Re: [情報] google財報亮眼
看板Stock (股票)作者LDPC (Channel Coding)時間1小時前 (2026/07/28 11:36)推噓52(52推 0噓 100→)留言152則, 46人參與討論串24/25 (看更多)
已經說了快爛掉了 agent這玩意就是自動化 不是只有軟體 任何瑣碎化 自動化資訊流
都是可以用x10,x100 增加產出速度(註1)
現在已經有再開始做Verilog IC等相關自動化 兩年後我們可以回頭來再看看
https://zhuanlan.zhihu.com/p/2057780507878888099
上一篇strlen說的openai新模型 gpt-live-alpha全雙工 (邊聽邊講)
因為在公司是ML Scientist 加上公司是openai戰略夥伴 我是第一批可以測試openai模型
然後可以跟他們ML team討論模型反饋 他們的說法很簡單 這玩意就是體感無限接近
真人對話服務
https://www.instagram.com/reels/DanlbzPiBOu/
https://reurl.cc/90OEYn
然後在前沿幹點事情後 你都會收到類似這種信 以下是我收到能免費跟Andrew Ng對談
信 https://ibb.co/GQYfXBNX
上面那個是邀請制 你可以跟吳恩達一對一面談 然後他們是可以贊助你實現一個想法落地
現在就是一個機會年代 你有能力 能把個人能力最大化 機會就會替你開門
回到此篇觀點 LLM->Agent 最大的進展就是透過多模態能跟現實世界自動化
透過tool call和sandbox自我驗證 能在現實中將大量人力需求自動化給縮減
因此要把模型做大量落地 就是要跟現實世界系統對接
這也是為何FDE這工作職缺今年大量出現
https://techcubator.substack.com/p/fde
https://baoyu.io/blog/2026-05-15/forward-deployed-engineer
在理解AI之前要理解 模型最大的影響 不只是來自模型本身 而是跟現實世界系統融合度
LLM ->走向Agent 就是現實世界tool call等
如果你具有對話能力 理解傳統企業痛點 能找到自動化痛點 能睡在對方公司數月
那你就具有良好FDE工程師特質
之前說的垂直整合行業 就是傳統系統對接 FDE角色就是一個人要找能自動化的地方
對接產業系統 至於為何有些公司短期沒有AI需求 我的認知就是來自競爭和效率
假設三年後IC世界出現跟碼農一樣情況 許多工具可以自動化
那現在軟體員工產出x10,x100 造就職業需求下降
我們現在的遭遇就會在IC世界出現
https://zhuanlan.zhihu.com/p/2009388130277552149
https://www.ctee.com.tw/news/20260328700046-439901
人跟猴子差別就在於使用工具 只要agent能使用現實工具
然後一個東西能自動化 agent就有機會能做到
與其追求agi LLM智能 現在更多的是瞄準agent跟現實世界的整合自動化 知識碎片流
上面的IC設計就是一個例子
然後身為記憶卡哇 我最近已經破產了 QQ 以後在公園看到我 請餵食友善時光
--
註1:
之前我買蘇媽還有一個理由就是 很早在之前股版有討論這觀點
就是agent能不能打破cuda? 理論上agent自動化 可以縮短軟體上的壁壘
生態圈 https://www.sohu.com/a/1054035614_130887
https://news.marsbit.co/20260728080309112615.html
※ 引述《jyuny1 (凱文藍)》之銘言:
: 標題: Re: [情報] google財報亮眼
: 時間: Tue Jul 28 10:10:21 2026
:
: 在談 AI 前應該要理解這個名詞的包含範圍
: 擷取 GCP 的部分說明
:
: https://cloud.google.com/learn/what-is-artificial-intelligence?hl=zh-TW
:
: LLM 大語言模型是自然語言 NLP 的分支
:
: 其中 google 的 search engine 使用的是 ML+NLP(不是 LLM) 做點擊率預估
:
: 這個模式已經在工業界行之有年了,非常穩定沒有 LLM 也能穩定運行。
:
: 我懷疑劈柴在 earning call 的說法只是在安撫市場而已
:
: ——以下是正文——
:
: google 財報過了幾天後再回來看目前市場上的懷疑論應該已經成形了
:
: mega7 對 ai data center 投資在短中期內有什麼能明顯增加企業收入的應用?
