➤鼎極操盤手 何基鼎 LINE 粉絲團

黃仁勳(Jensen Huang) 再向業界丟下重磅「核彈」。

台北時間2月26日，市值2兆美元的AI 晶片巨頭輝達（NVIDIA）宣布推出全新NVIDIA RTX 500 和1000 Ada一代消費級GPU（圖形處理器）加速晶片，全面支持在輕薄筆記型電腦等行動裝置中運行生成式AI（AIGC）軟體。

輝達表示，與僅使用CPU的配置相比，全新RTX 500 GPU可為Stable Diffusion等模型提供高達14倍（1400%）的AIGC效能，AI 照片編輯的速度提高3倍，3D渲染性能提高10倍，從而全面提升生產力效率。

作為入門款GPU產品，輝達RTX 500將成為全球內建AIGC技術且價格最便宜的GPU晶片。

同時，這也意味著，黃仁勳持續降低AI PC設備門檻，即將大量出貨輝達GPU晶片，消費者「買筆電送AI 」的時代真的要來了！

據悉，輝達RTX 500和RTX 1000均採用與RTX 4090、L40伺服器GPU一樣的Ada Lovelace架構，或採用台積電4N（5nm）工藝，擁有神經處理單元(NPU)、第三代RT 核心、第四代Tensor Core、Ada一代CUDA核心、專用GPU記憶體、DLSS 3光線追蹤技術、第八代NVIDIA AV1（NVENC）編碼器等一系列旗艦AI 晶片才擁有的重要配置。

輝達稱，隨著AIGC和混合工作環境成為新標準，無論是內容創作者、研究人員還是工程師，幾乎每位專業人士都需要一台強大AI 加速功能的筆記型電腦來幫助使用者應對產業挑戰。而RTX 500 和1000 GPU 透過AI 為各地緊湊型設計的筆記型電腦使用者提升工作流程。

具體來說，首先，基於NVIDIA Ada Lovelace 架構，RTX 500 和1000 GPU晶片擁有第三代RT 核心，光線追蹤效能比上一代提升了2倍，可實現高保真、逼真的渲染。

其次，搭載第四代Tensor Core AI 加速技術下，RTX 500 和1000 GPU吞吐量是上一代的2 倍，可應用於深度學習訓練、推理和基於AI 的創意工作負載。

再次，與上一代相比，擁有最新CUDA核心的RTX 500 和1000 GPU，單精度浮點(FP32) 吞吐量提高30%；而第八代NVIDIA 編碼器支援AV1，效率比H.264 高出40 %。

最後，RTX 500 GPU 配備4GB GPU專用內存，RTX 1000 GPU 配備6GB GPU專用內存，可處理更大的項目、資料集和多應用工作流程，全面支援部分複雜3D場景和AI 應用研發。

另外，內建NPU的RTX 500 和1000 GPU晶片，可提供最高193 TOPS 的AI 效能，滿足日常AI 工作流程。如果你希望利用AI 來實現深度學習、資料科學、進階渲染等工作流程，輝達也提供RTX 2000、3000、3500、4000 和5000 Ada筆記型電腦GPU，最高支援682 TOPS 的AI 效能。

很顯然，黃院士的想法是：一旦要用AI，就要買輝達GPU顯示卡。沒有更高效能的CPU難以開發和使用AIGC 應用程式。

「你買的越多，你省的就越多。」黃仁勳曾說。（The more You buy，the more You save ）

輝達透露，全新NVIDIA RTX 500 和1000 Ada 世代筆記型電腦GPU 將於今年春天在戴爾、惠普、聯想和MSI 等行動工作設備中應用。

實際上，在AI 時代下，鈦媒體App編輯手中的一台Redmi Book 15E，由於沒有內置NVIDIA獨立顯卡，因此，我們安裝很多支持CUDA如NVIDIA App等多款AI 應用就會顯示“安裝無法繼續” ——很顯然，GPU已深深改變了我們的生活。

近期公佈的輝達最新財報顯示，2024財年，輝達收609.22億美元，年增126%；淨利年增581%，至297.60億美元，成為地表最強的公司。

受利多業績影響，輝達美股持續大漲。

2023年，輝達股價已累計上漲236%，進入2024年英輝達價短短兩個月漲幅又超過63.05%，最新市值約2兆美元。

如今，在新的AI 時代下，全球科技巨頭排行發生了重大變化：輝達超越了谷歌、亞馬遜等一眾巨頭，已成為全球第三大科技公司，僅次於微軟、蘋果。

隨著股價暴漲，輝達聯合創辦人兼CEO黃仁勳身價也水漲船高，最新增加85億美元，至681 億美元，成為全球第21位最富有的人。

黃仁勳不僅超越科氏工業CEO查爾斯‧科赫(Charles Koch)，也成功超越中國首富、農夫山泉創辦人兼董事長鐘睒睒。

對於中國市場，輝達也首次提到，華為是輝達重要的競爭對手之一。同時，黃仁勳對外確認，輝達向客戶提供A100/H800 AI 晶片的替代樣品，同時遵守了美國商務部半導體出口管制規定。

