投資之旅 Trendalysis

Tag: AI

  • 很特別的台灣NARLabs

    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

    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

    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)…