺得他慢慢就了不起用 40 分跑到 60 分所以其實還是落後很多了

所以我觉得 AMD 真的会很辛苦而且我们还没有讲到未来的发展

聊天者問 Intel 高低因為我現在沒有數據現在 NAS 沒有實測所以我不知道 Intel 的部分是 Intel 自己是有投資比較多的工程師去做可是高低本身有沒有 NI300 強應該未必啦反正我不知道因為高低他之前有發表一些東西可是高低到底有沒有好訓練說真的我們也不知道我們沒有實測但是

我們之前知道是高地 3 應該是理論上應該是要贏過 h100 的可是那也是帳面實際上怎麼跑呢那我們就看 Semian & Nessie 會不會去幫我們做一個實測啦而且我跟你講我最後還講一個飛輪就是你要知道

NVIDIA 現在 AI 這麼賺錢,獲利這麼多它擁有更多的資源可以去投資研發不論是硬體或者軟體這會讓 AMD 真的很難競爭你去看今年 2024 年 NVIDIA 的 AI 的 GPU 全年大概會創造 1200 億美元的營收那你覺得它獲利多少?我告訴你以毛利來講 NVIDIA 的 AI GPU 毛利率可能至少 75%所以代表 1200 億的營收它的獲利是 900 億美元

那 AMD 呢?AMD 今年預估 50 億美元的營收那他獲利有多少?我告訴你可能了不起 10 億吧因為他的毛利率一定很低因為他現在用低價在搶市占那問題來了請問是一間有賺我今年做完我 AIGP 我就賺 900 億美金的公司還是另外一家我 AIGP 賣賺了 10 億美元的公司哪一家公司比較有資源去後續投資無論是硬體的開發無論是投資軟體的基礎建設呢

絕對是 nvidia 嘛所以這個我跟你講 and 真的很難競爭了很難競爭了真的是他可能一部分依靠開源社群可是開源社群就很難很難做到像 nvidia 這種程度所以 anyway 這個 and 這一次的

Semi Analysis 的實測是有點給他潑滿大的冷水啦那當然 Semi Analysis 的人也有跟那個蘇志峰聊那 Lisa Su 也說他們會加強但是我們也知道你想加強啊問題是你能夠加強到怎麼樣程度你的資源比起 Nvidia 差那麼多你真的有能力加強到能夠競爭的程度嗎說真的

我不會特別看好哦大概就這樣那那英特爾的高低我跟你講英特爾現在好像沒有很認真弄高低啦哦那因為因為反正他們下一代是 falcon shore 吧可是 falcon shore 現在聽起來也不怎麼強啊所以英特爾這邊我們就繼續看繼續看反正他先把自己 cpu 顧好啦哦但是這樣

以上是我们今天的第二个主题聊一下 Semian Analysis 的报告我们今天最后的主题我们很荣幸为大家邀请到 AI Works 的校长黄玉玲来跟大家聊一聊怎么样 AI 加上自动化的生产力的一个提升这一堂现场课程应该能够替很多人带来很多东西我们来进入我们今天的专访环节

接下來進入我們今天的一個專訪單元現在是 AI 時代每個人都想要透過 AI 增加自己的工作實力但是市面上 AI 課程白白腫可是有沒有人想過如果有個 AI 能夠每天固定時間固定班做一個你需要他幫忙做的事會有多好呢這個東西叫做自動化我們今天很高興邀請到 AI WORKS 的校長

秀玲 黄秀玲来跟我们分享一下怎么使用自动化的 AI 我们先请秀玲跟大家打声招呼嗨 哈喽 大家好秀玲是 AI Works 的校长我先跟大家介绍 AI WorksAI Works 这个教育机构跟我有一点点渊源为什么呢因为她是我自己的好朋友 Jamie 她的创作 AppsWork 下面曾经开过一个

专门把训练程式设计是一个学校叫做 AppsWorks School 但它现在改名叫 AI Works 所以我们先请秀玲跟大家来介绍你是校长嘛曾经你先跟大家介绍一下为什么你们要改名现在为什么改名叫 AI Works 之后有什么不一样好我们快速简介一下我们自己我们是 AppsWorks School 前身是 AppsWorks School 那我们之前其实大家应该比较熟知我们的是我们是做软体工程师培训的