黃仁勳最近接受《Wired》對話時坦言，華為是非常好的公司。儘管他們受到現有半導體處理技術的限制，但他們仍然可以透過將許多晶片聚集在一起來建立非常強大的系統。

黃仁勳強調，輝達非常期望去中國市場進行業務競爭，並希望「我們能夠成功地服務市場」。

2月26日晚，美國儲存晶片巨頭美光科技（Micron Technology）宣布，該公司已開始大量生產其用於AI加速的先進Micron 24GB HBM3E內存方案，提供高達1.2 TB/s頻寬，相比競爭對手功耗降低30%，應用於輝達H200 Tensor Core GPU，最快將於2024年第二季出貨。

隨著輝達A100、H100晶片的成功量產，輝達瞄向AI 超算雲Nvidia DGX Cloud、AI 軟體棧Nvidia AI Enterprise等全新業務。

黃仁勳先前表示，生成式AI 讓每個（軟體）企業都擁抱加速運算，提高吞吐量，而輝達將利用Nvidia AI Enterprise，對這些企業所有的軟體堆疊進行管理、優化、修補。而Google成為了Nvidia AI Enterprise的最新合作方。

「我們將其推向市場的方式是將Nvidia AI Enterprise 視為作業系統，每年每個GPU 收取4500 美元。我的猜測是，世界上每一家在專有雲和私有雲中部署軟體的軟體企業公司，都將在Nvidia AI Enterprise 上運行。」黃仁勳表示。

半導體行業機構Futurum Research 首席執行官丹尼爾·紐曼(Daniel Newman) 認為，“英特爾曾經是業界的霸主。而現在，很多公司正聯合起來，以確保輝達不會變得太強大。”

綜合多方消息，3月18日舉行的GTC大會上，輝達將推出基於下一代Blackwell GPU架構的新款B100 AI晶片，採用台積電3nm製程製程、三星提供最新HBM儲存技術，據推測B100效能至少是H200的兩倍、也就是H100的整整四倍，預計B100將成為全球最強大的AI 晶片。（鈦媒體）

最近，《連線》（Wired）的記者採訪了輝達CEO黃仁勳。

記者表示，與Jensen Huang交流應該帶有警告標籤，因為這位Nvidia首席執行官對人工智能的發展方向如此投入，以至於在經過近90 分鐘的熱烈交談後，我（指本採訪的記者，下同）確信未來將是神經網路的涅槃。我還可以看到這一切：機器人復興、醫療天賜物（medical godsends）、自動駕駛汽車、有記憶的聊天機器人。該公司聖克拉拉園區的建築物並沒有起到任何作用。無論我的目光落在哪裡，我都會看到三角形中的三角形，這種形狀幫助輝達獲得了第一筆財富。

黃是過去一年的風雲人物，甚至可能是未來十年。因為科技公司確實對Nvidia 的超級運算GPU 愛不釋手。這不是以前的Nvidia，它是X 代視頻遊戲顯示卡的供應商，透過有效渲染無數的三角形使圖像變得栩栩如生。這就是輝達，它的硬體開創了一個我們與電腦對話、電腦與我們對話的世界，最終，根據你與哪位技術專家交談，它們超越了我們。

在我們的會面中，現年61 歲的黃穿著他標誌性的皮夾克和簡約的黑色運動鞋。他在那個星期一早上告訴我，他討厭星期一早上，因為他星期日工作一整天，開始正式工作週時已經很累了。

黃仁勳制定了一個模式，讓輝達走在每個科技大趨勢的前面。2012 年，一小群研究人員發布了一個名為AlexNet 的突破性影像辨識系統，該系統使用GPU（而非CPU）來處理程式碼，開啟了深度學習的新時代。於是，黃立即指揮公司全力追逐人工智慧。2017 年，當Google發布了被稱為Transformer 的新型神經網路架構（ ChatGPT 中的T）並引發了當前的人工智慧淘金熱時，Nvidia 處於完美的位置，可以開始向飢餓的科技公司出售其專注於人工智慧的GPU。

Nvidia 目前佔據AI 晶片市場70% 以上的銷售額，估值剛超過2 兆美元。2023 年最後一季的營收為220 億美元，比上年成長265%。去年其股價上漲了231%。黃要么在他所做的事情上出奇地出色，要么非常幸運——或者兩者兼而有之！——每個人都想知道他是如何做到的。

但沒有人能永遠統治。他現在成為中美科技戰的焦點，並受到監管機構的擺佈。黃仁勳在人工智慧晶片領域的一些挑戰者是家喻戶曉的名字——Google、亞馬遜、Meta 和微軟——並且在科技領域擁有最雄厚的財力。12月底，半導體公司AMD推出了一款用於人工智慧運算的大型處理器，旨在與Nvidia競爭。新創公司也瞄準了這個目標。研究公司Pitchbook 的數據顯示，光是去年第三季度，創投就向人工智慧晶片投資了超過8 億美元。

究竟黃仁勳是如何看待這些的呢？

黃仁勳：你和我都是史丹佛大學的畢業生。

Lauren Goode：是的。嗯，我讀的是新聞專業，而你沒有讀新聞專業。

黃仁勳：嗯，作為領導者和個人，我真正敬佩的人是Adobe 執行長尚塔努·納拉延(Shantanu Narayen)。他說他一直想成為一名記者，因為他喜歡講故事。

Lauren Goode：能夠有效地講述企業的故事似乎是建立企業的重要組成部分。

黃仁勳：是的。戰略制定就是說故事。文化建設就是說故事。

Lauren Goode：您曾多次說過，您並沒有根據宣傳資料推銷Nvidia 的想法。

黃仁勳：這是正確的。這實際上是為了講故事。

Lauren Goode：所以我想從另一位技術主管告訴我的事情開始。他指出，輝達比亞馬遜早一年，但在許多方面，英輝達亞馬遜更有「day one」的做法。您如何保持這種前景？

