Tag: AI
-
想像未來關鍵20年 - 讀 The Singularity is Nearer 後感
你想像過未來嗎? 期待未來嗎? 以往我不知道可以那麼具體兼holistic (全方位)地思考未來 - 不論是時間軸的層層推進,或社會各面向環環相扣。 Ray Kurzweil 在新書The Singularity is Nearer 展示系統性推敲未來世界的方法,極富啟發性!他由宇宙大爆炸開始說起,然後提到單細胞、DNA 進化,再演變成人類(的大腦)。電腦硬碟等同延伸的大腦,運算成本越來越低,速度則越來越快。所謂的倍數增長,以萬倍為單位。當大家還以為高科技是有富豪專利,事實是30年前的世界富豪,不曾亦不可能擁有現時的智能電話,當年未有互聯網,技術亦未能支援,有錢都得不到現代普羅大眾日常享受的便捷、科技和資訊。所以,重點不是錢亦不是資源,而是各種技術進步到某個點,並互相配合。 未來是關鍵二十年。2005年Ray 曾出版 The Singularity is Near,上月出版的新書強調Nearer。 Ray 對未來的推敲,不單止是預想科技,更重要是時間點推測極接近,例如智能電話面世、AI 贏人類棋手等,誤差才一年。他於1999年就預測2029年會出現媲美人類難分真假的superhuman AI。過往他被指太樂觀,很多人認為要一世紀後才出現。去年ChatGPT 平地一聲雷,見識過Generative AI,有人甚至比他更樂觀,認為2026年就會出現superhuman AI! 而2045年(即20年後), Ray認為會到達奇點Singularity – 人腦和雲端電腦融合,好比「永續存在」。結合電腦的人腦,就似是加了幾層類神經網絡,資訊量和運算速度會達到人腦難以處理的程度。由於算力的增加和成本下降並非線性,而是指數式成長,未來20年的增長速度會遠超過往,轉變都是標誌性的! 人腦的運算速度及不上電腦,尤其現代晶片的算力越來越誇張!生成式AI 的出現,將會改變多個範疇。過去幾年,我注意到生物科技的大幅進步,整個界別極具潛力,會是下一個dot com,但說不出所以然來。Ray 就清楚說明 - 例如放射科醫生(專門看醫療影片的醫生)一生看過的影像和特殊病例有限,單憑經驗判斷,未必能持續及早發現問題。AI 的出現,可以收集並分析所有的影像,經驗比獨立每一位的醫生多,可以輔助醫生診斷。例如COVID 期間的mRNA 疫苗,Moderna 在獲得病毒排序後,設計mRNA 也是運用AI。算力高,代表很短時間内可以分析比較幾千幾萬種的mRNA設計,人類則大概只能從幾十甚至上百種中選擇。另一個用途,是運用器官晶片模擬人體反應。以往要臨床觀察,時間長而且人數少,若果器官晶片運用得宜,加上AI 算力,短期內可以有多種模擬結果。當然,藥物與人體的互動,不見得全都能透過器官晶片精準模擬,但可以模擬多種配方和劑量,加速藥物開發。而人體內的蛋白質變異,也能運用AI 找出來。 以往沒有AI,單憑人手查找,不容易獲得精準答案。這世代早已基因解碼,而Generative AI 能幫助人類更細緻認識身體的奧秘。工業革命關於機械,人類了解機器運作原理、結構和零件,懂得如何維修保養,理論上機械出問題都能修補好。基因解碼加上AI 算力,讓人類對身體的理解,好比對汽車的理解,未來能有效維護修補。除了算力和人工智能,Ray 在書中提及的另一重要技術是奈米機器人。奈米機械人可放置在人體,按指令前往不同位置修補內藏。 由於電腦算力加上AI 的速度,並非線性成長,而是指數式增長。若根據經驗和知識推敲未來,大部份情況下會是線性推測,未必跟得上未來變化的速度。 看完這本書就像「開竅」-對未來的想像更廣闊兼全面,而不是受限於舊經驗和眼前文化。Ray 確實很厲害。極度推介此書! Facebook 專頁: www.facebook.com/trendalysis