那我们自己这个组织成立的宗旨其实就是希望说透过人才的培训来解决我们现在看到的问题那 Edward School 成立的时候其实我们有看到软体工程师的市场能力是极度缺乏的所以我们早期是做这个

培育的软体工程师培训然后到业界你们是哪一年开始做的 2016 年 2016 年那个时候正好是整个科技股要爆发的那个时候所有科技巨头都开始抢工程师从 2016 17 18 就是一整个科技巨头盛世就起飞你知道那个年代多夸张就是很多大型的科技巨头

明明没有工作还是要先招工程师因为他想说我先招一些工程师反正几个月后就有专案出来了反正一开始进来也是一些公司内部的一些专案轮调或者训练但是虽然你现在没有工作可是我先把你请进来所以那时候抢工程师抢超凶的对啊没错

所以你们那个时候就做了这样子对我们那时候就看到我们其实 Edwards 也有很多新创团队所以起心动念是大家很缺工程师啊就看到没有工程师你就不能前进所以我们就说好啦我们来做这样你们真的是服务你们旗下投资的这些新创企业对然后后来就开始台湾的软体公司就开始也大量的使用我们培训的学

那後來因為像木蘭剛剛講的我們的 AI 出來以後其實整個我們有看到在工程師的生產力面向其實有很大的提升所以它其實進一步的那當然也有整體市場趨勢影響進一步我們發現人才市場其實在工程師面向沒有以前尤其是 Junior 沒有以前那麼的

热门对不对其实这个大概就是从 2023 年开始一个很明显的一个现象就是一些初阶的工程师的抢夺没有以前那么激烈了是所以以前你知道在 21 年那个时候好像是你任何一个外行人只要说我要改行当工程师

然後就這樣做個三個月的培訓都可以很容易找到工作但是現在沒有那麼容易對不對現在不是這樣子所以你們要現在改名叫做 AI Works 對要加強在 AI 的部分沒錯因為那個痛點轉換了嘛我們以前看到痛點是你很缺軟體人才

然後現在看到的現在這個 tone 其實已經沒有那麼 tone 了那我們其實希望解決人才問題那我們現在看到另外一個方向就是 AI 跟自動化其實會對我們的生產力有很大的提升然後我們工作場域的人其實都要改變都有一定程度接下來都會被改變嘛那所以我們就看到這個 tone 所以我們就切換我們的視角就是說好我們來協助我們的人才升級這樣子

其實我覺得在 AI 這個年代現在好像不管你是不是工程師每一個職位好像都得學會 AI 才會變得比較厲害我相信我們的聽眾很多人都是聽了媒體這樣告訴你而且老實講這也是事實可是問題來了其實我覺得我自己也算是大量使用 AI 的人可是我覺得要能夠把 AI

使用出對你的生產力有很大的提升其實不容易耶不容易我覺得很多人就在瞎用你知道嗎就瞎用說好啦好啦這個東西問一下欠 GPT 然後幫你回答了可是他回答的東西勉勉強強對你來講或許就是說你本來花 10 分鐘產的他幫你 1 分鐘產出來可是問題來了你省下這 9 分鐘對你幫助也沒有很大因為你本來自己可以用 10 分鐘產出一個 60 分的一個案子是

切吉利利一般你用一分钟产生一个 60 分的案子这个案子还是 60 分啊其实有些时候我们在生产力上面提升不是要省这几分钟而是你能不能把 60 分的东西变 70 分变 80 分那我想我觉得既然 AI 我校长来这边我想问一个问题就是对于大多数的工作者不管他是做什么工作到底要掌握什么原则才能够帮助他们使用 AI 大幅提升他的生产力

我们现在看到 AI 的面向有两个趋势这也是我们今天的想要跟大家分享 AI 加自动化的两个主题那大幅的提升生产力其实我们会看到我们如果看一般的工作职能里面我们很多工作其实有很多都是手动繁琐的那我们现在其实工具上面已经很成熟到可以帮我们让就像有一个机器人助理一样

它是可以在旁边 24 小时待命那只是说你要知道怎么样去使用它然后把你这些繁琐然后常常人工一直要重复做的事情交办给这些机器人助理那另外一种的使用方式就会是我们比较大家比较常见刚刚 Mula 有提到的 New Change GPT 那但是很多时候我们好像很多人是为用而用啊会为了我恐惧我不会这个工具而用那那是这种时候就很多时候是你把它当作一个知识的