黃仁勳：坦白說，這確實是個好詞。我每天早上醒來都像第一天一樣，原因是我們總是在做一些以前從未做過的事情。它也有脆弱的一面。我們很可能會失敗。剛才，我正在開會，我們正在做一些對我們公司來說是全新的事情，但我們不知道如何正確地做。

黃仁勳：我們正在建造一種新型的資料中心。我們稱之為人工智慧工廠。按照當今資料中心的建構方式，許多人共享一組電腦並將他們的檔案放在這個大型資料中心中。人工智慧工廠更像是一台發電機。這是相當獨特的。過去幾年我們一直在建造它，但現在我們必須將其變成產品。

Lauren Goode：你打算怎麼稱呼它？

黃仁勳：我們還沒為它命名。但它會無所不在。雲端服務提供者將建置它們，我們將建置它們。每個生技公司都會有它。每個零售公司，每個物流公司。未來的每家汽車公司都將擁有一家製造汽車（實際商品、原子）的工廠，以及為汽車製造人工智慧（電子）的工廠。事實上，就在我們說話的時候，你看到伊隆馬斯克正在這樣做。在思考工業公司未來會是什麼樣子方面，他遠遠領先大多數人。

Lauren Goode：您之前曾說過，您經營的是一個扁平化組織，有30 到40 位高階主管直接向您匯報，因為您希望融入資訊流中。最近是什麼激起了你的興趣，讓你想，“我最終可能需要在這件事上押注Nvidia？”

黃仁勳：資訊不必像尼安德特人時代那樣從組織的頂部流向底部，當時我們沒有電子郵件和簡訊以及所有這些東西。如今，資訊流動得更加迅速。因此，不需要從上到下解釋資訊的分層樹。扁平網路使我們能夠更快地適應，這是我們所需要的，因為我們的技術發展如此之快。

如果你看看輝達技術的發展方式，你會發現摩爾定律每隔幾年就會翻倍。嗯，在過去10 年裡，我們已經將人工智慧進步了大約一百萬倍。這是摩爾定律的很多很多倍。如果您生活在一個指數世界中，您不希望訊息一次從上到下一層傳播。

Lauren Goode：但我問你，你的羅馬帝國是什麼？這是一個模因。今天的transformer paper是什麼版本？現在正在發生什麼你覺得會改變一切的事情？

黃仁勳：有幾件事。其中之一並沒有真正的名字，但它是我們在基礎機器人領域所做的一些工作。如果你可以生成文本，如果你可以生成圖像，你也可以生成運動嗎？答案可能是肯定的。然後，如果您可以產生動作，您就可以理解意圖並產生通用版本的清晰度。因此，人形機器人技術應該指日可待。

我認為圍繞狀態空間模型（SSM：state-space models）的工作可能是下一個transformer，它允許您學習極長的模式和序列，而無需在計算中呈二次方增長。

Lauren Goode：這能帶來什麼？現實生活中的例子是什麼？

黃仁勳：您可以與電腦進行持續很長時間的對話，但上下文永遠不會被忘記。您甚至可以暫時更改主題並回到先前的主題，並且可以保留該上下文。您也許能夠理解極長鏈的序列，例如人類基因組。只需查看遺傳密碼，您就可以了解其含義。

Lauren Goode：我們距離這個目標還有多遠？

黃仁勳：從我們有了AlexNet 到超人的AlexNet，只花了大約五年的時間。機器人基礎模型可能即將出現——我會在明年的某個時候公佈。從那時起，五年後，您將看到一些非常令人驚奇的事情。

Lauren Goode：哪個產業將從廣泛訓練的機器人行為模式中受益最多？

黃仁勳：嗯，重工業代表了世界上最大的工業。移動電子並不容易，但移動原子卻極為困難。運輸、物流、將重物從一個地方移動到另一個地方、發現下一種藥物——所有這些都需要了解原子、分子和蛋白質。這些是人工智慧尚未影響到的巨大而令人難以置信的行業。

Lauren Goode：你提到了摩爾定律。這個定律現在已經無關緊要了嗎？

黃仁勳：摩爾定律現在更多是一個系統問題，而不是一個晶片問題。更多的是關於多個晶片的互連性。大約10、15 年前，我們開始了分解電腦的旅程，以便您可以將多個晶片連接在一起。

Lauren Goode：這就是你在2019 年收購以色列公司Mellanox 的初衷。Nvidia 當時表示，現代運算對資料中心提出了巨大的要求，而Mellanox 的網路技術將使加速運算更加有效率。

黃仁勳：對，完全正確。我們購買了Mellanox，這樣我們就可以擴展我們的晶片，將整個資料中心變成一個超級晶片，從而實現現代人工智慧超級電腦。這實際上是為了認識到摩爾定律已經結束，如果我們想繼續擴大計算規模，我們必須在資料中心規模上做到這一點。我們研究了摩爾定律的製定方式，然後說：「不要受其限制。摩爾定律並不是計算的限制。」我們必須拋棄摩爾定律，這樣我們才能考慮新的擴展方法。