-
很特別的台灣NARLabs
早前參加在倫敦舉辦的Semi Impact Summit,屬國際大型科技峰會 CogX Festival 2023 的主要活動,多場演講的題目包括:英國政府和業界的半導體策略、環球投資者看半導體未來發展、半導體與電動車應用實例、晶片加速AI 改革、生技器官晶片趨勢等,滿有啟發兼內容充實。相比連場演講,NARLabs 的攤位更吸睛,展示半導體發展和多種創新技術,包括AI 晶片、器官晶片、網絡安全、地震預警等,並有專家學者在場講解說明。 網站介紹「財團法人國家實驗研究院(National Applied Research Laboratories, NARLabs),簡稱國研院,成立於 2003 年 6 月,隸屬於國家科學及技術委員會,下轄7個國家級實驗研究中心…」 ,範疇橫跨實驗動物、地震工程、高速網絡與計算、半導體、儀器科技、海洋科技、和科技政策研究與資訊。 旅居台灣時,未聽過國研院。首次認識NARLabs,是參加倫敦一場 AI 趨勢研討會,營運長Simon Hsu 提到世界各地如雨後春筍的AI 初創,除非自行設計 AI晶片,否則與大型科企的差異幾年內會越拉越遠,難以生存。其實,台灣有企業提供 AI晶片設計和生產服務,可惜很少外國企業知道。NARLabs 視歐洲企業,尤其英國企業為重要合作夥伴,認為歐亞企業聯手,能同時打入歐洲和亞洲兩大市場,實踐 1+1 > 2,並與美國和中國兩大市場呈鼎立局面。 根據Numbeo Health Care Index 2023,台灣的醫療服務世界第一,而政府將生物醫療列為重點發展領域。以往身處台灣,不論醫學中心或科技園,都著力培育生物科技人才。每年生醫展在南港的大型展覽館舉行,展示最新生物醫材、創新技術等。在香港,未曾見過這類大規模的生醫展呢! 談及醫材,Simon 認為台灣政府也許不懂得國際商業運作。醫材是攸關性命的產品,世界各大小醫院都只會相信大藥廠大品牌。雖然台灣的醫療服務聞名世界,但醫療產品則未在國際建立公信力。而且台灣生產的醫材,很多時只屬整套療程的其中一環。醫材銷售員往往是售賣整套療程,包括大小儀器,訓練課程,以及每個環節的醫材,以致台灣廠商對產品毫無定價能力。若堅持在國際間銷售台灣自家品牌的醫材,短期難以成功,亦未見可行的商業模式。 NARLabs 明明是官方機構,最大功能是支持學術研究,怎地都在談生意經? 後來才搞明白,NARLabs 一直以來注重科研,各個研究中心都有頂尖人才,也能和業界企業銜接。例如旗下半導體研究中心的博士後實驗員,離開NARLabs 就能直接去台灣半導體企業上班,而且打從入職第一天就具備生產力,完全跳過「逐漸熟習上手」的階段。博士後的動物實驗研究院,也為台灣的醫學中心和實驗室培養了照顧和餵飼動物的專才。實驗動物超過170種,飼養多種動物有很大學問。