［今日寫呢啲］幾日冇出Facebook Post，一來忙，二來仲有壇大計（唔止係勞蘇基金），三來個Patreon搞咗 影片/聲音版，四來見月尾冇人join Patreon，月頭就多好多（我發現好多人都真係mark住月頭的，而我好多時都唔知新一個月）。

（遲下我可能連啲舊文都會貼返呢個［今日寫呢啲］。週末寫咗篇2004年上市嘅Domino’s Pizza一路回報高過同年上市嘅Google，覺得幾正）

講返，第一樣嘢，出咗影片/聲音版。我朋友錄的。方便大家坐車呀，開會呀，返工呀之類聽。亦方便唔想睇字嘅你。聲音版就方便你慳data同埋唔使望住。有篇sample免費畀所有人（冇訂Patreon都得）試睇／試聽（https://bityl.co/79iY）。另外呢篇嘅文字版我都開放埋畀所有人（https://bityl.co/79ib），等大家可以對照。仲執緊少少嘢，之後會再靚仔啲。

講返正文，之前兩日見係威係勢，港股跑贏美股，科技股又強，以為翻生。點知得兩日貨仔。之前推過隻快手1024結果都冇力。市況好似麻麻地。我一般都係樂觀嘅，但你見人民幣又軟（阿公發功成功），廣州又爆下疫咁。都係嗰句，一般我都又大膽又樂觀，但啲股票估值都唔平，自己小心啲啦下（但唔係叫你減持）

年頭推過下隻雷蛇1337，當時見係咁回購，後來一度升四成，之後而家碌下碌下，都仲高過年頭些少。最新消息就係創辦人減持，仲要都幾大手，3%股本。條友講就天花龍鳳。

不過正面啲嘅，真係有舊文為證（https://bityl.co/79ib）（已set public），一講完隻理文化工746（其實3月時已講，順手一提，正係理文足球會嗰位李公子），即時升8%，52週新高，任何位買都贏錢！好簡單，估間公司會7月出盈喜。點解？你睇內文咪知，睇下啲三氯甲烷價格咪知（係喎，你心諗咩嚟？哥羅芳價格我都睇埋，4000蚊人仔一噸，舊年兩千幾）。呢隻真係唔少讀者買咗，亦係我在耆英證券年代已經睇嘅公司，廠我都去過幾次，江蘇江西都去過。「嗰時最癲時啲哥羅芳 成皮嘢人仔一噸」

仲有，DropBox．舊年年尾在台灣坐監時寫過，只係一個賣點：併購對象。最新消息係對沖基金Elliot 買落唔少（冇錯係迫東亞賣盤嗰間），應該都係迫管理層賣盤了。亦都升到52週新高。

至於嘉年華郵輪Carnival 同 Lionsgate，呢度都貼過啦，冇呃你。前者嘛，美國CDC批咗三個港開返航，我堆嗰時23蚊，而家30蚊樓上了，寫明一路打疫苗實睇呢啲。Lionsgate？同DropBox一樣，行業整合，等賣盤，但更加大機會。Amazon又買美高梅，Warner Media又買Discovery，都係為咗打NetFlix同迪士尼。細公司好快全部消失。

仲有core list（即係，我有買嘅）上面LVMH JP Morgan Nvidia都全部新高，就不重覆了。係喎，畀啲友串我唔識晶片嘛。我使撚識。我夠唔使LVMH乜袋打乜袋，我識買就得。我係咪要化學PhD先識買理文化工？

每日一圖嘅，首先講越南電商，兵家必爭。咁大路嘢你估到啦，經濟好嘛（鬼唔知，緬甸而家咁電乜鬼商），人口多嘛（鬼唔知，而市場太細難做），由低收入變中產嘛（鬼唔知）。但有冇發現有一樣嘢好奇，就係越南嘅電商滲透率極低，只係佔total retail sales 3%！相比之下，一樣人口多，而人均收入都差不多嘅印尼，講緊係20%。「真係大把機會」。咁有乜公司睇？文入面有講。當然係外國上市公司，兩間美股都有得賣。

第二圖嘅，成日都話，股票嘅嘢，「其實唔難」。市值咪 盈利X市盈率。前者唔使解，後者咪受氣氛或利息之類影響。有趣地，美股之前兩年嘅升勢，都係差不多完全市盈率帶動，multiple expansion，以前畀10倍PE而家畀20倍。今年就完全掉轉，由盈利增長帶動，「反映基本因素」。係好事定唔好事？入面有講。提示：望下2017同2018

Good read第一篇，講Amazon Prime係個騙局，除咗光頭佬同股東，所有人都輸（所以，要買AMZN股票！）。就係利用你啲人嘅心態，free shipping太吸引。但邊有免費午餐？你可以諗下點解佢可以afford free shipping，背後代價係乜。根本啲嘢你就買貴咗，不過你唔知啫。