Lauren Goode：Mellanox 現在被認為是Nvidia 一次非常明智的收購。早兩年，您試圖收購全球最重要的晶片IP 公司之一Arm，但遭到監管機構的阻撓。

黃仁勳：那太好了！（That would've been wonderful!）

Lauren Goode：我不確定美國政府是否同意，但是是的，讓我們確定這一點。當您現在考慮收購時，您會關注哪些具體領域？

黃仁勳：這些大型系統的作業系統極為複雜。如何在運算堆疊中建立一個作業系統，以協調GPU 中數千萬、數億甚至數十億個微型​​處理器？這是一個非常困難的問題。如果我們公司外部有團隊這樣做，我們可以與他們合作，或者我們可以做更多的事情。

Lauren Goode：你的言下之意是否代表著，對於Nvidia 來說，擁有一個作業系統並將其建構成一個平台至關重要？

黃仁勳：我們已然是一家平台公司。

Lauren Goode：你越成為一個平台，你面臨的問題就越多。人們往往會對平台的輸出承擔更多的責任。自動駕駛汽車的行為方式、醫療保健設備的誤差幅度是多少、人工智慧系統是否有偏見。你如何解決這個問題？

黃仁勳：不過，我們不是應用程式公司。這可能是最簡單的思考方式。我們將盡我們所能，但盡可能少地服務於一個行業。因此，就醫療保健而言，藥物發現不是我們的專長，計算才是。製造汽車不是我們的專長，但為汽車製造極為擅長人工智慧的計算機，才是我們的專長。坦白說，一家公司很難擅長所有這些事情，但我們可以非常擅長其中的人工智慧運算部分。

Lauren Goode：去年有報導稱，您的一些客戶為您的AI GPU 等待了幾個月。現在情況怎麼樣？

黃仁勳：嗯，我認為今年我們不會趕上供應。今年不會，明年也可能不會。（Well, I don't think we're going to catch up on supply this year. Not this year, and probably not next year.）

Lauren Goode：目前的等待時間是多少？

黃仁勳：我不知道現在的交貨時間是多少。但是，你知道，今年對我們來說也是新一代的開始。

Lauren Goode：您是指Blackwell，您傳聞中的新GPU 嗎？

黃仁勳：是的，新一代GPU 即將問世，Blackwell 的表現超乎想像。這將是令人難以置信的。

Lauren Goode：這是否意味著客戶需要更少的GPU？

黃仁勳：這就是目標。目標是大幅降低訓練模型的成本。然後人們可以擴大他們想要訓練的模型的規模。

Lauren Goode：輝達投資了許多人工智慧新創公司。去年有報導稱，您投資了30 多家新創公司。這些新創公司是否會在購買您的硬體時排長隊？

黃仁勳：他們和大家一樣面臨供應緊張的問題，因為他們大多都使用公有雲，所以他們必須自己與公有雲服務供應商進行談判。不過，他們確實獲得的是我們的人工智慧技術，這意味著他們可以使用我們的工程能力和我們來優化其人工智慧模型的特殊技術。我們讓他們變得更有效率。如果您的吞吐量增加五倍，您實際上會多獲得五個GPU。這就是他們從我們那裡得到的。

Lauren Goode：在這方面你認為自己是個造王者嗎？

黃仁勳：不。我們投資這些公司是因為他們的工作令人難以置信。能夠投資它們是我們的榮幸，而不是相反。他們是世界上一些最聰明的人。他們不需要我們來支持他們的信譽。

Lauren Goode：當機器學習更多地轉向推理而不是訓練時（基本上，如果人工智慧工作的計算強度降低）會發生什麼？這會減少對GPU 的需求嗎？

黃仁勳：我們喜歡推理。事實上，我想說，如果我猜的話，Nvidia 今天的業務可能是70% 的推理，30% 的訓練。這是一件好事，因為那時你就會意識到人工智慧終於成功了。如果Nvidia 的業務90% 是訓練，10% 是推理，你可能會說人工智慧仍處於研究階段。七、八年前就是這樣。但今天，每當您在雲中輸入提示時，它都會生成一些內容- 它可以是視頻，可以是圖像，可以是2D，可以是3D，可以是文本，可以是圖形- 它是最有可能的是它背後有一個Nvidia GPU。

Lauren Goode：您是否認為AI GPU 的需求在任何時候都會減弱？

黃仁勳：我認為我們正處於生成式人工智慧革命的開端。如今，世界上進行的大部分計算仍然是基於檢索。檢索意味著您觸摸手機上的某些內容，它會向雲端發送訊號以檢索訊息。它可能會用一些不同的東西組成一個回應，並使用Java 將其呈現在您的手機的漂亮螢幕上。未來，計算將更加基於RAG（Retrieval-augmented generation：檢索增強生成，這是一個框架，允許大型語言模型從其通常參數之外提取數據），它的檢索部分會更少，而個性化生成部分會高得多。