培養技術人才之外,NARLabs 也減輕台灣各大學實驗室的財政負擔 - 大學和NARLabs 合作,運用NARLabs 的專才和儀器,就能完成實驗,不必每間學校自行建立一個各階實驗室,購買昂貴的儀器。簡單而言,NARLabs 統合大學的實驗研究,令學研更有效率。 據說過往公開發表研究結果後,少有再持續跟進或發展。國研院邀請創投人當COO,帶來商業思維,真正轉化台灣軟實力,將研究成果商業化。除了學研技術商品化,以國家級官方機構身份和全球知名大學商討合作,會較易成事。畢竟NARLabs 的規模和資源,較台灣任何一間大學更大更多。 我孤陋寡聞,一直以來信奉市場的無形之手,總以為官僚機構效率低,尤其非牟利mindset,與生意人投資人格格不入。第一次見到整合跨界別國家級實驗研究中心的官方機構,在支持學術研究外,更專程到外地開發業務,尋找商機,而且舉辦的活動很貼地。…我聯想到唐鳳,曾被邀請成為行政院政務委員,現為數位發展部部長。記得疫情期間,唐鳳領導民間社群運用政府公佈資訊建立口罩地圖,後來又領導開發健康追蹤系統,有效阻延台灣疫情爆發。當時,我對台灣政府決心數碼化,以及重視效率的印象深刻。 離開寶島後,居然還能見識台灣官方機構NARLabs,真的「讓世界看見臺灣」! Facebook…
-
AI 世代:隨處捷徑的領悟
前文《AI 世代:人人都是CEO》提到 GPT 為各行各業創造捷徑。想行得快,要學會運用GPT。AI 的應用場景非常多,除了翻譯,寫文,找資料,寫程式,解答問題,有人問ChatGPT 如何用USD100 在最短時間内合法地賺最多錢(而他會配合AI 的建議跟著實踐),ChatGPT 建議設立網站賣環保產品。有興趣了解故事發展的,可以看Tweet。 上述只是部份例子,到底如何應用AI,大概要先確認目的地,再問ChatGPT 才知道捷徑。 人有慣性也有惰性。當某個方法有效,未必會持續尋找更好的模式。例如修改和轉換電子書格式,既然已有一個軟件,過往多次成功轉換檔案格式,當突然失效,我第一個反應是fix it,好讓該方法繼續運作,而不是尋找另一個代替方法。花了好一陣子,才問ChatGPT 有否其它方法達到目的。當然有,而且更簡單快捷! 第一個領悟:既然要走捷徑,行事為人必需靈活,而且時刻緊記自身懂得的方法,只是其中之一,並非最佳模式。畢竟生有涯而學海無涯,每個人都不及AI學識淵博,隨著時日過,要經常問ChatGPT 達到目標的不同方式! 第二個領悟:要訓練思維敏捷,學習出口成文。GPT 懂得寫文,而且速度奇快。既然AI 能做,我無理由自己打字寫文(速度太慢)。Google Doc 有語音輸入,若能口述文章,效率更好。偏偏我腦筋轉得不夠快,現正打文章… 『思維敏捷,出口成文』很重要,因為AI 速度快,若想效率高,就要提升個人給予指令的速度,否則自身會成為瓶頸。 至於怎樣訓練?國際性慈善機構 Toastmaster 訓練演說技巧,除了正式演說,也同時訓練table topic 的溝通能力 - 隨便出一個題目,即時能講故事,而且內容要有趣有意思。 第三個領悟:未必會寫程式碼,但要理解邏輯和懂得修改。GPT 能瞬間寫好程式,但人類要懂得改錯和確認程式合乎要求。網上有很多相關教學資源,要花時間先學習。好比審計員不必做簿記,但懂得會計邏輯,知道賬目何謂合理,何謂有問題。 最後,既然捷徑已存在,要盡快開始探索和運用,否則落後於人。好比Youtube 出現初期,大眾未能想像Youtube 除上載個人生活短片,可以普及應用製作節目,開通新媒體新市場,造就素人變網紅。當大家意識到新生態才加入,『捷徑』已經擠滿人了。 捷徑一般都是人少路窄有彎路,行程中或有疑惑。人多熱鬧道寬闊,目的地清晰可見的,多數是傳統大道。 Facebook Page: www.facebook.com/trendalysis