呃 產出 然後內容的生成那你可能在某些時間點就外包給他們做喔 那大家現在大部分比較 focus 在專注在剛剛講的知識的 TradeGP 的 TradeGP 生成視野的使用但是自動化這個方向其實有很大的機會

那在企業界裡面其實已經有非常多企業已經在採用了那我們覺得在個人工作者上面其實也大家也可以提高這個意識就是我們的工作裡面那一些很繁瑣讓你會覺得心累的很多時候等一下我們可能再可以舉一些例子很多時候其實現在那些工具已經在旁邊等你只是等你學會它你就可以把東西給它做

所以秀琳你讲到你觉得有两个重点其中一个重点是现在大家比较没有注意到的就是如何使用自动化来加强 AI 在你生活中的一个加强那其实整个自动化的东西在 AI 兴起之前其实就已经存在了嘛对不对其实我看包含了像微软或包含一些

这个自动化的新创大概在 20212020 2021 那时候就开始开始蛮强调自动化的部分但是如果我们讲这两年的 AI 大概算是从 2023 年开始所以请问自动化跟 AI 之间到底是能够怎样的结合啊嗯我们先讲一下嗯

喔 我們現在有兩個方向喔就是這個因為這個題目其實蠻我們蠻常討論到的喔那有一個是現在我們就可以做得到的喔 就叫 AI 跟自動化的界階喔 那自動化其實你可以想像它就是繁瑣的自

自动化机器人那或是我们叫 RPA 那现在的 RPA 原本的 RPA 你跟大家解释 RPA 是什么字的时候写 OK 好那 RPA 其实叫做 Robotic Process Automation 就是机器人流程自动化那它做的事情就是你可以告诉它就像是一个软体机器人然后你给它规则然后给它输入我们叫 Input

然后告诉他说请你经过某一些步骤最传统的这种机器人自动化他都是用一些规则嘛我就设定哪一件几点发生了你去帮我做什么事情然后我举个例子一般人可能比较常用就是你设定一些什么 email 信箱的规则他就会帮你自动化那你比较复杂一点的你可能自己会写成写一个网站的爬虫固定几点到了就固定去帮我爬虫一些东西这是比较传统的自动化

那這跟 AI 要怎麼結合那我們現在其實現在這些自動化工具也都借接到 AI 相關的應用場域裡了所以舉例來說我們舉一個我們常見的像人資好了我們的人資夥伴其實如果是比較大公司你有職缺大量的需求的其實你可能一天要看很多的履歷那我們過往的自動化的使用呢就是讓這些爬蟲去爬相關的履歷然後整理下來

然後他就變成一個表格沒有大學的直接刪掉然後之類的對那現在我們其實就可以再把這些履歷再請深層視 AI 他是可以直接在 RPA 去借接 AI 相關的請他去幫我判斷說你幫我做摘要而且我其實想要著重的是哪一些面向我可能不能只以前只能說我只要國立大學

那你現在可以跟他說 我想要多看你幫我多 highlight 他有哪些經驗所以相當於你把自動 你把內容抓下來之後你又可以再餵給 AI 然後讓 AI 再去幫你做一層知識的提取這是一種然後還有另外一種比較深一點的會叫做 AI agent 就是我們那個之前已經其實大家有都有聽到很紅的 AI 代理人

那 AI 代理人他的做法就会是我们的比喻就会是 AI 起向脑袋然后 RPS 他的手脚就是我们有已经有一些自动化流程的基础了那但是 AI 他会做语义分析他可以理解你的意图所以当我今天可能我今天想要有一个呃

有一件你有个任务啦你就交代这个 agentagent 就会自动把它变成一些几个不同的职任务然后交有的可能就透过这些自动化工具去执行这样子那现在 AI 已经有这么厉害了吗现在已经有一些工具其实有了像微软的 Copilot Studio 它其实就是它当然要付费但是它就可以自己去创造自己的 Copilot

然後後面接你自己的自動化流程所以你就跟他說 欸請你幫我像我們自己內部喔同仁內部就寫了一個 Edward School 的萬事屋那他的做法就是說欸我今天要訂什麼午餐那我們同仁其實都有那個午餐列表所以你就告訴他說跟機器人說