那一代將由GPU 完成。所以我認為我們正處於這場檢索增強的生成運算革命的開端，生成人工智慧將成為幾乎所有事物不可或缺的一部分。

Lauren Goode：最新消息是，你們一直在與美國政府合作，開發出可以運往中國的符合製裁規定的晶片。我的理解是這些不是最先進的晶片。為了確保您仍然可以在中國開展業務，您與政府的合作有多密切？

黃仁勳：好吧，這其實是出口管制，而不是製裁。美國已確定輝達的技術和人工智慧運算基礎設施對國家具有戰略意義，並將對其實施出口管制。我們首次遵守出口管制是在—

黃仁勳：是的。而美國在2023年對出口管制增加了更多條款，導致我們不得不再次重新設計我們的產品。所以我們就這麼做了。我們正在開發一套符合當今出口管制規則的新產品。我們與政府密切合作，確保我們提出的方案與他們的想法一致。

Lauren Goode：您對這些限制將刺激中國推出有競爭力的人工智慧晶片有多大擔憂？

拜登和競爭對手川普將帶領美國走上截然不同的道路。

雖然拜登和川普的年齡、健康狀況、是否適合擔任總統以及受不受民眾歡迎引發了種種擔憂，但到了11月5日大選日那天，美國選民大概率和2020年一樣，必須在他們二人之間做出選擇。此外，和四年前一樣，在選票統計出來之前，這仍將是一場勢均力敵的大選。

然而，今年的大選和四年前有一些重要區別，無論這些差異帶來的影響是好是壞。目前美國經濟正以美國人在2020年疫情期間無法想像的方式增長，同樣出現增長的是推動這一輪經濟增長的債務，目前美國政府的債務總額已達到創紀錄的34萬億美元，償債成本升至6500億美元——這些龐大的數字勢必會限制下一屆政府和國會的選擇。

拜登和競爭對手川普將帶領美國走上截然不同的道路，這對美國的社會政策和整個世界意味著什麼，我們將留給這些領域的專業人士去評判，對於美國經濟和市場而言，這意味著要對美國債務這類老生常談的問題以及拜登和川普在稅收、監管和國家角色等問題上截然不同的立場做新的解讀。

對美國債務和赤字的擔憂並不是什麼新鮮事，但在過去10年裡，美國的債務規模增加了一倍。無黨派機構國會預算辦公室(Congressional Budget Office) 2月初發布的一份報告為有關債務問題的辯論設定了條件：到今年年底，美國政府債務將占到GDP的99%。聯準會升息也帶來了一個令人感到不安的問題：利息支出增加。國會預算辦公室預計，到2034年，利息支出將升至1.6兆美元。

拜登和川普都對這場「借貸狂潮」負有責任。根據負責任聯邦預算委員會(Committee for a Responsible Federal Budget)的估計，川普擔任總統期間實施的政策導致聯邦政府債務增加了8.4萬億美元，拜登擔任總統期間，聯邦政府債務預計將增加約4萬億美元。

在下一任總統任期內，美國債務佔GDP的百分比預計將超過100%，這將是一個具有重要像徵意義的水平。

註：2024年及以後的數據為預估值。

資料來源：聖路易斯聯邦儲備銀行（2000年至2022年資料），國會預算辦公室（2023年資料及預估值）。

評級機構標普全球(S&P Global)在2011年摘除了美國引以為傲的AAA主權信用評級，理由是決策者長期無力應對不斷增加的債務。2023年惠譽(Fitch Ratings)也摘除了美國的AAA評級，理由是「國家治理水準下降」。

大型評級機構中唯一還沒有下調美國主權信用評級的穆迪(Moody 's)最近警告指出，該機構可能也會下調美國主權信用評級，理由是政治兩極分化和債務不斷上升。

穆迪CEO羅布·福伯(Rob Fauber)評論說：「無論是民主黨人還是共和黨人，他們都沒有真正致力於用足夠的收入來彌補支出缺口，這個缺口將越變越大，給美國的資產負債表帶來更大的壓力。”

評級機構的降級決定對投資者的影響相對較小，因為很明顯，單純從經濟角度來看，美國的債務負擔是可控的，這一點評級機構也很清楚。

政府借款不斷增加、導緻美國國債買家要求更高的收益率是潛在的擔憂。

在拜登擔任總統期間，已經有跡象表明市場可能正在進入一個新時代。花旗集團(Citigroup)首席全球經濟學家內森希茨(Nathan Sheets)指出，利率上升、通膨高企和政治混亂等因素讓這個問題變得更加突出。希茨說：“至少在過去6到12個月裡，市場注意到了收益率上升的問題。”

去年年底，10年期美國公債殖利率一度達到接近5%的峰值，但目前已降至4.3%。

投資人將從債務負擔的角度來看拜登和川普的財政計畫。兩人的財政計畫都將受到國會的限制，但他們想要達成的目標和這些目標將如何影響市場對美債的看法差異極大，看看稅收這個問題就知道了。

降低個人和企業的稅收是川普政府的標誌之一，對許多共和黨人來說，這是川普政府最大的成就，另一個成就是讓更多保守派大法官進入了最高法院。

不過，2017年為了通過《減稅與就業法案》(Tax Cuts and Jobs Act)，國會在預算上“耍了個花招”：企業減稅計劃是“永久性的”，但法案中其他主要減稅條款將從2025年開始失效。在一長串即將失效的條款中，有一項是對個人邊際稅率的削減，這一稅率將重新調整到更高的水平；遺產稅免稅額將大致減半，至500萬美元，再加上通膨調整；個人可以扣除州稅和地方稅的限額將重新設定。