:
: 目前在水面上且一直有消息且有可能造成新型經濟有幾個(歡迎補充)
: 1. Coding Agent:包含但不限於前端、後端等
: 2. 機器人:包含物理世界模型、人型機器人的運作,主要影響製造業
: 3. 自動導航:包含但不限於 TESLA 的 Robot Taxi 還有 FSD
:
: 以上三個對 LLM 的關係是
: LLM 會作為對人的溝通介面執行不同的工具完成工作
: 所以語意的理解非常重要(NLP 的本質)
:
: 這也是前沿模型公司為什麼要一直推出新的識別模型尤其是 voice to text
:
: 因為要能有足夠的能力除了文字輸入外能獲得指令
:
: 目前這些 coding agent、機器人、自動導航看起來都很棒
: 但還是沒辦法組合成一個 killer application
:
: 核心還是 LLM 在 context window、tool execution、memory management 沒有明顯突破
:
: 所以自己感覺 LLM 的爆點應該要先在上述幾個
: 能力有突破才能引爆需求然後再進一步降低算力成本才能無縫的融入日常
:
: 這樣的需求量才能引爆
:
: 那種感覺就是 GUI 誕生在 XEROX但最後是 Jobs 在 OSX發揚光大
:
: 現在感覺少了點引爆的東西
:
: --
: ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.137.67.174 (臺灣)
: ※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1785204623.A.C79.html
:
: ※ 編輯: jyuny1 (223.137.67.174 臺灣), 07/28/2026 10:13:27
: 噓 ken52011219 : Agent 本身就是killer application 07/28 10:14
: kill 在哪裡?是裁員嗎?
: 現在有大規模用 agent 嗎?agent network 在哪?
: 推 pponywong : coding agent 我覺得已經很強了 07/28 10:15
: 用點線面的角度看只有到點跟線還不到面的影響
:
: 整體運作方式還是非常早期
: 而不是具有完整的運作方式
:
: 成熟完善的軟體產品不需要管 context window 大小
: 還要自己裝一堆 skill 或 plugin 管理 memory
:
: 開箱即用才有成為 killer application 或 killer service 的潛力
: → pponywong : 光是企業訂閱就不知道多少了 07/28 10:15
: 賣訂閱對於 google 這種習慣用軟體能力賺邊際成本為0 的公司,這種屬於血汗錢
: → cz031300 : 有沒有爆我不知道 我股票爆了 07/28 10:17
:
: → as3366700 : 老黃借錢給OPENAI基本上就是坐實了下游快給吸死了 07/28 10:22
: → as3366700 : 這是華爾街七月一直在講的鬼故事 被老黃直接證實 07/28 10:22
: 從他的角度看,這種操作其實就是做大生態圈
: 以他的江湖地位需要跳出來做這種事情
: 拼的就是一個空間跟可能性吧
: → zzahoward : 我上週不就發文 LLM根本沒辦法讓我這種10B中小掏錢 07/28 10:37
: → zzahoward : 可能版上同溫層都是在百B以上的軟體公司工作 07/28 10:39
: 舉個我自己常說的例子,目前的 harness
: 操作起來就像以前用 dos 需要自己搞設定
:
: 或者再晚一點,需要自己搞 Linux
: 自己搞 boot system、自己 compile gcc
: 自己 compile kernel。然後自己兜起來裝個 gui
:
: 後來 debian 出來了、ubantu 出來了
: 各種發行版本出來了,開箱即用
:
: 對比目前的 coding agent 還只是在起步階段而已
: 受眾無法擴張,應用的廣度就不夠
: token 就賣不出去,還需要拓展 data center 嗎?
:
: 這是非常正常的推理
: 推 ted1985 : 不過老黃對op醬的採購意象上季已縮手。老黃是有看 07/28 10:39
: → ted1985 : 到什麼新的嗎? 07/28 10:39
:
:
: ※ 編輯: jyuny1 (223.137.67.174 臺灣), 07/28/2026 10:47:58
: 推 strlen : 某10B企業不掏錢是因為食古不化 公司廢 不要扯東扯 07/28 10:52
: → strlen : 西啊 我合作的一個台灣新創才幾百萬台幣資本額 人家 07/28 10:53
: → strlen : 老闆非工程師都開2個200鎂帳號全開vibe coding了 07/28 10:53
: 新創公司需要用特規手法尋求突破
: 這不一定是現在的常規做法
: → strlen : 另外killer app早就出來了 去看看GPT voice+codex 07/28 10:53
: → strlen : 只是才出不到一週 一堆人還沒反應過來 07/28 10:54
: 我的 killer application 定義是能普及到所有人天天都能用而且能為公司實質上增加財報
: 業績的東西
:
: 現在 openai 這些功能到最後都會卡在訂閱制
: 有多少的新功能是用戶希望多付錢的?