第二篇，夠偏門，講錶。應該好多人留意到我係唔戴錶嘅，最後一次係2008年（估下點解？因為考CFA！）。但，就係睇唔同嘅嘢。作者講返，好多啲名牌，都係求求其其。你話注重細節？作者話，根本多數連個typeface都唔會理，你幾廿萬買隻錶，同你幾蚊買盒檸檬茶嘅fonts差不多，冇嚟貴格。有咩公司例外？邊間會特登搵人整typeface？正係奢侈品之王，愛馬士。呢，所以我就買咗愛馬士股票，日日創新高。我使撚識愛馬士出邊款袋先識去買股票咩。

真係一篇文都咁多嘢，嫌煩唔想睇字嘅亦有聲音/影像版，記得去訂。留意返，聲音/影像版要20/40蚊會員先有的。當然你亦可以試咗12蚊之後再上，只會收你差價。

＝＝＝＝＝＝＝＝＝＝＝＝＝＝
月頭訂最抵！2021比別人知得多。subscribe now（https://bityl.co/4Y0h）。Ivan Patreon，港美市場好股推介，專題號外，每日一幅好圖，每日介紹一篇好文。每星期6篇，月費80，半年已1600人訂！ 畀年費仲有85折
＝＝＝＝＝＝＝＝＝＝＝＝＝＝

視察道路挖掘管理中心 現場施工及供料影像三方即時傳輸管控品質

農曆年前，是工務局最為忙碌的期間，今天晚上工務局將刨鋪鳳山區五甲一路，我特別來到高雄市道路挖掘管理中心視察刨鋪作業前的準備，透過影像傳輸設備，三方連線，現場道路施工、AC料廠品質及道路挖掘管理中心監控。再接著可以藉由「高雄市道路施工影像」APP即時監看道路挖掘施工案件的現場施工情形，確保施工品質。
工務局表示本市所有道路挖掘案件，都須提出申請，並且經過道路挖掘管理中心核准才能挖掘，才能全面監控挖掘案件，減少道路重複挖掘，是故，我要求工務局，第一、逐年5%比率為目標，減少核發挖掘路證，並提高聯合開挖案件整合，藉此有效達到挖掘管理的實效。第二，利用挖管基金來做最後統一的刨鋪，減少造成民怨的重複施工。第三，公開資訊透明，讓在地里長、市民朋友都能透過隨手可得的手機APP幫助市府監督工程單位的即時施工情形，一起為道路品質把關。
善用科技能讓我們用更少的力量、把事情作得更好，這也是陳其邁市長決心推動高雄走向智慧城市的意涵。工務局道路挖掘管理中心現已透過資訊化、科技化系統的建置，整合管線單位與民間建案的聯合挖掘，從申請建照開始直接納管，除管控挖掘期程外，更以三維地下管線圖資建置，通盤掌控地下管線位置，以減少施工災害，城市變得更smart，市民就能更安全。藉此今天走訪肩負全市管線安全的工務局道路挖掘管理中心，農曆春節前夕慰勉24小時全天候輪班值勤的數十位同仁，由衷感謝他們為市民朋友安全把關的辛勞。

＃道路挖掘管理中心
＃建案聯合挖掘整合
＃三維攝影測量、透地雷達

端點AI -- 邁向一兆個智慧端點之路

【作者： Thomas Lorenser】 2021年01月14日 星期四

從工業到家庭、健康照護與智慧城市，由無數的應用和裝置蒐集來的大量數據產生即時的洞察與價值，智能（Intelligence）必須從雲到終端遍及整個網路。因此，提升終端運算能力、並結合機器學習技術，就有可能釋放物聯網終端裝置即時的數據分析力。

越來越多的智能圍繞在我們周遭的世界。我們聽到許多關於物聯網（IoT）、雲端運算與其他令人興奮的科技，如何在未來數十年改變人們生活的預測。從工業到家庭、健康照護與智慧城市，物聯網讓遍及日常生活的各種應用，變得更為豐富，且讓生活因此改觀。

應用的領域相當多元，有數百個子項目與數千個應用。這些應用產生許多數據，但數據本身不重要，重要的是我們可以從中擷取的價值。我們不能仰賴以往把所有數據都傳回雲端伺服器的傳統作法 – 這種作法隨著數據量的增加無法進行擴充，因此需要不同的解決方案。

把數據從端點傳輸至雲端是有代價的，包括更長的延遲、數據傳輸時的用電、頻寬，以及伺服器的容量，這最終也將是使用場景價值成功或失敗的關鍵。這在物聯網中特別容易發生，原因是許多應用必須仰賴最低延遲的即時數據分析與決策。