如果川普再次擔任總統，他可能會讓所有這些即將過期的條款變成「永久性的」。根據國會預算辦公室和稅收聯合委員會(Joint Committee on Taxation)的數據，這樣做將損失3.5兆美元的財政收入。川普也提出了進一步削減企業稅的想法。

為了做這兩件事，川普必須削減支出，但相關細節還不清楚，此外，國會在這個問題上也有很大的發言權。

相比之下，如果拜登再次擔任總統，他將讓一些減稅條款失效。拜登的預算提案尋求延長對年收入低於40萬美元家庭的減稅，他將透過對富人和高收入者徵收新稅、上調企業稅、上調股票回購稅等措施來支持他的計劃。拜登也展現了在支出問題上妥協的意願：國會預算辦公室稱，去年達成的避免突破債務上限的協議將使赤字減少7%。

曾在川普執政期間擔任美國財政部前高級顧問的史蒂芬·米蘭(Stephen Miran)指出，關稅——財政收入的來源之一——是拜登和川普經濟政策另一個不一樣的地方。

米蘭說，鑑於債務高企和美債殖利率引發的擔憂，下一任總統必須在增加財政收入方面發揮創造力。他指出，關稅和其他稅收一樣，可能會產生負面的經濟後果，但“如果新政府能夠糾正先前問題，這些負面影響就會減少。”

美國兩黨都認為，中國經濟的崛起給美國經濟帶來了負面影響，在中國問題上，拜登和川普都是“強硬派”，儘管強硬程度不一樣。

在川普擔任總統期間，美國政府對華策略的核心是大幅調高提高對中國商品徵收的關稅。除了增加數百億美元的財政收入，這些關稅還旨在保護美國的就業機會。這項策略的結果好壞參半，中國對美國徵收報復性關稅是原因之一。麻省理工學院(Massachusetts Institute of Technology)經濟學家戴維·奧托爾(David Autor)和其他經濟學家最近研究了「貿易戰」對美國「心臟地帶」製造業就業的影響，認為「雙方打了個平手”，有可能給美國製造業就業帶來了“程度溫和的負面影響”。

拜登上任後繼續實施川普政府的對華關稅政策讓批評者大感意外。拜登政府首席貿易談判代表戴琪(Katherine Tai)在被一名前貿易官員問到對奧托爾的研究的看法時說：「把美國的貿易政策簡單描述為一場關於關稅問題的對話是不公平的。”

拜登對美中關係的構想可以歸納為「管理下的競爭」(managed competition)，他試圖透過制裁和出口管制讓美國技術遠離中國，並採取措施限制美國對中國的一些投資，這一策略可能會延續到他的第二個任期。

同時，川普表示，如果在今年的大選中勝出，他將把對中國商品徵收的關稅提高到60%，完成他先前啟動的這項工作。如此高的關稅下的「貿易戰」肯定不會只是「打個平手」而已，但是有可能會促使美國把大量貿易從中國轉移到別的地方，從而把對財政收入的影響降至一個相對較低的水平。

川普也計劃對美國從世界所有國家進口的商品徵收10%的關稅。稅收基金會(Tax Foundation)的埃里卡·約克(Erika York)預計，這些關稅將相當於向美國人加徵3000億美元的稅收。

不過，不能只單純從經濟角度來看這些政策。在川普執政期間擔任美國貿易代表的羅伯特‧萊特希澤(Robert Lighthizer)認為，川普的政策是提高美國製造業實力的努力的一部分，在拜登勞工友善政策下，美國製造業的就業機會變多了。萊特希澤最近在《外交事務》(Foreign Affairs)雜誌上撰文寫道：“製造業不僅僅關乎經濟。”

萊特希澤寫道：“相比經濟學家關心的那些因素，家庭穩定、強大的社區、收入公平以及勞動者的自豪感和滿意度才是更重要的因素。”

換句話說，川普及其盟友不僅將關稅視為管理貿易流動的工具，也將其視為讓經濟恢復平衡、利好美國國內產業的工具。

再加上川普可能會收緊移民政策，進而導致勞動力供應受到限制，一些經濟學家認為這將導致滯脹，即經濟成長緩慢和通膨持續上升。

有些人認為，聯準會無視2021年通膨抬頭過晚，但迄今為止，聯準會主席鮑威爾和他的團隊成功地透過升息遏制了物價的上漲勢頭，而且沒有讓美國經濟陷入衰退。但2月13日公佈的1月CPI數據說明，這場抗通膨之戰還沒結束，不包括食品和能源價格的核心CPI年增3.9%，仍遠高於聯準會2%的目標。

下一任總統會讓誰當聯準會主席將使抗通膨之戰變得更複雜。鮑威爾的任期將於2026年5月結束，川普在2017年提名鮑威爾擔任聯準會主席，但後來似乎後悔做了這個決定。川普在擔任總統期間稱鮑威爾和其他聯準會官員是“笨蛋”，並公開敦促聯準會將利率降至零以下。