-
AI 世代:人人都是CEO
社交平台讓全民變作者;Youtube 讓素人變明星;GPT 讓人人變CEO! ChatGPT 爆紅,世人驚嘆AI 的能耐,全球媒體和各行各業都熱烈討論未來被AI 取替的白領崗位,甚至『淘汰』上班族,大部份無工可返,難以賺錢維生。 我體會過GPT 的強大 - 翻譯整本中文書至英文,僅需數小時,而且文筆順暢,內容達意,勝過Google Translate,朋友形容可用度高達99%,並為文分享經驗<ChatGPT vs 專業翻譯:品質相若,效率千倍,成本十萬分之一>。我靠著友人推薦的開源碼,再請教程式員朋友如何在電腦設置跑程式處境,然後安坐螢幕前,觀看 AI 『閃電式翻譯』,震撼得目瞪口呆! 微軟公佈Office 365 將於數月內推出Copilot 全能助手,即是將AI 融入Word, Excel, Power Point 等,用戶只需開口,Copilot 聊天機械人就會撰寫草稿,自動畫圖…總之,不必用戶親自落手落腳。當GPT 能撰寫文章,從事內容創作的友人,擔心會否被逼提早退休。 其實,真正要擔心地位不保的,是CEO 和管理層。他們屬社會少數,靠把口指揮完成工作,並賺取遠高於大部份技術員工的薪酬。初創CEO 友人曾說,每天最重要的工作是思考,並確保自己不干擾員工的實務。CEO思考的範疇包括發掘和界定問題,制定策略和解決方法,設立各種系統,提升資源效率,建立公司文化,訂立階段目標,人事溝通管理等。 AI 將改變遊戲規則。 企業管理層多數行業經驗豐富,拼搏多年才上位。這好比未有YouTube 年代的電視明星和主持人,先入讀藝員訓練班,之後演出無對白的路人甲或主持下午的兒童節目,奮鬥多年歷盡艱辛,才有機會擔當要角。過程中,被壟斷性的電視台壓榨,被前輩欺負…種種辛酸似乎是成功的必經之路。又好比只有實體報紙和雜誌的年代,要成為專欄作者就得不斷投稿,並面對多次的石沉大海。畢竟實體版面有限,已佔有版面的作者擁有曝光率和發言權,不會輕易放棄優勢,讓出欄位。 YouTube 打破了舊的遊戲規則。當主持或明星,不必讀藝訓班,不必在電視台歷練。素人自行規劃節目內容和錄影播放,回報極高,造就了很多網紅。傳統電視台的主持和演員,例如宋熙年和陳智燊,反過來向素人學習,離開電視台全職建立YouTube 頻道,據聞回報更勝以往。至於未全面轉型的主持和演員,也要適應新遊戲規則,學會自製短片,直播帶貨。 社交平台訂立了新的遊戲規則。KOL (意見領袖)不需要報紙雜誌的欄位,也能曝光發言,讓全世界看見。政要名人表達看法,文字創作者發表作品,不再投書報館或雜誌社,不需經過審批或認可,直接貼在Twitter 和Facebook 就行,並且即時和讀者互動。作者若單靠實體報紙或雜誌的專欄發表內容,讀者人數絕對比不上社交平台的KOL! AI 會如何改變遊戲規則? 技術型白領員工害怕未來被AI 淘汰,因為主要的日常工作,AI 都能完成。這反映他們並非『靠把口指揮的CEO』,時間未能花在思考,而是實幹。當他們用口指揮AI 辦事,自身多了時間,就能學習CEO 的思考模式。現時金字塔頂的管理層,會面對大量競爭,而由低做起奮鬥多年不再是成功方程式。 AI 在各行各業創造了捷徑,大部份人會受惠。 當每個人都能用口指揮,將大部分時間花在思考,自然人人都是CEO! (預告:下一篇會探討甚麼特質在AI 世代有助建立優勢。) Facebook Page:…
