周一日圓急升，帶來了一轉全球大跌巿。事後觀察，似乎是套戥交易拆倉，只是短暫資金問題。不過，這兩年各地股巿造好，都離不開人工智能（AI）概念。輝達升價十倍，是典型淘金盤炒作，正如當年淘金熱，首先大賺的是賣淘金盤的商人。
淘金潮下賣淘金盤者先賺
單以來季和未來幾季的盈利計算PE，輝達股價的確不算貴。但這些盈利靠「科技七雄」都在建立大型人工智能數據中心，幾乎每家都向輝達購入以百億美元計的晶片。香港政府每年財政預算也是以千億港元計算，因此能負擔百億美元做人工智能的機構，實際上不會很多。而且由商業機構領軍投資，就必需要在合理時限內開始賺錢，否則投資額就難以持續。
ChatGPT證明了科技有所突破，但是尚未有可行的盈利模式。尤其是Meta公開了自己的大型語言模型之後，這兩年幫忙寫文畫圖等作業，當然提升了社會生產力，但卻再也收不到錢，可能會變成像維基百科一樣，每天都用但卻免費。就算這類服務能向用者收取十元八塊的月費，要賺十億美元去支持百億美元的資本投資亦有困難。
當然，人工智能可以改革不少現有實際作業。電話客戶服務落實了AI客服員後，既節省了成本也再也沒有人數限制，一旦技術成熟，幾年內所有需要維持電話客服的企業都會採納。藥物或天文研究，表面成立的數據可以達幾百萬條，靠人工智能就可以篩選出最有可能的幾百個，再由人類逐個仔細研究，科研速度可以提升百倍千倍。
但是這類應用，卻未必需要大量全新晶片。由無到有的訓練人工智能，的確需要大量資源。但這就有如物種演化，花了幾百萬年才由古猿演化成人。但之後每個人誕生，牽涉的資源都遠較演化過程小。輝達的晶片，長濶各兩呎，高三呎，大得像一張石櫈。而蘋果計劃在下一代手機加入人工智能晶片，在手機終端提供人工智能服務。兩者大小就足以證明，訓練和應用人工智能所需的資源根本不是同一等級。
訓練與應用所需資源差別大
另外，訓練第一位米高佐敦，一步一步摸索當然較慢。但之後要訓練下一位球星，可以提供米高佐敦的賽事影片，再濃縮成一套課程，成效自然提高。在人工智能領域，這就是「蒸餾過程」，將原有的人工智能模型縮小幾十甚至幾百倍，而且工程界有一套標準測試縮小了模型有否失真。ChatGPT 3.0面世後幾個月，各大學的電腦系研究生已經將背後的GPT模型縮小到普通電腦亦能運行。
換句話說，當年訓練ChatGPT 3.0單是電費就要500萬美元，但經過蒸餾，家用系統也能運行能力相當的系統。AI客服員或科研助理等運用，必需由現有大型模型開始，傳入行業或工種獨有的資料，再加以訓練。這個過程也會蒸餾原有模型，因此到最後每天營運的系統，也不需要特殊數據中心。
實體AI或是下一個戰場
輝達的晶片其實是研發工具，要維持增長就需要持續開發更有潛力的模型。黃仁勲和馬斯克關係好，除了惺惺相識之外，更重要是特斯拉的自動駕駛系統和人型機械人，代表了實體人工智能，可能是人工智能下一個戰場。
因此，美股要炒下去，最重要是現有人工智能模型能變現，才能維持「七雄」繼續購買輝達晶片。不過，輝達晶片這兩年當旺，主因是解決了一個技術限制。這個優勢能否持續，我們下周再談。
（編者按：楊書健最新著作《不倒燈塔》現已發售，歡迎訂購。）
本地包郵
電子書
楊書健
