投資速覽：NVIDIA GTC 2025投資者須知
投資組合經理Richard Clode討論NVIDIA年度科技大會的重要啟示。這個極其重要的會議重點介紹AI高速革新，包括代理式AI所創造的機會。
![Richard Clode, CFA](https://www.janushenderson.com/wp-content/uploads/sites/4/Headshot-thumbnail_Richard-Clode.png?w=150")
5 分鐘閱讀
焦點分析：
- 符元（而不是數據）作為「新動能」，推動更高水平的智能及相關的收益和利潤。推理模型使代理式AI變成可能，為AI創造嶄新、龐大的潛在市場。
- DeepSeek的意涵一直被市場誤解。AI運算需求隨著推理模型呈指數級增長，而美國對半導體的限制可能意味著相對於中國的AI能力可能處於相對較高的水平。
- AI的難題將透過科技創新得到解決，從而創造跨技術堆疊的投資機會。
符元(Token)作為「新動能」
數據一直以「新動能」的形態呈現，而因生成式AI領域可無止境創建合成數據，造就符元成為現今世代的力量來源。為生成式AI帶來革命與開創時代的原始創新Transformer模型正正建基於符元化。符元是AI模型在訓練和推斷過程中處理的數據單元，可以預測、生成和推理。因此符元等於智能，最終將帶來更大的收益和利潤。
NVIDIA行政總裁黃仁勳長期以來不斷提及「AI工廠」。AI數據中心創造符元並因而利用智能設計出更好的產品、更高效經營業務並提高客戶服務品質。他設想未來每家公司都會擁有兩類工廠：製造和計算。作為先進AI晶片的領導者，NVIDIA目前才開始使用AI加速電子設計自動化(EDA)軟件工具來設計未來的晶片。直至近期，該公司將軟件優化以用於NVIDIA的CUDA程式語言。該公司還宣佈與通用汽車(General Motors)建立全方位合作關係，利用AI幫助通用汽車設計汽車、提高效率並實現自動駕駛。
代理式AI – 下一波AI
我們仍處於生成式AI創新曲線的早期階段。黃仁勳一直強調的新規模定律是測試時擴展或長時間的思考推理模型，其採用更長的思考過程方法得出更準確的反應，而不是優先考慮速度。這些推理模型最近才推出市場，使代理式AI成為可能。這是具有代辦功能的AI，能了解需要解決的問題的背景。其突破之處是能推理和策劃行動方案，以多模型方式解決問題。這可能涉及閱讀網站文章或觀看影片，同時採取幾種可能的途徑來解決問題，然後檢查答案是否一致或將答案重新插入問題中。此舉解決了ChatGPT和其他單樣本推斷模型在回答簡單問題時遇到的阻礙，更不用說更複雜的問題了。代理式AI是一種更高級的智能操作，使下一波AI從副駕駛 (Co-pilots) 到AI代理成為可能，以便在無人監督的情況下以高度準確性和一致性完成任務。代理式AI大幅擴展AI的潛在市場，開闢了人類和自動駕駛等新物理AI應用程式，並運用現實世界的重力、摩擦力和「因果關係」等力量。
解構DeepSeek的謬誤
黃仁勳竭力指出，市場完全誤解今年初DeepSeek推出R1模型的含義。將DeepSeek的反應與Meta的標準非推理模型比較時，DeepSeek的反應更準確，但需要20倍的符元和150倍的運算。DeepSeek並非表明未來運算需求會減少，而是一場推理模型的「真相大會」，為AI運算需求開闢新的擴展方向。
NVIDIA亦制定2027年前的發展路線圖，其中的最終產品是下一代AI超級晶片Rubin Ultra，其性能為Hopper的400倍以上。這一點非常重要，由於目前美國半導體出口限制（旨在限制中國獲取先進半導體及其生產所需設備）對降低Hopper等級的AI運算設定了絕對上限。在未來幾年，中國新的AI模型將受到運算上限的限制，而全球AI模型可能會在性能呈指數級增長的AI基礎設施上進行訓練。這可能表明，與世界其他國家相比，中國的AI能力可能處於相對較高的水平。
解決AI挑戰的全端解決方案