-
AGI 遙不可及的三大誤解
過往看人工智能的應用,大多局限於某個專業範疇,例如診症配藥、查找案例、圍棋博弈等。現今社會的職業分工越見精細,因此某些專業工種將很快被AI 取代,但AI 的智能發展始終不及人腦- 即AI 的自我學習能力,及不上人類小孩的廣度和直觀。例如幾歲小孩未必需要曾被火或熱水燙傷,只需輕輕一碰熱鍋,又或感受到水蒸氣,就會知道火的危險性。要是讓AI 自行學習,則可能需要碰壁幾十、幾百甚至幾萬次,才學會「別靠近冒著水蒸氣的熱鍋」,但未必有能力推理出「火和熱力具危險性,應該保持安全距離」的觀念。Artificial General Intelligence (AGI) 則是具備像人類小孩般的自行學習和演化常識的系統。 過往接觸過AI 讀物的共識,是專業範疇的AI 發展一日千里,效率和精準度勝過人腦,但AGI 的發展仍處於迷濛階段,未知何年何月才會成熟。早前認識了Real AI 創辦人閆安,他專注AGI 相關的研究,且分享了公眾對「AGI 遙不可及」 的誤解。 誤解一:人們不了解智能(意識)、神經網絡(neural network) 的黑盒運作、認知能力的基礎組成等 閆安指近年的AI 浪潮,根據已有知識成功建立了很多實際應用系統。往績顯示,發展AGI 不見得需要對意識和認知能力有更深入的了解。而神經網絡內的黑盒,發展一日千里。只要運算速度能保持指數式成長,AGI 的發展未必需要本質性的新發現。 誤解二:科技進展和AI 系統不過建基於數學、而電腦構造仍根據1940 年代的基礎設計、深度學習的模型依賴具30多年歷史的技術、近年的里程碑全靠大幅提升電腦運算能力 某些科學理論是「經典」並且無懼時日飛逝,依舊有效。AGI 的發展潛力和進度,應該根據驗證結果,而不是技術的歷史和新舊程度。如果提升電腦運算能力可帶來突破,那應該會陸續見到更多AGI 相關範疇的突破。 誤解三:人類超然於電腦、人類智力經過以億年計的進化、人腦太複雜難以複製、現時的電腦不可能製造人腦般的網絡 很多的演算法和系統架構都從人腦運作獲得啟發,但並不需要真正模擬人腦運作。沒有證據顯示AGI 必須模擬人腦才可以發展成功。 安兄還列舉了其它誤解,但筆者認為單是上述三大誤解和說明,已十分具有說服力。情況就如創造飛機,飛行的原理不見得和飛鳥一樣,但靈感來自有翼的動物。飛機的物料和重量,與飛鳥大不相同,而載客和載貨能力,根本不可比擬。至於起飛和降落的方法,更是不可類比 - 需要燃料和跑道。性質有異、方法不同,但同樣可以飛行,甚至更遠更久。所以,AGI 的發展不見得需要完全了解人腦意識,才能有突破性發展。科技的進步,尤其是電腦運算速度的大幅提升,以及神經網絡的出現,大概真能突破很多瓶頸。 對AI 有興趣的讀者,可到Realai.org,安兄上載了很多相關研究和資訊。筆者不才,未有細看(大概也不會一次看懂),只求了解大概或現時的進展便了。 此文同見於《信報》的《價值投資》專欄 Facebook 專頁:www.facebook.com/trendalysis
-
何種 AI 才值錢?