拜登在2021年鮑威爾第一個任期即將結束時提名讓他連任。

拜登團隊拒絕討論是否會考慮再次讓鮑威爾連任。白宮發言人邁克爾·菊川(Michael Kikukawa)告訴《巴倫周刊》：“總統已經明確表示，我們不會破壞美聯儲的獨立性。”

川普的競選團隊並未就這個議題和其他議題回應記者的置評請求，但川普先前明確表示，不會再讓鮑威爾擔任聯準會主席。今年2月，他在接受福斯商業頻道(Fox Business)採訪時說，他認為鮑威爾正在試圖透過降息來幫助民主黨。

聯準會預計今年將降息三次，但降息時間還沒定，而且鑑於近期公佈的經濟數據表現強勁，聯準會可能會推遲降息。

鮑威爾多次表示，政治不是他考慮的因素，他在去年12月的記者會上說：「我們考慮的是什麼才是對經濟有利的。」在今年1月的記者會上，鮑威爾在回答一個問題時表示，他的關注點不在第三個任期。

雖然拜登任期內通膨大幅上升的原因有很多，但如果川普獲勝並且不再讓鮑威爾擔任聯準會主席，市場可能會提出抗議，因為下一屆聯準會在貨幣政策上可能採取「鴿派」立場，這將無助於抵銷持續的財政支出所帶來的通膨效應。另類資產管理公司Clocktower Group的首席策略師馬爾科·帕皮克(Marko Papic)說：“如果川普獲勝，我認為債券市場會發生'暴動'。”

帕皮克的意思是，緊張不安的投資人將大幅推高債券殖利率。

這是一個讓人感到害怕的念頭，儘管債券收益率大幅上升——借貸成本將因此上升——可能會促使財政預算面臨一場20世紀90年代式的“清算”，帕皮克說：“這或許將成為美國曾經遇到過的最好的一件事。”

拜登和川普的經濟政策還有很多其他方面的不同之處。研究公司Signum Global Advisors的創始人查爾斯·邁爾斯(Charles Myers)認為，投資者低估了川普的能源計劃；Signum Global Advisors是拜登和其他民主黨人的長期捐贈人。邁爾斯預測，在拜登的領導下，美國已經打破了油氣產量紀錄，但川普將進一步提高美國的油氣產量。

邁爾斯說：「拜登的四年任期結束時，美國最大的變化將是成為了一個更大的石油和天然氣生產國及出口國。」邁爾斯也指出，川普將繼續推動美國油氣產業的發展，他可能會嘗試「降低環保標準、加快許可速度、開放更多土地用於鑽探和為水力壓裂法提供更多補貼等等」。

為了創造一個更有活力的商業環境，川普也可能撤銷或限制拜登執政期間的許多其他監管努力，包括高調打擊企業併購等。這些措施會很受華爾街的歡迎。

2016年川普在大選中勝出時，美國股市在那天的隔夜交易中遭到拋售，但股市迅速反彈，川普任期內股市的表現一直不錯。就算計入2020年初疫情導致的34%的跌幅，標普500指數在川普任期內的漲幅依然達到了83%。

美國股市可能會在川普再次獲勝後上漲，因為投資人預計他會推出減稅和其他商業友善政策。

美國股市在川普和拜登領導下的表現都不錯。如果11月川普勝出，股市可能會上漲，如果拜登獲勝，股市也不會下跌。

川普任期內1006個交易日和拜登任期內773個交易日標普500的走勢

註：拜登任期截至2024年2月14日  來源：彭博

美國股市在拜登任內的表現也不錯，自他上任以來，標普500指數上漲了35%，今年連續創下歷史新高。拜登在大選中勝出可能不會在股市上掀起太大的波瀾，因為預計拜登在第二個任期內將繼續推行一系列政策，這些政策已經充分反映在了股價走勢中。

拜登團隊聲稱他們並不關注市場，白宮發言人菊川說：“拜登總統和哈里斯副總統為中產階級和普通民眾而戰，而不是為特殊利益集團和華爾街而戰。”

美國經濟和股市表現意外強勁的原因之一，是因為企業在這段時期裡有能力為未來做計劃，雖然拜登和川普不是選民心目中理想的候選人，但在他們擔任總統期間，美國經濟和股市表現強勁，這一點至少是在他們兩人之間做選擇的一個優點，不管樂不樂意，美國人在以前的大選中也遇到過這樣的選情。（巴倫周刊）

蟄伏許久，Meta剛剛丟出了重磅炸彈：大家期待已久的Llama 3，用了24000塊GPU訓練，一亮相便登上開源大模型鐵王座。 8B和70B取得同規模參數下開源領域的SOTA，推理編碼大幅提升，程式碼和權重全開源！而且，400B的Llama 3，也在路上了。

LLM界的「真·Open AI」，又來整頓AI圈了！

業界驚呼：首個開源GPT-4級的模型，終於來了！開源模型追上閉源模型的歷史性一刻，或許就在眼前了？

一石激起千層浪，Llama 3才剛發布沒幾個小時，就破紀錄地登頂了Hugging Face排行榜。


這次，Meta共開源了Llama 3 8B和Llama 3 70B兩款模型，分別有預訓練和指令微調兩個版本。

小札、LeCun也紛紛在第一時間開啟了宣傳模式：

Llama 3是在由24000塊GPU組成的客製化集群上，使用15兆個token訓練的。

連最小8B版本，有時都能打敗大出一個數量級的Llama 2 70B！

值得期待的是，在未來幾個月，Llama 3也將推出更多版本

不過，雖然上下文長度相較之前實現了翻倍，但依然只有8K。


順帶提一句，Llama 3已經可以在網頁版Meta AI用上了，還是免登入那種。

對此，Hugging Face聯創兼CEO表示：「Llama 1和Llama 2現在已經衍生出了30,000個新模型。我迫不及待地想看到Llama 3將會給AI生態帶來怎樣的衝擊了。」