我想要我今天想吃午餐然后我想要哪一个面香的然后他就会帮你叫出说那所以你要哪一间餐厅那那间餐厅点下去之后然后这间他就会帮我们开启那个点餐表然后发到 disco 给大家说我们今天来订这个所以他就会是所以你就自己做一个 agent 这个 agent 就是说你告诉这个 AI 说我今天想要吃 Momo 家的排骨饭

然後呢他就幫你說我知道一個人想吃這個東西所以就直接在訂單去訂餐廳的時候直接開一個讓全公司可以一起來來加入這樣子然後就如果完成他就直接送出你就不用管其他的事情你只要一開始去告訴他他就幫你把後面的東西做好所以你可以想像這種應用就有很多各個面向可能新道具所以現在微軟的這 Copy Studio 已經可以做到這樣的程度了對 已經可以做到這個程度了那大家那個注意一下微軟這邊股價沒有

因為其實外界都有傳說 Copilot 的使用率不高那但是因為我自己都是比較參考這個微軟他們自己的法說會講的東西他們說

Copilot 的初期的采用率比当年他们推那个什么 13 15 的一些企业方案还高所以我想说这数字应该不差那对我来讲就是两个蛮 conflict 的一个资讯但是听这个这个这个 Shirley 这样讲就会觉得听起来它还蛮有用的其实是有一些前瞻性的我们觉得是真的看到有一些恐惧它的设计方向确实就是让

大家都可以去使用但他要上手要学可是他不是透过 coding 的方式当然也不是只有微软啦必须说各家都有在往这个方向走然后像你刚刚讲的第一种应用就是说好假如你刚刚举个人资的例子嘛就是说好那原本你可能一天会做到做到一千封的这个履历的信

然后呢比较传统的做法就是我设一些关键字台大的进这个资料夹这个哈佛的进这个资料夹然后其他的这个就是进另外一个资料夹是这个样子但是你说原本只能做到这样但是你现在说你透过这种自动化工具你可以后面再接上 AIAI 就帮你判读说你可能告诉他说我这次找的工程师呢他最好要对这个 Data Mining 很熟的就别种

都是工程師嘛可是有的人他有很多 Data mining 的經驗或者說我今天找的工程師他最好處理過這種所謂的這種同時上線有一千人以上的大型的連線專案那這些可能都你就很難用關鍵字直接去找所以你就變成說好你要讓這個 AI 去讀他一整份履歷讀完之後判斷說這個人他的這些過往經驗可能會他曾經負責過 LINE

他负责过来因为 LINE 可能是一个几千万人同时使用的一个平台所以我就假设他可能具备这个多人连线的一个工程的经验所以我就把归类到比较符合你的需求的这一区就有点像是让一个 AI 就一个脑袋帮你做一个初步的判读是不是就是这个样子对 是的所以我觉得如果是这个东西对比较大公司的人应该的确会有蛮大的帮助会有蛮大的帮助对 因为你就不用一行一行去看他有什么履历

当然啦这东西可能会有些漏网之鱼或者不小心不小心这个人其实没有这经验但是他写的看起来很有但是他无论如何还是帮忙生很多工作因为虽然是我们真人做也会有多少有这种落差的部分没错没错 OK 所以秀玲你刚刚举了一个 AppsWork 在里面使用的这个 AI Agent 的一个经验还有没有一些其他的经验是有没有个人就是说个人在自己的生产力上面透过打造一个自动化的 AI

的一個助理來增加你們有沒有一些真實的例子我想啊大多數聽眾如果聽到真實案例就會比較容易想像說這東西在我自己怎麼應用對我們講一些

我们的学员接下来讲的都是学员的实际案例那我们举一个例子我们其实我们有一个电商的学员那他们的他们其实是一个他公司是一个电商的平台那他是一个 PM 所以他的工作里面其实就有很大的部分必须要去上架商品那你知道我们在上架商品的时候其实有非常多的细节然后有售价问题所以就会有标错价的问题你上烂就会被老板骂

这一个图形的格式跑掉了这里本来该加到什么资讯没有或者是你刚才讲的最严重标错加 3999 的东西打成 3.99 就完蛋了使用者是很开心看到马上买可是后面那个 PM 就清了所以这种其实很常发生但是他们实际的状况会是