本欄曾多次提到若坊間媒體一致看好後市,就是該小心翼翼的時候,因為「時差」問題,往往大眾都知道便是尾聲。昨日畢老林兄的《投資者日記》提到GMO 創辦人 Jeremy Grantham 說現時的牛市缺乏確認泡沫的「行為指標」,即「美股牛還牛,但搭的士不會聽見司機大佬起勢咁吹,講股講到連路都行錯;去飛髮舖搞吓個頭,洗髮員隨時忍唔住口告訴你炒股賺咗幾多…」 筆者認同文中所指的「股民未夠亢奮,要爆大概未是時候」。除了暫時未見「行為指標」,若抽查部份股票的持股狀況,主要持貨者似乎都是機構或專業投資者,由散戶持有的流通街貨相對少。以此觀之,「泡沫」程度有限,應該未到爆的時候。現時炒股不炒市,而且不少藍籌股領漲,當中筆者除了關注月初提及的長實地產(1113),另一間值得長期持有的是平安保險(2318)。至於小型股份,除了中國奧園(3883),天鴿互動(1980) 亦值得注意。去年的財務狀況大幅改善,營運收入升23%,經調整純利增長26%。持有現金超過10億,沒有銀行貸款,營運現金淨流入較去年增長超過一倍。而今年第一季收益較去年上升61%,純利更增長178%。雖然相比去年第四季,純利只是輕微增長3%,但公司財務穩健。倒是每日成交不算活躍,投資者若考慮投資,亦需注意。 早前本欄曾提及匯豐銀行和矽谷的人工智能初創企業合作,發掘洗錢(money laundering) 的可疑活動。早前在RISE Conference,筆者和Ayasdi 創辦人Gurjeet Singh 進行訪談,希望了解公司的技術和過人之處。 近來一股AI 熱潮,Gurjeet 認為現時被形容為AI 的科企門欖太低。他認為一套AI 系統需具備五種特質: discover (發掘), predict(預測), justify(證明), act(行動), learn(學習), 並完整運行整個循環,才稱得上是人工智能。據知Ayasdi 的大數據分析運用Topological Data Analysis(TDA)。筆者並非技術人,對此一字詞和技術不甚了了,但經常在坊間聽到的類神經網絡,是TDA 的其中一種。Gurjeet 早於十多年前在史丹福公開研究結果,所以TDA技術並沒有神秘之處。同時處理和計算大量數據,是十分具挑戰性的事。而公司真正的優勢,是花了超過六年時間,建立一個能處理大量數據的基建,並有效配置數據再進行分析。 Gurjeet 雖曾是學者,卻強調技術並非最值錢,真正重要的是實質應用 - 運用技術解決商業問題。除了與金融和醫療機構合作,Ayasdi 也協助一間日本電訊商追尋駭客,並於三個月內找出13名網絡罪犯。 越來越多企業希望運用AI 提升效率,若要實質應用新科技,行之經年的日常工作流程,和「深思熟慮才決定」的文化,都需要作出調整。正如Amazon 創辦人Jeff Bezos 曾說過具備規模的企業都傾向緩慢地 作出高質決定,但Amazon 傾向作高速決定(high-velocity decisions) ,因為這年代行得慢啲代價太昂貴。Gurjeet 亦認為企業與其擔心難以適應新流程、壞數據影響分析結果等問題,或許可以從小規模開始嘗試。企業若能早點了解AI 可解決的商業問題,累積越多數據和學習,效果應該越佳。 補白:畢兄早前回應本欄提及AK 低買高賣更高沽Tesla 並非價值投資法,尤其Tesla 當年未賺錢。其實,AK 對Tesla 的「估值」主要來自觀察Elon Musk 解決危機的能力,而且企業身為創新高科技,加上曾有一季獲得大量訂單,令現金流大幅提升,所以 AK 給予溢價。至於買賣時機,AK 則應用技術指標。筆者認同畢兄所言「只能證明此君(AK)觸覺異常敏銳,Tesla升跌盡在掌握之中,常人要學亦學不來。」 此文同見於《信報》的《價值投資》專欄…
-
獅子銀行用AI 反洗錢