: 看看 fable5 就大概知道了。大家還是想薅羊毛的
:
: 單純的技術突破或新功能頂多曇花一現
:
: 舉例 ms-dos 到 win95 的突破
: win95 就是 killer application
:
: 推 hpk89 : killer app是一般使用者也願意花錢的,coding agen 07/28 10:57
: → hpk89 : t目前並不是,連軟體工程師都沒有每個人都訂閱,離 07/28 10:57
: → hpk89 : 一般人就更遠了 07/28 10:57
: → hpk89 : 別的不說,光看台灣前十大科技公司的員工就好,有 07/28 11:01
: → hpk89 : 花錢(無論是個人花還是公司花)使用AI agent的比 07/28 11:01
: → hpk89 : 例有超過30%嗎? 我個人在台灣一線ic design house 07/28 11:01
: → hpk89 : , 我的觀察這比例連20%都沒有,其他公司想必更低 07/28 11:01
:
: ※ 編輯: jyuny1 (1.160.86.138 臺灣), 07/28/2026 11:03:18
: 推 hpk89 : 光靠佔人口基數不到5%的科技狂熱者要支撐整個ai產 07/28 11:04
: → hpk89 : 業, 不太可能 07/28 11:04
: 推 atelier : 可以用LLM的場景這麼多 就算是Coding也不需要一直 07/28 11:05
: → atelier : 用Fable5 你看不上的東西不等於垃圾 07/28 11:05
: 推 Wishmaster : 不是早就證明了ai dc 回收超快,是無底洞和現金流的 07/28 11:05
: → atelier : 對企業來說 夠用之後就是比價格和風險 07/28 11:06
: → Wishmaster : 問題,但我相信就算少借一點還是跌給你看 07/28 11:06
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 98.37.67.135 (美國)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1785209768.A.4E7.html
※ 編輯: LDPC (98.37.67.135 美國), 07/28/2026 11:38:10
推
07/28 11:37,
1小時前
, 1F
07/28 11:37, 1F
→
07/28 11:37,
1小時前
, 2F
07/28 11:37, 2F
推
07/28 11:38,
1小時前
, 3F
07/28 11:38, 3F
→
07/28 11:38,
1小時前
, 4F
07/28 11:38, 4F
→
07/28 11:38,
1小時前
, 5F
07/28 11:38, 5F
推
07/28 11:38,
1小時前
, 6F
07/28 11:38, 6F
→
07/28 11:38,
1小時前
, 7F
07/28 11:38, 7F
→
07/28 11:38,
1小時前
, 8F
07/28 11:38, 8F
→
07/28 11:39,
1小時前
, 9F
07/28 11:39, 9F
→
07/28 11:39,
1小時前
, 10F
07/28 11:39, 10F
→
07/28 11:39,
1小時前
, 11F
07/28 11:39, 11F
→
07/28 11:39,
1小時前
, 12F
07/28 11:39, 12F
推
07/28 11:39,
1小時前
, 13F
07/28 11:39, 13F
→
07/28 11:40,
1小時前
, 14F
07/28 11:40, 14F
推
07/28 11:40,
1小時前
, 15F
07/28 11:40, 15F
→
07/28 11:40,
1小時前
, 16F
07/28 11:40, 16F
推
07/28 11:44,
1小時前
, 17F
07/28 11:44, 17F
→
07/28 11:46,
1小時前
, 18F
07/28 11:46, 18F
→
07/28 11:46,
1小時前
, 19F
07/28 11:46, 19F
推
07/28 11:46,
1小時前
, 20F
07/28 11:46, 20F
推
07/28 11:46,
1小時前
, 21F
07/28 11:46, 21F
→
07/28 11:46,
1小時前
, 22F
07/28 11:46, 22F
推
07/28 11:46,
1小時前
, 23F
07/28 11:46, 23F
→
07/28 11:46,
1小時前
, 24F
07/28 11:46, 24F
推
07/28 11:47,
1小時前
, 25F
07/28 11:47, 25F
→
07/28 11:47,
1小時前
, 26F
07/28 11:47, 26F
推
07/28 11:47,
1小時前
, 27F
07/28 11:47, 27F
→
07/28 11:47,
1小時前
, 28F
07/28 11:47, 28F
→
07/28 11:48,
1小時前
, 29F
07/28 11:48, 29F
→
07/28 11:48,
1小時前
, 30F