他們大家會用很多人工處理那很希望說 他們現在比較常見的人工處理方法就是他可能有一個 Excel 的表格對不對 Excel 表格裡面都有很多很多一行一列每一個欄位都有所以確定都有然後他就一次把整個表格上架就確保不是一筆一筆輸入的失錯可是你表格其實也有可能會填錯

沒錯 然後以及說很多時候反而是他還是有很多人工的流程必須要去配合他系統現在開發的狀態就是他們就是他的工作流程裡面可能內部系統已經在那裡或是 ERP 其實已經在那裡了但是他沒有那麼貼著大家的使用經驗所以導致於你必須要花很多額外的行李包含是說你可能上架資訊你從很多部門收過來之後

你可能要做一些人工的调整才有办法整理成那个 Excel 才有办法去自动上架然后你还要在额外的在上架之后再用人工 check 的方式去确认说上架资讯是否正确所以我们电商的同仁他其实就是针对他自己的工作流程然后让他变成是机器人帮他把

搭配他的内部系统然后帮他上架完之后然后再去确认说资讯其实没错然后再寄给通知给他接下来下一栋需要让他知道的其他同仁的部门的同仁那所以像这样子他那时候给我们的回馈是说如果今天是他排这个需求给 IT 已经排很久了然后他估算大概就是大概需要花 100 万

但是他现在他自己做这件事情其实就直接用自动化工具就做到了所以他觉得公司就省了一百万那他自己现在又会了所以他接下来就可以再去用在其他的地方对

所以像电商上家的就公司的 IT 一直没有空帮你写只是他很忙是不好意思因为通常公司内部 IT 的人通常得处理那些最紧急的问题不一定是最重要的可是因为有些紧急的问题你不处理好像也不行所以他们就得整天都在处理那些杂事那一些

这些那种所谓的重要但不紧急的事情就永远排不进他们的时针表没错所以你就得要环绕着我们好多我们我们的从我们现在培训大概 200 接近 300 位我觉得大概有不是说 IT

不給力而是真的太忙了你如果所有這種數位化的需求都要給有技術背景的人做那技術背景的人就這樣他們其實排隊要排很久所以現在就是透過這些工具你可以讓像 PM 也好然後採購其實也是一個很常見的範例台灣的採購部門有還是有很高比例的同仁是在做手動的

就是 key in 发票他可能每天就花一半的时间在 key in 发票然后确认数字对不对然后再发出去就这么简单的事到现在有的还是手动在做这个其实也没很简单你知道以前我们的手开发票就是我们开车我们写作词金哥有没有写作词是是是不能说他就你不常做的其实你很小心你知道就那其实还蛮累的所以其实自动化真的会有一些帮助是没错没错好啦那接下来我来问一下秀琳一个问题

因為我自己在 AI 這兩年我一直很想要讓我的一些工作能夠自動化所以我就本來就一直非常期待像這個 OpenAIGP 說你們能不能幫我做成一些這種比較具備 agent 能力的東西而且是無腦的 agent 無腦就是我交代你一件事但是你知道我每次試到目前為止他們的結果都不滿意你知道我以前最常試的一個東西就是說

我就進那個 GPT 或者是 Cloudanyway 每一家我就說請給我過去兩天發生的最重要的 10 則科技新聞我國外科學他就會努力列給你 10 則可是有些是錯的然後有些是有些是很久以前有的是 2022 年的然後有就他

永远没办法给我一个我满意的答案所以假设我有这个需求像我可能我希望就是说如果每天早上如果有能够有个人帮我整理三则国这个三则昨天最重要的科技新闻三则昨天最重要的财经新闻以及三则昨天最重要的政治新闻总共九则新闻就整理给我那我就觉得我这帮助很大可是

我知道現在有些人他們會去做一些做法就是說好吧那你就告訴我哪些網站嘛對不對然後什麼我時間到我就爬重去爬新聞爬下來嘛對不對爬下來可是第一個他也沒辦法幫我判斷哪一則比較重要啊對不對當然你 Maybe 給他一些規則如果你可以看到他的什麼瀏覽數或什麼之類或者是他在熱門區的你就當作重要可是我覺得