友人米奇早前大大讚賞獅子銀行。事緣他收到該行電話查詢某宗信用卡交易,而那宗交易並非友人簽署的,估計信用卡已被盜用。米奇讚賞銀行每日幾千萬宗交易,都注意到兼且反應快,客戶零損失。未知讀者有否類似經驗? 除了個人信用卡消費、存款往來大幅波動等,銀行一直有團隊專責發掘和調查洗錢(money laundering) 的可疑活動。匯豐銀行早前和 Ayasdi 進行12星期的試點方案,運用人工智能和大數據進行分析,令可疑的調查個案總數大幅下降兩成,但匯報要求人類作深入調查的洗錢個案卻沒有下降。結果顯示科技將為匯豐節省大量的人力資源!6月初匯豐公佈和 Ayasdi 合作,令杜絕洗錢活動的調查更有效率。 Ayasdi 是來自矽谷的人工智能初創企業,由2008年成立至今融資了七次合共1.06億美元。共同創辦人兼CEO Gurjeet Singh 是史丹佛大學計算機數學博士,去年10月開始成為匯豐銀行技術顧問董事會員。上週三企業推出專注分析金融服務業數據的 Ayasdi Model Accelerator,目標是減低現時模型中的特質(features)和可變數(variables),令建立和運行模型時的透明度和效率更高。 筆者近來嘗試多閱讀人工智能相關文章,但由於沒技術背景,整體理念始終不容易拿捏。維基百科顯示Ayasdi 是機械智能軟件公司,分析大數據並建立具預測性的模型。Ayasdi 致力大規模的無預設條件自動分析,透過大量的監督(supervised)和非監督(unsupervised) 機器學習演算法,自動找出並排列相關數據,然後以網絡般的地圖顯示結果,幫助分析人員用新方式分類和檢視關連系數。 機器學習除了監督式和非監督學習,還有強化學習(reinforcement learning),即透過獎賞機制讓機器懂得辨別較好的選擇,現時的最佳例子是 AlphaGo。監督學習需要大量數據,而強化學習需要的數據量相對少很多,但始終未能像人類般不經歷都可以學懂。例如不衝紅燈過馬路,人類聽過一次就知道,不需要親身試過。但若以監督學習訓練機器,就需要大量的交通意外數據才能學會避開車輛。至於強化學習,則可能要在學習過程中撞幾千次車,機器才會學懂。 據聞現時非監督學習的應用不廣泛,實質例子少。Ayasdi 同時運用監督和非監督學習分析數據,並套用在不同行業(包括醫療、交易策略、疾病研究、資訊安全,金融服務等),確實是「超級智能」。希望在一年一度的科技界盛事RISE Conference,有機會向Gurjeet Singh 了解更多。 此文同見於《信報》的《價值投資》專欄 Facebook 專頁:www.facebook.com/trendalysis
-
珩灣科技的盈喜通告
近日恆指四連升,這時候未必最適宜談價值選股,畢竟大部分港股(不論好壞)皆造好,投資人最怕滿倉踏空。本欄過往曾詳盡分析的股票例如新意網(8008)、平安保險(2318)、中國民航信息(656)、中國通號(3969)、復星國際(656)、碧桂園(2007)等,財務狀況比較穩健,若然投資人想入市又怕高追,可以考慮上述股份。另外,每年第一季都是業績公佈期。投資者如欲短期買賣,可嘗試多看通告,篩選有盈喜的公司。公告中一般會說明利潤增減的原因,若果是營運業務表現佳,而非一次性收益影響,或可以短期交易買賣。 早前看見一個市值僅約6.2億的細價股珩灣科技(1523) 發盈喜,雖然通告未有透露數據,但截至去年12月底的全年盈利有大幅增長。珩灣科技的上市年期短(去年7月才上市),主營業務是售賣SD-WAN 技術 的路由器,和提供保修和支援服務。約一半銷售收入來自北美洲,三成來自歐洲、中東和非洲,約兩成來自亞洲。公司擁有16項美國專利,於2015年榮膺全球第五大SD-WAN 路由器供應商,客戶包括矽谷的科技公司、航空公司和執法機關等。 參考去年截至6月底的半年業績,銷售收入增加超過12%,盈利增長超過100%。