07/28 11:48, 30F
→
07/28 11:48,
1小時前
, 31F
07/28 11:48, 31F
→
07/28 11:48,
1小時前
, 32F
07/28 11:48, 32F
→
07/28 11:48,
1小時前
, 33F
07/28 11:48, 33F
→
07/28 11:48,
1小時前
, 34F
07/28 11:48, 34F
→
07/28 11:48,
1小時前
, 35F
07/28 11:48, 35F
推
07/28 11:49,
1小時前
, 36F
07/28 11:49, 36F
推
07/28 11:50,
1小時前
, 37F
07/28 11:50, 37F
→
07/28 11:50,
1小時前
, 38F
07/28 11:50, 38F
→
07/28 11:50,
1小時前
, 39F
07/28 11:50, 39F
還有 73 則推文
還有 1 段內文
→
07/28 12:21,
35分鐘前
, 113F
07/28 12:21, 113F
→
07/28 12:22,
34分鐘前
, 114F
07/28 12:22, 114F
→
07/28 12:22,
34分鐘前
, 115F
07/28 12:22, 115F
→
07/28 12:22,
34分鐘前
, 116F
07/28 12:22, 116F
→
07/28 12:22,
34分鐘前
, 117F
07/28 12:22, 117F
推
07/28 12:22,
34分鐘前
, 118F
07/28 12:22, 118F
→
07/28 12:22,
34分鐘前
, 119F
07/28 12:22, 119F
推
07/28 12:22,
34分鐘前
, 120F
07/28 12:22, 120F
推
07/28 12:26,
30分鐘前
, 121F
07/28 12:26, 121F
→
07/28 12:26,
30分鐘前
, 122F
07/28 12:26, 122F
→
07/28 12:26,
30分鐘前
, 123F
07/28 12:26, 123F
→
07/28 12:26,
30分鐘前
, 124F
07/28 12:26, 124F
→
07/28 12:28,
28分鐘前
, 125F
07/28 12:28, 125F
→
07/28 12:28,
28分鐘前
, 126F
07/28 12:28, 126F
→
07/28 12:28,
28分鐘前
, 127F
07/28 12:28, 127F
→
07/28 12:28,
28分鐘前
, 128F
07/28 12:28, 128F
→
07/28 12:28,
28分鐘前
, 129F
07/28 12:28, 129F
→
07/28 12:28,
28分鐘前
, 130F
07/28 12:28, 130F
→
07/28 12:28,
28分鐘前
, 131F
07/28 12:28, 131F
→
07/28 12:28,
28分鐘前
, 132F
07/28 12:28, 132F
→
07/28 12:28,
28分鐘前
, 133F
07/28 12:28, 133F
→
07/28 12:28,
28分鐘前
, 134F
07/28 12:28, 134F
→
07/28 12:28,
28分鐘前
, 135F
07/28 12:28, 135F
推
07/28 12:29,
27分鐘前
, 136F
07/28 12:29, 136F
推
07/28 12:29,
27分鐘前
, 137F
07/28 12:29, 137F
→
07/28 12:29,
27分鐘前
, 138F
07/28 12:29, 138F
→
07/28 12:29,
27分鐘前
, 139F
07/28 12:29, 139F
→
07/28 12:29,
27分鐘前
, 140F
07/28 12:29, 140F
→
07/28 12:29,
27分鐘前
, 141F
07/28 12:29, 141F
→
07/28 12:29,
27分鐘前
, 142F
07/28 12:29, 142F
→
07/28 12:29,
27分鐘前
, 143F
07/28 12:29, 143F
→
07/28 12:29,
27分鐘前
, 144F
07/28 12:29, 144F
→
07/28 12:30,
26分鐘前
, 145F
07/28 12:30, 145F
推
07/28 12:31,
25分鐘前
, 146F
07/28 12:31, 146F
推
07/28 12:32,
24分鐘前
, 147F
07/28 12:32, 147F
→
07/28 12:32,
24分鐘前
, 148F
07/28 12:32, 148F
→
07/28 12:33,
23分鐘前
, 149F
07/28 12:33, 149F
→
07/28 12:34,
22分鐘前
, 150F
07/28 12:34, 150F
→
07/28 12:34,
22分鐘前
, 151F
07/28 12:34, 151F
推
07/28 12:36,
20分鐘前
, 152F
07/28 12:36, 152F
討論串 (同標題文章)
Stock 近期熱門文章
PTT職涯區 即時熱門文章