也不一定 因為也不一定瀏覽數高的是比較重要因為可能是瀏覽數很高可能是一些一篇我覺得一點都不重要的新聞所以對我來講 AI 好像還是沒有辦法把這件事情幫助我那請問如果我去上了 AI World 的課

我能不能学会解决这个问题的方法谢谢 Mila 我觉得这是一个很好的情境就是我可能就会想要反问说假设我们今天学员问了这个问题我可能就会问说那你会怎么样想对你来说什么样子叫做重要就是我们在用 AI 或是自动化的时候其实我们会刚刚其实有提到把 test 分成 subtext 或是把一个问题分成 subtext

subquestion 這樣子那一樣的就是我們所謂人為定義的重要它現在其實我不知道捐滿 2 有沒有辦法喔就是現在他們推理能力變強但是我目前也沒有感受到因為我也很常下類似的問題所以其實我們要想辦法先讓

讓我們的工作流程或是我今天要解決的問題被定義清楚那所謂的就是我過往的經驗就是你們我們過往的經驗說我要我會去看那個重要嘛那我人為在判斷重要的時候

我是怎么判断的其实我可能要花一些时间去思考说那我的逻辑逻辑的一些规则啦那就是说如果是科技剧七巨头的新闻都算是重要的对然后出现这些关键因素金额超过一亿美金的都算重要的那就是就给他一些一些规则嘛

對 就是你可能有一些你在判斷上的依據然後把那些判斷上的依據告訴他那還有另外一種做法現在是他有可能去幫你做歸納那但是你就要再給他更多的內容就是包含是說呃

你过往觉得哪些是重要的然后一记可能告诉他对让他学为知识给他我觉得重要的东西然后他帮你做整理做摘要那但这比较进阶一点那但在这个课程里面我们回来课程的话其实就会是我们刚刚讲的你要去梳理你的工作方式你去判断说你今天的工作你今天要处理的这个目标你的你的 input 是什么

然後你中間會你平常在做的時候你會經歷過哪一些步驟你必須要有意識的去梳理它就比較不會是我今天丟給你然後期待它的產出就會如你想像所以你必須要梳理清楚那有些事情適合給 AI 做它也有不適合給 AI 做的事那自動化也是一樣不是每件事情都適合自動化就是 AI 不是每一件事情都能夠做得很好

但是至少這堂課的第一部分就是幫我們梳理我們剛剛講的就是我剛剛講說我需要你每天給我重要的科技新聞問題是你必須去梳理說這個到底什麼重要你必須把這東西拆解出來那這樣子才比較能夠有效去真的去把這件事情做出來可以這樣講嗎好 那秀琳我再問你一個問題其實我們知道其實這個自動化的工具其實過去這幾年也算是蠻紅的一個主題啦

现在都开始强调要什么 local 或者是 no call 所以说理论上不太需要写城市就可以抓这件事情但是真的嘛因为其实传统来讲因为传统就算你有些什么 local 或 no call 工具可是像我刚刚讲嘛你说好我今天时间到了我要去

做个爬虫我要去爬一个网站这样我总要会写爬虫的程式吧所以到底现在到底 local 跟 no code 能够做到什么样的程度到底需不需要有些程式设计基础才能够上这堂课

我们现在的工具其实很纯熟它是不需要 coding 的任何 coding 都不需要任何 coding 都不需要就是当然你要很进阶你要到很强的很完整的它还是可能会需要一点但是以我们一般大概九成的工作情境我们有梳理过的流程那适合自动化的其实都不需要 coding

都不需要 coding 他就很像我不知道小朋友的世界裡面大家知道 scratch 嗎拖拉式的我知道 scratch 我是教我女兒寫 scratch 對 就是那個有點像是這樣子所以他是拖拉式的圖形化界面跟 scratch 也是還是要理解一些概念你只是不需要會寫而已可是你不需要記那些語法不需要記那些參數要怎麼下可是你還是要有個程式的概念啊對 所以我們會在課程裡面有講到變數以及迴圈所以你大概要知道

這兩個東西的概念是什麼所以他也不算是完全沒有學程式啦對不對他只是不用寫 code 對你不需要寫 code 可是你要對程式要有概念才行你要有一點基本的邏輯能力來知道這件事情知道這個概念那但是他不需要真的像以前我們想像中的呢就要打一些你看不懂的英文字這樣子我覺得打那些英文字對我來講比寫 scrape 還簡單