資產和債務情況健康 - 持有約650萬美元的現金,而短期負債不足100萬美元。 而且經營現金流穩健,較2015年同期增長接近一倍,這些數字都顯示公司財務穩健。雖然市值小,股價又細 (波動率較大兼且容易推上擠下),但其業務增幅和美國專利權等,值得投資者考慮短期交易買賣。 提到科技,數日前車品覺兄在《全民大數據》專欄詳談人工智能和深度學習,碰巧筆者最近看完一本相關書籍,對人工智能的發展和障礙稍為了解多一點點,在此和讀者分享。AI 的研究和技術發展其實早已展開,但一直未有突破性進展,直至深度學習的出現。要模擬人類的思考和辨識能力,最大的挑戰在於「特徵辨識」。例如「斑馬」這個名詞,對於未見過真斑馬的人,可以理解並想像到「斑紋」和「馬」合起來的樣子,但電腦卻無法理解這種抽像概念。深度學習卻似乎能幫助系統突破抽象概念 - 電腦不再依賴人類給予特徵辨識的資訊,而是通過多層次的對比篩選,自行發掘特徵,並將之歸類。雖然深度學習的特徵辨識方法異於人類思考,但過往的測試結果顯示電腦可有效學習,而且效果不俗。
-
從 RISE 看未來科技熱點
年初本欄的《跌市中尋寶》一文曾分析粵海置地(124),指公司的規模和市值雖小,但財務穩健現金充裕,而且廣州如英居項目去年開始預售,有大筆現金回籠,再加上深圳的布心廠房地皮,將轉為經營房地產發展,公司前景具潛力。無奈股票交投不活躍,吸納投資需要耐性。週一該股價曾飆升超過6%,而且成交量大。現價較年初升逾29%,筆者認為值得繼續持有和觀察。當然,本欄曾多次強調投資需要風險管理,所以let the profit run 的同時,未來股價若創新高後回落某個百分比,亦可考慮(部份)離場。 筆者上週參與一連三日在灣仔會展舉行的RISE Conference。這個號稱亞洲最大的tech startup 峰會,引來世界各地的初創公司擺攤,而講台上的嘉賓包括創投基金經理如GGV Capital 和 500 Startup 合夥人、初創企業創辦人如本地代表Ray from 9Gag 和Steven from GoGoVan,和大型科技公司如Facebook, Uber 的管理層等。由於演講和訪談的時間短(每節僅約20分鐘),難以深入討論任何主題,所以筆者並不期望峰會過後深受啟發,只求了解未來科技發展方向,知道最新的技術應用。這有助分析長期趨勢和作投資決定。 本欄曾撰文提及誠哥旗下的創投基金Horizon Ventures 也投資的 Sentient Technologies,運用人工智能(Artificial Intelligent) 進行程式交易,又將技術應用在電子商務。第三日峰會,RISE 請來該公司的Chief Business Officer Randy Dean 和麥格理合夥人Jeff Galvin 在台上分享人工智能的商機。他們強調解決問題才是重點,人工智能只是工具。台下筆者有機會與Randy 及Sentient CFO Fabrice 交流,當然抓緊機會問及Sentient 為何由AI程式交易,再多開一個AI 電子商務部。他們回應以AI 尋找交易機會是困難的事,因為全世界最聰明的頭腦都在金融市場競爭。每次AI 找到可以獲利的交易patterns,不多久其它人都會發現,patterns 很快就失效,要再尋找其它交易點子。而電子商務的規模大,具商業價值兼可以帶來實質現金流,加上客戶購物往往能快速決定(以分鐘而不是以日或星期計算),所以他們選擇在這範疇應用人工智能。筆者再問及AI 交易的回報,自然是最高機密無可奉告,唯一知道是至今錄得正回報,而且未來會成立基金供投資者認購,但該基金不會開放予公眾參與,而是VIP 形式 by invitation only。 (圖為Randy Dean(左) 和 Jeff Galvin (中) 在RISE 分享人工智能商機) 另一個印象深刻的演講,是來自日本的近藤麻理惠(Marie Kondo)…