看板 Stock 關於我們 聯絡資訊
我先說,雖然這波AI浪潮也是讓公司喝到點肉湯 但我的立場其實我前幾天有發文過,我依然是認為整個產業過熱了 然而,AI的槓桿泡沫 =/= AI這東西泡沫 同時LLM也不能統稱AI,這波熱潮比較多的是LLM帶起來的 你可能要表達精確一些 ※ 引述《nideropa (nideropa)》之銘言: : 其實就很簡單的點,人們根本沒辦法想像AI可以對你的生活帶來多重大的改變。當連想像 : 都做不到有多嚴重呢 許多人可能沒有意識到這是一件多荒謬的事 。 其實改變蠻多的,SWE這邊應該是衝擊最大的 一般商業來說,基礎打報告和Email不用在那邊想老半天搞個高大上的敘述 但整體而言,想要切入B2B完整的Business process還有許多事情要重新建立和驗證 套句昨天某位版友說的
stxxxn : ERP就是個舊時代的垃圾 AI分分秒都可以全部弄一個07/28 11:23
假如目前投資人是這種概念,那我蠻確定槓桿真的是過熱了 : 全世界在為了人們自己都不相信的東西投入幾兆美金 更不用說現在AI還沒證明自己帶來 : 新的價值/市場。 價值這件事情,最深入就是有沒有賺錢 但單純去生產力有沒有提升,我非常確定是有 那除了SWE以外生產力的提升能不能cover成本,我個人認為多數的企業辦不到 我舉個例子,你開藍寶堅尼送貨有沒有機會比較快送到? 有,但有沒有成本效益? 沒 : 第一個消費端沒搞頭就死八成了 ,再來最多人吹的什麼claude寫程式多屌,但這也僅是c : ost down面,你省了時間,省了請工程師的錢,然後呢,回歸市場的本質公司要賺錢是必 : 須要有產品的,也就是前面說的跟消費市場脫不了關係,公司用了ai可以降低成本,但這 : 個成本畢竟是有限的,極端比方員工人事成本都是ai給你算0好了,然後呢?終究還是要 : 回歸業務本質。 消費端倒是小事,事實上多數探大吉的軟體公司都是b2b來的 事實上多數AI公司目前也都希望能夠打入business process為主 我們公司目前設計確實有開始使用AI,但就算找專門的人來訓練模型 還是會有些奇怪的錯誤發生,可能我們的東西比較冷門,但多數都是物理學的內容 AI就是會有一些奇怪明顯的誤判,vendor也還在做校正中 所以問題就是企業們找不到subscrib帶來的效率和經濟效益 對於中小型的公司而言,除了產線外很多人都是多工的 僅有極少數的R&D才真的是專注在研發和設計上面 : 還有一種說法是ai本身就是市場,但對百分之99.99的人來說,沒有ai你的生活根本完全 : 不會受影響=會願意花錢訂閱的就是少數中的少數。別跟我說幾個散戶訂閱用來分析資料 : 、處理文書就是你所期待的市場。 我個人還是看好AI這東西終究會滲透進一般的企業中 從矽谷/科技業角度來看,你會覺得這件事情近在咫尺 但跳出科技業的話,甚至只是跳出SWE的工作內容 你會很難想像光是account/cost center同家公司不同國家可能都有不同定義 更別提我還看過年收50B鎂的公司內部還四五套ERP要做translation 而只要是需要驗證和需要有明確責任歸屬的business process 目前就很難交由AI全部代管 很多人說法務可以大量減少人力,但事實上合約丟給AI後 還是沒一個法務敢不自己再全部重讀一次的 這東西給業務做初步的評估還是很好用,所以你也不能說完全沒有改變 當然這是個人的觀點,假如你認為我太廢那你一定是對的 我再次強調,我只是從年營收10B OPM40%上下的小公司觀點來看 長期來看,2032~2033年後這東西應該會變成主力的採購項目 但你說2030年前能夠徹底改變整個business process,我覺得太難惹 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 136.226.240.97 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1785282137.A.CE3.html
virgolibra : https://i.verb.tw/FQe71YPd.gif 07/29 07:44
DustToDust : 局限性還是很多 不夠便利 07/29 07:46
sinclaireche: 對老闆來說是不夠便宜或是沒人扛責 07/29 07:48
※ 編輯: zzahoward (136.226.240.97 臺灣), 07/29/2026 07:49:47
sinclaireche: 所以客服和普通翻譯影響最大 07/29 07:49
yang1026 : token花費太高 07/29 07:49
sinclaireche: 原本十個員工的需求現在變成只剩一個 07/29 07:50
sinclaireche: 留下來的負責扛責任 07/29 07:50
bj45566 : 很粗略地說,LLM AI 就是 Deep Learning(DL) 的升 07/29 07:55
bj45566 : 級版;而 DL 大致可以說是 SVM AI 的升級版... 07/29 07:55
bj45566 : 至於 SVM AI 之前呢?大概就是我大學選修課教的 LIS 07/29 08:02
bj45566 : P AI 了吧 -- 那個時代 AI 完全被當作笑話看待,是 07/29 08:02
bj45566 : 台大電資學院最冷門的出路選擇 XDDDDDD 07/29 08:02
bustinjieber: 其實目前最大的爭議點在於, 07/29 08:32
bustinjieber: 所謂的生產力提升 vs token成本, 07/29 08:32
bustinjieber: 在模型開發商的資金燒完之後, 07/29 08:32
bustinjieber: 開始要財報見真章了,能不能撐下去。 07/29 08:32
bustinjieber: 簡單來說,AI提高生產力肯定是可以, 07/29 08:32
bustinjieber: 但目前的token價並非可盈利定價, 07/29 08:32
bustinjieber: 算上能源、折舊、其他營業成本費用... 07/29 08:32
bustinjieber: 如果token成本 換算成 單位生產力 07/29 08:32
bustinjieber: 只要token成本>>>單位生產力, 07/29 08:32
bustinjieber: 那這套商業邏輯就完全失去意義, 07/29 08:32
bustinjieber: 或者說,對高附加價值的產業才有用 07/29 08:32
zaqimon : 你用AI產生精美的報告或email結果對方也懶得看 07/29 08:39
abc12812 : llm能證明數學定律 怎麼可能解不出物理問題? 07/29 08:39
zaqimon : 對方一樣用AI幫忙濃縮重點甚至根本直接當垃圾郵件 07/29 08:39
bustinjieber: 長期變化太大先不說,就說短中期, 07/29 08:39
bustinjieber: 資金短缺後,scalability 會影響 07/29 08:39
bustinjieber: 1. 現階段實際市場需求有多少 07/29 08:39
bustinjieber: 2. 有哪些公司/產業用得起且產生獲利 07/29 08:39
cheapfilm : 把LISP講成AI, 推文智障真多 07/29 09:05