工程師都是背景背景是工程師的一定都是這樣覺得啊我拉那個 Square 去拉一拉我想說這個東西不是這個樣子這個東西不應該這樣執行為什麼這樣都執行呢對就我會用我傳統的我這個東西這個迴圈放在這個另外一個下面它應該要這樣子可是我不知道因為我沒那麼認真研究過 Square 但是我覺得

跟我想像中的不太一樣以前我的 If-else 就是這樣子然後 If-else 執行完之後接下來執行下一個東西就沒有啊反正 anyway 我覺得 Squidge 到目前還是讓我蠻頭痛的我每次都那個就是我每次因為我會照那個 Squidge 的教材寫出那個 Squidge 然後他們那種積木可以動嘛

然後這時候我可能就來秀說我當年寫程式我來幫你改一下功能就我改一改都不能動耶改完之後不會動我想說我明明就沒有寫錯到底怎樣這算了可能不能用我覺得他們在設計他們這些 NO CODE LOCAL 的工具在設計的時候都從小白出發所以我們那種很緊密的程式邏輯有時候反而不見得完全那麼合適但是

那小白出發其實就是他們在設計的面向上面真的就會蠻好用類似說假設我們今天像 RPA 我們剛剛講的他是會去模擬我們在電腦上的操作所以你就可以交還就拖拉一個告訴他說現在要啟動遊覽器你就拉過去然後做一些設定那剛剛講的那種變數跟迴圈的概念他用的地方就會是在課程裡面就會是套用在情境裡面這也是我們今天可能要做一個 Excel 的操作

Excel 去讀取裡面的 URL 然後去裡面的網址然後去爬資料那像這個可能就要迴圈的概念在裡面那會透過這種比較是情境的方式帶大家去理解說這個概念是什麼意思其實不會太難啦真的聽起來是

所以現在聽起來的狀況就是說啊這個其實大學學院其實不需要有學過程式那你有一點基礎的邏輯能力然後進來了解一點點程式運作的概念其實就可以去操作這個工具那他們需不需要去買個像什麼 OpenAI 的 API 啊然後來接待後台不用嗎不用現在不用現在不用那現在他的 AI 現在是用怎樣的 AI 嗯

我们其实之前 Microsoft 他们是有直接提供让大家在 Power Automate 里面直接去接 OpenAI 但是你要买 Office 365 才有 Power Automate 对不对就是你的公司要如果你的 Windows 电脑是 10 跟 10 亿以上就有了其实他都偷偷卖给我们

就是我們買的那個 license 啊都有了 包在裡面了所以你 Windows 10 跟 Windows 11 其實就有了對 是 你就其實它都一直在你的那個工具列裡面用裡面的 對然後再使用微軟的 call pilot 就可以了嗎是這樣嗎 還是可以就可以直接去 call OpenAI 接他們的就去 call OpenAI 這樣子 ok ok 所以不用錢就對了目前是可以不用錢當然你比較好的 model 就需要啦那但是一般的其實是可以不用錢的 ok ok

好了 那我們這個訪問到這裡我們最後來介紹一下這堂課程這堂課程叫做實現 AI 自動化的第一步聽起來其實就是一個很適合說你想要讓 AI 來幫助你的日常一些常常需要執行然後讓你更有效率的一些工作的一個課程那我們最後請秀琳大概跟大家介紹一下這堂課

就我相信我们因为我们的节目很多人我们听众都很喜欢学习所以他们一定都很希望增加自己的生产力可是问题来了我觉得我们课程要给他一个正确的期待就是他来这里到底可以学到什么他来这里到底从进了这堂课打开这堂课的一开始到上完这堂课最后他到底会有什么不一样我们请秀琳跟大家讲一下为什么

大家可以学到什么那谁该买这堂课好就是在我们这个整个课程里面我们可以把它分成有大概有三个方向想要跟大家分享的两点首先第一个就是这是一堂着重在 AI 跟自动化的课

那現在工具其實如同前面講的已經成熟大家都可以使用那所以我們會在這堂課裡面先從帶領大家去梳理你的工作流程開始判斷說在你的工作裡面你平常的內容常規的工作裡面有哪些事情是適合交給自動化機器人去做的