然而，8B和70B版本的Llama 3，還只是開胃菜，更大的還在後面呢！

真正的性能野獸－Llama 3 400B不久後便要解禁，目前還在訓練中。

其中，預訓練版本在推理挑戰測試集ARC-Challenge上，拿下了96的高分。

而指令微調版的Llama 3 400B更是在數學（GSM-8K）、程式碼（Human-Eval）、大規模多工語言理解基準（MMLU）上，表現非常亮眼。

英偉達資深科學家Jim Fan做了一個對比圖，與Claude 3 Opus、GPT-4-2024-04-09和Gemini在同基準資料中的結果：

看得出，Llama 3 400B已經在多語言推理任務、代碼能力，可與GPT-4、Claude 3相匹敵。

更亮眼的是，它在所有能力上，都打敗了Gemini Ultra 1.0。

還有一個更詳細的數據比較圖，自己體會。

Karpathy精闢地總結道，400B模型將會是「首個開源GPT-4層級的模型」。

即將推出的Llama 3 400B將成為分水嶺，即社區將獲得開源重量級的GPT-4模型。它將改變許多研究工作和草根新創公司的計算方式。

Llama 3 400B還在訓練中，希望在接下來的幾個月裡會有更好的表現。有瞭如此強大的後盾，我們可以釋放出更多的研究潛能。期待整個生態系的建設能量激增！

OpenAI研究科學家Will Depue也表達的同樣的看法，非常期待一款開源GPT-4等級的模型－Llama 3 400B，未來的可能性無窮無盡！

昨天剛發布的Mixtral 8×22B刷新SOTA之後，沒想到，卻被Llama 3 70B碾壓了。

開源模型的SOTA，當屬於Llama 3 400B。

吳恩達的生日，卻收到別緻的「禮物」。

Meta在部落格中預告了，接下來幾個月，將發布多個新功能的模型，包括多語言對話、更長上下文，以及整體能力提升。

一旦Llama 3完成訓練，技術報告將直接發布。

在性能上，8B和70B顯著優於Llama 2，取得了SOTA。

預訓練模型和指令微調模型在8B和70B的參數規模上取得如此先進的性能，都是得益於預訓練和訓練後的最佳化改進。

而Meta的研究團隊，也對訓練後優化過程進行了改進，這就大大降低了錯誤拒絕執行任務的比率，提高了模型輸出與人類意圖的一致性，也讓模型響應的多樣性也增加了。

同時，模型的邏輯推理、程式碼產生和指令遵循等能力也都大幅提升，讓Llama 3成為了一個可控性更強的模型。

與近乎同等規模預訓練的開源模型相比，Llama 3 8B完全打敗了Mistral，以及Gemma。不過推理能力，比Gemma-7B弱一些。

與閉源Gemini Pro 1.0，以及開源Mixtral 8×22B相比，Llama 3-70B在多項基準測試中拔得頭籌。

再來看看，Llama 3兩個參數版本與Llama 2-7B、13B、70B的預訓練模型比較。

毋庸置疑，Llama 3 8B肯定是超越Llama 2 7B，甚至碾壓了Llama 2 13B。

Llama 3 70B要比Llama 2 70B，尤其在推理（MMLU、ARC-Challenge）、AGIEval基準上，實現了巨大提升。

指令微調版本比較，Llama 3 8B同樣超越了開源的Gemma 7B，以及Mistral 7B Instuct。

70B版本的Llama 3在推理（MMLU）、數學（GSM-8K）、甚至程式碼（HumanEval）基準上，比Gemini Pro 1.5和Claude 3 Sonnet更亮眼。

再來看看與自家Llama 2指令微調不同參數版本的效能比較。

Llama 3 8B與70B都要比相對同等參數的Llama 2，得到了很大的提升。

而在Llama 3的開發過程中，Meta不僅關注基準測試，也致力於優化模型在真實場景中的表現。

為此，Meta開發了一個高品質人工評估資料集，包含1,800個提示，這些提示了涵蓋了12個關鍵的應用場景，包括詢問建議、腦力激盪、分類、選擇題、編碼、創意寫作、資訊擷取、角色扮演、開放性問答、邏輯推理、改寫與總結。

為了防止Llama 3在評估資料集上擬合，建模團隊自己也無法存取它。

人工評估結果顯示，Llama 3 70B的表現遠勝於Llama 2、GPT-3.5、Mistral Medium和Claude Sonnet。

大模型發展到如今，再要往哪裡創新？

在整個專案中，Meta重點關注了四個關鍵要素：模型架構、訓練資料、擴大訓練規模以及指令微調。

在架構上，Meta依然為Llama 3選擇了Transformer架構。

這個架構是相對標準的純解碼器Transformer，不過比起Llama 2做了幾個關鍵改進。