2025年8月21日 星期四

他們跟巴菲特擦肩而過

mikeon88 2025/8/14 13:47:25


最近我的電話又多起來

如同2020/3在股災最低點我喊買滿

有人不以為然

後來證明我對了

就有一些10多年來從未聯絡的同學打電話來

他們的問題一聽便知對我教的內容

已經忘了一乾二淨

受到財經媒體污染嚴重

一個說那個什麼表要去哪裡下載

連盈再表都說不出來

一個說聽我的話已經買滿

未來有新錢是否等川普缷任之後再來加碼ETF

既然這麼不喜歡川普為何現在要買滿

......

他們顯然需要從頭學起

鼓勵他們到討論區來一起討論

一個說他沒註冊

我說沒註冊就去註冊

然後就結束通話

亞洲同學都不願公開討論

 

他們天真地以為10年打一次電話

在討論區外當路人

巴菲特只是之一而非唯一

到處東看西看中毒了還不自覺

這樣就可以在股市賺到大錢?



mikeon88 2025/8/20 12:17:54


我們的同學都羞於說出自己的名字

每次打電話或寫email來

都只說是我的學生

令我一頭霧水

我的學生那麼多

有的還是18年來不曾聯絡過的人

問他大名是?

仍吞吞吐吐不願意講

 

打電話給別人第一句話

要先報上自己的大名

這是基本禮貌

 

寫email來地址是新的

也不告訴我是誰

我都用最方便的方法處理

直接刪除



mikron88 2025/8/21 20:39:32


每天來討論區

對有些人而言好像是非常困難的事

 

最近不知怎麼的

有5個10幾年甚至18年未曾聯絡的

同學突然打電話給我

他們對課程已經忘了一乾二淨

 

我很感慨

18年如果好好跟著巴菲特班

早就財務自由了

他們在年輕時即遇到巴菲特

卻跟祂擦肩而過

人生最大的遺憾莫過於此

 

他們的藉口都是工作忙沒在玩股票

我完全不相信

買股票跟吸毒一樣

一旦沾到就戒不掉

他們應該是誤入歧途

以為還有更快的方法

理財雜誌真的害人不淺



Curry 2025/8/21 21:39:14


這的確是人生最大的遺憾

但當事人可能還感受不出事情的嚴重性

只能說佛度有緣人~



雜工 2025/8/21 22:20:06


老師像聖經故事「摩西分海」
一本巴班講稿及盈再表
跳脫似是而非的投資市場
帶領著眾多同學到彼岸
落隊的、猶豫的
懷疑彼岸風光而躊躇不前

 

想重新跟上的
真的不用想太多
跟就對了
老師並沒有將海水閉合

 

巴班同學是多麼幸運
股海中能夠遇見Mike

2025年8月19日 星期二

AI 發展遇到瓶頸

mikeon88 2025/8/9 20:43:56m


這對AI股太貴的股價而言是利空

 

問:GPT5碰到瓶頸進步不多?

摘錄自ChatGPT: 

不只是  GPT-5,整個大語言模型 (LLM) 領域最

近確實出現了邊際效益遞減的瓶頸感。

1. 模型規模逼近「算力極限」

參數規模和訓練資料量已經非常龐大,再加大模型,成本呈指數上升,而性能提升卻逐漸變成微幅改善 (比如從 92 分到 94 分)。

2. 訓練資料的「天花板」

互聯網上可用的高品質文本幾乎已經被掃完,再訓練就得用更多低質資料。

3. 推理與真實世界交互的難題

LLM 雖然會「說」,但真正能做長鏈推理、處理真實物理世界問題,還是受限。這需要突破單純的文字預測框架,可能得結合符號推理、外部工具、模態融合 (圖像、音訊、程式執行等)。

 


mikeon88 2025/8/9 21:13:15


已經在大打價格戰殺得比任何產業都兇

直接殺到10分之一

 

ChatGPT: 

相比 Claude Opus 4.1,GPT-5 價格只有 大概十分之一到四分之一。

比較 Claude Sonnet 4,GPT-5 約為其 三分之一左右或更少。



mikeon88 2025/8/10 15:35:03


試用GPT5更會胡說八道

大語言模型只會玩文字接龍

猜下一個詞哪個最有可能

這種架構難以實現人類般的推理能力

ChatGPT被眾人追捧的時代已經過去

 

算力已經過剩,訓練資料也相當海量

缺的是能夠推理的演算法

就像一位數理高材生能夠考高分

不是算過很多題目

而是邏輯能力比別人強

可能要等待下一個天才橫空出世

人類離通用AI(AGI)、家務機器人還很遠



mikeon88 2025/8/17 07:56:50


駕駛彎腰撿手機的狀況應該很常見

特斯拉的輔助系統居然沒事先設想到

 

ChatGPT在AGI和特斯拉的自動駕駛

都遇到瓶頸

看來AI美好的新世界

不會如業者所吹噓的那麼快到來 

對AI股而言是利空

 

特斯拉搞了那麼大的資料中心

算力足夠快了,訓練資料也海量了

還做不到L4或L5

可能是演算法的問題

就是看不清楚突然跑出來的東西

在陌生地點也不曉得如何停靠

在美國路況單純尚且如此

到亞洲路上更複雜

突然跑出一個小孩或一隻牛

更麻煩

 

特斯拉龐大的資料庫

9成都是垃圾影片

車子在筆直的公路上行駛

不可能有突發狀況發生

真正意外只占10%

所以不是蓋更大更快的資料中心

而是演算法的問題



mikeon88 2025/8/20 06:55:25


話才說完,AI 發展遇到瓶頸

昨天AI 股就大跌,

那指-1.5% NVDA-3.5% AMD-5.4%

股價實在太貴