所以前半段呢我们就会先做工作流程的梳理然后到后半段呢我们就会开始做工具的教学那我们工具的教学的方式是我们选出了七大常见的应用情境就包含是说像是数据的抓取然后爬虫以前你想象中的爬虫要工程师可以做但现在其实这些工具你会发现你进去学以后发现其实非常的好应用

那所以我們會帶著大家進到各個的七大應用情境裡面那大家剛剛其實在裡面有聽到說可能會有一些程式邏輯就是它不用這個 coding 但那一些概念大家不用擔心都會在應用的情境裡面帶著大家逐步練習的時候就會學會了那所以說這一堂課很適合的對象呢會是其實我們大概看各個職能都很有機會那但是它最有機會去協助我們

就是把我们常常手动执行然后很繁琐可能很长时间我们去查询一件事我们要复制贴上复制贴上那或者是我们常常在工作上面会需要群发然后每一次都需要一个一个固定的沟通来确保说它的内容是如同我们今天所要的这种很重复的情景呢其实很适合交给机器人主做的

所以只要你的工作裡面有一部分都是有這種人工然後繁瑣的工作都很適合來上這門課那另外在這門課裡面其實也有教自動化怎麼樣去解決 AI 以及透過 AI 來生成一些內容所以說在一些內容工作者上面其實也很歡迎可以來看一下說來透過這門課來學習說我們要怎麼樣透過 AI 加自動化協助你工作上效率的提升

好 那我們謝謝秀琳對這堂課的一個介紹那對於這堂課有興趣的趕快參考我們的資訊欄我們資訊欄有這堂課現在正在募資的一個連結而且我們還有專屬我們內管理的優惠馬趕快就進我們的資訊欄好不好 那我們今天的專訪就到這邊了我們謝謝秀琳為大家帶來怎麼樣使用 AI 來加強生產力增加工作力的一個很重要的分享那我們最後就一起跟我們的聽眾跟觀眾說聲掰掰

大家拜拜拜拜好那我们非常感谢这个玉玲来我们节目跟大家分享如何把 AI 跟自动化结合那我个人觉得这我绝对是未来 AI 明年使用的趋势我们知道明年有 AI Agent 但是在 AI Agent 成熟之前如果用现有的 AI Agent

那 Ai Agent 在什么时候把他叫起来服务你我觉得这都是非常重要的好了那以上就我们今天的第 161 集我们最节目最后要来抽 10 本好书因为我们今天是要抽书我们上个礼拜你有登记这本市局的抽书的活动的话我们再抽出 10 位第一位

彭先生桃园市桃园区绍兴街 email 的前次码 PH

PBH3 手机末生 156 恭喜你第二位陈先生云林县大臂乡丰岗村 Email 前世 XANX 手机末生 800 恭喜你下一位沈先生台中市大理区国中路 Email 前世 NAM8 手机末生 199

下一位黄先生台北市松山区北宁路哦 email 前是码 zaka 手机陌生码 186 恭喜你下一位邱小姐澎湖县马公市民族路 email 前是码 ffa ca 手机陌生码 646 恭喜你下一位这个朱小姐啊

地址是英文的喔 Email 前置碼 SCU 手機後山馬是 597 然後是住在米國嗎在加拿大恭喜你哇這個要寄寄個跨海郵件下一位陳先生高雄市鳳山區核心接 Email 前置碼 TOR 手機後山馬 324 恭喜你下一位

秦小姐 屏東線潮州線壽星路 E-mail 前字碼 PAUL 手機陌生碼 450 下一位 蔡先生吧台中市南吞區峰緯路 E-mail 前字碼 YKTC 手機陌生碼 659 恭喜你最後一位 余先生新北市永和區秀朗路 1 段 E-mail 前字碼 NIKE 手機陌生碼 385 恭喜你

那十位就抽这我们这个市局这本讲犹太人的好说那恭喜你们好 那我们今天 M 观点 EP161 就到这边那我们节目结束之后就会进入我们的明镜大真心话时间那你如果是我们 M 观点付费会员的话赶快就加入我们的付费直播好吧那我们今天节目就到这边了

有人说洪先生抽出自己 当然不是好吗我干嘛自己抽 我已经有这本书了好吗纸本我有签名牌 纸本跟电子书我都有了好来 那我们今天节目就在这边很晚了 大家拜拜