| 广告联系 | 繁体版 | 手机版 | 微信 | 微博 | 搜索:
欢迎您 游客 | 登录 | 免费注册 | 忘记了密码 | 社交账号注册或登录

首页

温哥华资讯

温哥华地产

温哥华教育

温哥华财税

新移民/招聘

黄页/二手

旅游

AI最大黑马不是英伟达 华尔街大佬:真正被低估的是…


请用微信 扫一扫 扫描上面的二维码,然后点击页面右上角的 ... 图标,然后点击 发送给朋友分享到朋友圈,谢谢!
他指出,一旦这条路线可行,影响最大的将是地面数据中心的电力和冷却设备供应商:“那些大规模扩产来支撑数据中心建设的工业类公司,可能会面临(需求)戛然而止的局面。”


他同时强调,已建成的地面数据中心仍有价值,训练和强化学习仍将在地面进行,“我无法想象在未来七年内我们永远不再建一栋地面数据中心”,但增量需求的走向,正在被重新定义。

台积电的“倔老头们”:正在帮全球市场避免泡沫


市场上有一个常见问题:AI投资会不会变成互联网泡沫的翻版?

Baker的回答是:这次可能不同,而原因出人意料——台积电管理层的保守。

他说,历史上每一次重大新技术出现,从铁路、运河、PC、互联网到AI,几乎无一例外都会出现泡沫。投资者对新技术兴奋,市场共识形成,泡沫吹起,最终用泡沫资金完成基础设施建设——互联网就是这么走过来的。

“我们不想要泡沫。泡沫很糟糕,经历泡沫的过程很痛苦,泡沫破裂之后更痛苦。”

但这次他"乐观地认为"我们可能会避开泡沫,原因正在于现实世界中存在的物理约束——瓦特(电力)和晶圆(Wafer)的短缺。

晶圆短缺的关键,在于台积电的态度。Baker说:“台积电是由70多岁的、倔强的老人们管理的。”(他随即调侃,70岁是新50岁,而他自己50岁)

这批人经历过台湾半导体从追赶英特尔被认为是“这辈子不可能完成的梦”,到用一生时间做到了。他们深知一场泡沫与崩盘对台积电意味着什么。

于是,他们就是不肯像黄仁勋希望的那样快速扩产。

“黄仁勋每三个月去一次台积电,他们大概扩产5%。黄仁勋想让他们产能翻倍或者翻三倍。如果产能真的翻倍或翻三倍,英伟达明年大概能卖出1.5万亿美元的芯片——我是认真的。但这件事的另一面,对所有人来说可能都非常痛苦。”


Baker的结论是:这些“倔老头们”,通过执行一个现实世界中真实存在的物理约束,客观上帮助所有人避开了泡沫——而这种约束,在过去任何一次技术革命中都不曾出现过。

内存周期和AI收入爆发

对话中Baker还提到了两个值得关注的判断。

关于内存周期: 内存价格今年已上涨60%至70%,美光毛利率可能达到60%以上,远超历史平均水平(约16%)。Baker坦承,按照过去25年的内存周期规律,“现在100%应该卖内存股”。但他认为这次可能类似1990年代中期那次真正的产能周期,“我们可能仍处于早期”,不应简单套用历史模板。


关于AI收入规模: Baker判断,OpenAI和Anthropic合计收入达到2000亿美元的时间点,已经不遥远。他援引黄仁勋的说法:黄仁勋希望自己最优秀的工程师,花在AI token上的支出至少达到薪酬的一半。Baker的判断是,这种趋势意味着S&P 500公司的劳动力结构将面临“重大调整”,但AI定价模式从“包月制”转向“按量计费”,会让收入增长快于外界预期——他将这类比于当年移动通话行业“超出套餐按分钟收费”的盈利模式。

投资心法:读书、模式识别,以及一封写错了的信

访谈中,Khaira还问Baker,他的投资优势来自哪里。

Baker的回答简洁:“读书,压倒性地最重要。”他说自己几乎不再主动约见上市公司管理层——“他们经过了非常好的训练,从不说任何不在财报电话会或10-Q里的内容,而我读的速度比他们说话快得多。”

他坦承自己职业生涯中最惨痛的教训之一,是曾向一家公司董事会写信要求回购股票,结果该公司在18个月后破产。“这是一个关于高杠杆的永久教训——有时候不是所有事情都会按计划进行。”

Baker还提到,他在投资风格上一直在努力克服的弱点,是“太难卖出赢家”——“我极度重视估值,非常逆向,最舒服的是在52周低点名单上。”


1     这条新闻还没有人评论喔,等着您的高见呢
注:
  • 新闻来源于其它媒体,内容不代表本站立场!
  • 在此页阅读全文
    猜您喜欢:
    您可能也喜欢:
    我来说两句:
    评论:
    安全校验码:
    请在此处输入图片中的数字
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西网为北美中文网传媒集团旗下网站

    页面生成: 0.0308 秒 and 5 DB Queries in 0.0025 秒