NVIDIA不只是一間半導體公司，其大幅效能提升和節能歸功於軟件和網絡創新。黃仁勳一直強調生成式AI歸咎於全端問題，需要全端解決方案。在其GTC活動上，該公司展示共同封裝光學元件和虛擬Dynamo軟件等創新舉措。AI訓練叢集的光纖網絡是耗電量最大的部分，每個GPU包括6個收發器，每個收發器的耗電量為30瓦，因此隨著訓練叢集擴大，光耗電量亦隨之增加。NVIDIA聲稱，在開關中封裝光學元件，可使用少4倍的激光帶來多3.5倍的電能效率。Dynamo是一層虛擬軟件，使用虛擬GPU並將工作負載切分和細分來優化推理工作負載，從而將推理效能提高30倍。
我們始終認為，推進和運行AI所需的電能問題可透過創新技術解決。因此，與公用事業和電力基建設施相比，更多關注的投資機會在於整個技術堆疊中。
倘若英文版本與中文版本出現歧異，概以英文版為準。
推理式AI：使用複雜的推理和迭代規劃自主解決複雜的多步驟問題。來自多個數據來源和第三方應用程式的大量數據應用於獨立分析問題、制定策略和執行任務。
CUDA：由NVIDIA開發，使用圖形處理單元(GPU)的程式語言。可進行並行執行運算，同時提供良好的速度。CUDA允許NVIDIA的GPU執行常見的運算任務，例如處理矩陣和其他線性代數運算，而不只執行圖形計算。
DeepSeek：一家中國AI初創企業，亦是DeepSeek-V3等開源高級大型語言模型(LLM)的開發商。DeepSeek-V3價格更便宜，是OpenAI的ChatGPT和Google的Gemini的主要競爭對手。
電子設計自動化(EDA)：一類特定硬件、軟件、服務和流程，使用電腦輔助設計來開發複雜的電子系統，例如印刷電路板、集成電路和微處理器。將元件密集封裝在電路板或微處理器上需要極其複雜的設計。EDA軟件使用自動標準流程，推動高速開發，同時在最大程度上減少程式錯誤、瑕疵和其他設計錯誤。
全棧解決方案：指一種全面的軟件開發方法，涵蓋應用程式或項目的所有層次，包括前端及後端組件，以及應用程式完全運行所需的任何其他層次組件。
GPU：執行圖形渲染（graphics rendering）所需的複雜數學和幾何計算的圖形處理器，亦被用於遊戲、內容創作及機器學習。
推理：指人工智能處理，機器學習和深度學習是指訓練神經網絡，而人工智能推理則應用來自經訓練的神經網絡模型知識，並用這些資料來推理結果。
LLM（大型語言模型）：一類專門的人工智能，利用大量文本進行訓練，以了解現有內容並生成原始內容。
長思考推理：在得出結論之前，通過多角度分析、考慮長期影響，仔細權衡各種因素，對資訊及潛在結果進行深思熟慮的擴展過程。
單樣本推理：指向模型提供單一例子或提示來執行任務的方法。它依賴單一、精心設計的提示來達成所需的輸出。
測試階段擴展：一種語言建模方法，利用額外測試階段運算來提高性能。
符元：AI符元是大型語言模型(LLM)使用的輸入和輸出基本構建組成區塊。這些是AI模型在訓練和推斷過程中處理的數據單元，可以預測、生成和推理。
主要投資風險:
- 本基金投資於股票，須承受證券價值波動的股本證券風險 。
- 投資本基金涉及一般投資、貨幣、人民幣貨幣及兌換、流動性、對沖、市場、經濟、政治、監管、稅務、有關證券借出、有關反向回購交易、金融及利率風險。在極端的市場環境下，閣下可能會損失全部投資。
- 本基金可使用金融衍生工具降低風險及更有效率地管理基金，並涉及對手方、流動性、槓桿、波動性、估值及場外交易風險，可能蒙受重大損失。
- 本基金的投資集中於科技行業，或會具較高波動性，並承受科技相關公司風險。
- 本基金可能投資於歐元區, 或會蒙受歐元區風險。
- 本基金可能徵收業績表現費。即使投資資本虧損，投資者也可能需要支付此費用。
- 投資者不應只根據此文件而作出投資決定，並應細閱有關基金銷售文件，了解風險因素資料。
5 分鐘閱讀
焦點分析：
- 符元（而不是數據）作為「新動能」，推動更高水平的智能及相關的收益和利潤。推理模型使代理式AI變成可能，為AI創造嶄新、龐大的潛在市場。
- DeepSeek的意涵一直被市場誤解。AI運算需求隨著推理模型呈指數級增長，而美國對半導體的限制可能意味著相對於中國的AI能力可能處於相對較高的水平。
- AI的難題將透過科技創新得到解決，從而創造跨技術堆疊的投資機會。