DIGITIMES - 椽經閣

產業研究12堂課(5) ：Insights是與顧客共構的戰略答案

一個好的分析師，要知道一些別人不知道的事，也要知道如何以最有效率的方法將資訊提供給正確的對象。例如特殊的資訊管道、掌握專家觀點等。誰能在網路時代掌握大量產出的數據，並且以最有效的工具進行分析，將是產業分析師致勝的關鍵。但更關鍵的是，定義各種不同數據的功能、價值，在不同的場合、時間，傳遞給不同的對象。

Tesla為何自己設計晶片？

Tesla前些日子召開AI Day，揭露他們在自駕車未來的AI軟體以及晶片布局。目前市值最高的汽車品牌，在乎的技術是AI軟體以及運算晶片上的突破。前幾年還不清楚為何Tesla抱怨車用晶片供應商提供的晶片不敷需求，要自己設計，幾年之後他們推出自己的車用晶片，包含了12個CPU，一顆GPU，2顆NPU (每顆算力36.86 TOPS)。而原因日益明朗：深度軟硬整合。

產業研究12堂課(4) ：Analysis與Analytics其實很不一樣

Analysis與Analytics兩者有所不同，在台積電、華碩長期從事產業研究工作的蘇豔文說：「Analysis是基於過去的歷史資料做出的分析，而Analytics是具有前瞻性的數據推演」，個人認為這個說法很正確，也值得探索兩者之間的不同。

產業研究12堂課(3) ：從News到Information與Infographics

Infographics是指視覺化的資訊或數據(A visual representation of information or data)，加上PPT這種最近一、二十年才廣泛應用的數據表現方式，產業分析師可以使用的工具越來越多，也因為工具的平民化，挑戰也越來越大。我們把前端的新聞或圖表，彙整成為視覺化的Infographics，這對讀者、聽眾都是很有效率的方法，而這也成為現代分析師非常基本的條件。

產業研究12堂課(2) ：Raw Data是產業研究的定海神針

一般不常花時間找資料的人，不太會理解整理初級資料(Raw Data)的專業與成本。很多人都會說「Garbage in, garbage out」，如果不知道從哪裡找資料，不僅容易偏離主題，也是浪費社會資源。

產業研究12堂課(1) ：質變還是量變？數據驅動新時代到來！

我有很多年的產業研究經驗，彙整資訊、繪製圖表通常自己來，但工具不斷進化，我不敢敝帚自珍，也知道大家各有所長，接下來總共有12篇文章，以野人獻曝的心情，探討36年來我在這個行業的學習心得。

從台灣看世界(15)：顯微鏡下看台積電

很多人問台積電是台灣公司嗎？如果從股權結構來看，約4分之3的股權掌握在外資手上，台積電不是台灣公司。其次，台積電的客戶有62%是美商，有17%來自中國，台灣本地的客戶約只佔了11%，台積電也是個高度仰賴海外客戶的公司。

從台灣看世界(14)：美國包抄，中國半導體業還有活路嗎？

美國人工智慧國家安全委員會(NSCAI)針對中美高科技產業間的競爭關係提出專業建議，認為中國在人工智慧(AI)上的進展甚至超過美國，美國唯一的防堵之道是「運算能力」，而運算能力來自半導體所帶來的效能與影響。

從台灣看世界(13)：英特爾宣示Angstrom的新時代

英特爾(Intel)執行長Pat Gelsinger最近動作頻頻，這個技術出身的執行長畢竟不同於搞財務的專家，在競爭陷入膠著時，決心以重新定義技術規格做為市場競爭的戰略訴求。加上2024年預定在亞利桑那州投產2座新廠，總投資金額是英特爾近年少見的200億美元，這對於只佔全球12吋晶圓廠6%產能的英特爾而言，是個勢在必得的投資計畫。

資通訊的左右互搏之技

我設計物聯網應用系統IoTtalk，其運算方式是「多執行緒」 (multi-threading)，基本原理是金庸小說提到的左右互搏之技。

<<
76
77
78
79
80
>>