事實上，有時候端點可能只擁有有限（如果有的話）的連接性。因此，智能的分配必須遍及整個網路，一路到數據源頭的端點，如此我們才能在正確的地方擁有處理能力。提升終端運算能力並結合機器學習技術，就有可能釋放物聯網端點即時的數據分析力，而兩者的匯聚也稱為「端點人工智慧（Endpoint AI）」。

什麼是端點AI，為何它很重要？

端點AI主要是讓端點（即便是最小型的裝置）變得更聰明且更具智慧，可以在端點上執行必要的即時分析，同時：

‧ 改善整體系統效能
‧ 降低耗電量配置
‧ 降低對雲端處理的依賴

我們舉個例子：想像有一個負責監控水管狀態的小型端點，目的在檢測異常情況，例如水管漏水。倘若水管破裂能儘早檢測出來，避免對房屋造成損害，這對於屋主與保險公司都有極大的價值。這種裝置若能檢測出漏水，只需再加上雲端連接性，就能善用端點上的處理能力並創造價值。

不過，如同之前討論過，到目前為止看到的都是「雲端優先」的方法，這種方法把智能放在雲端上，而數據則不斷地沿著網路進行傳輸。然而為了迎合耗電、頻寬與成本的需求，這種方法正在改變，如此才能促成更寬廣的使用場景。舉上述的漏水檢測器為例，把處理能力移到端點內，可以把電池壽命從數個月延長至數年。

對於許多的使用場景而言，最佳的方式是將智能普遍分配到整個網路上，包括一路配置到端點。Arm貴為整個網路上的每個節點，都提出了解決方案：從數據中心、（終端）伺服器、閘道，一路到端點。

今日感測器產生的數據大多被丟棄，原因是要傳輸這些數據，從能源與頻寬的角度來看，成本實在太高。想像一個電池驅動的物聯網端點，使用藍牙、窄頻物聯網，或其它方式連網。端點從各個感測器搜集數據，然後把資料傳至閘道或另一個裝置。

不過，這個使用場景的通訊，往往成為整套系統耗電量最大的一部份。因此，系統架構師得進行取捨，以便在系統的耗電量限制下作業。他們得兼顧端點內感測器數據的資料速率與數據處理，以便讓電池壽命保持在可接受的範圍內。

倘若我們只在感到有興趣的事件發生時，使用機器學習架構方法來儲存或傳送數據，並藉此降低無線電波的使用、同時優化電池的壽命，又會怎?樣呢？儘管這些端點上的運算資源一直以來都太過貧乏，無法在裝置本身支援訊號處理與機器學習，但端點 AI 現在卻讓它變成可能。

事實上，今日已有許多的應用，使用Arm Cortex-M架構的裝置內的機器學習技術。受到Arm在內的許多領先企業機構支持、稱為tinyML的社群運作，正在驅動這個趨勢，目標是在微處理器（MCU）上部署機器學習。

tinyML基金會正在協助讓傳統的嵌入式世界與全新的端點AI世界，找到兩者之間的交集。藉由他們的努力，更多的開發人員現在已經可能直接在微處理器上，運行越來越複雜的深度學習模型，藉以加速端點AI，並產生出全新的使用場景。快速檢視其內容，我們發現它大多利用Arm的IP架構。Cortex-M處理器能提供應對各種既有使用場景的正確功能集。

例如，Audio Analytic 公司使用 Arm Cortex-M0+ 處理器實作聲音辨識。其它的實例則使用 Cortex-M4、Cortex-M7 與 Cortex-M33 的數位訊號處理器（DSP）的運算能力：

接下來呢？

我們正處於一段令人興奮時期的開端，在這個期間，新的科技將促成新的能力，並且讓要求更為嚴苛的物聯網端點使用場景，成為可能。端點搜集越來越多的數據，這些數據可以用節能的方式進行分析並找出型態，並觸發下一步的處理。這也是為何物聯網端點與微處理器（MCU）必須具備更多的能力，以應付與日俱增的需求。

為了支持端點AI的願景，Arm特別開發Cortex-M55（Arm具備最高AI能力的 Cortex-M 處理器）與Ethos-U55（可搭配Cortex-M的微神經網路處理器），兩者是應對許多新興使用場景的完美組合。與現有的Cortex-M處理器相比，Cortex-M55搭配Ethos-U55的總機器學習效能可以提升480倍。

此外，重點不只有IP。Arm的CMSIS-DSP與CMSIS-NN程式庫的演進，以及我們與Google的TensorFlow Lite Micro團隊的協作，將讓開發人員可以更簡便地把他們在之前Cortex-M平台上的作業，轉移到Cortex-M55與Ethos-U55。

端點AI靠視覺-語音-震動驅動

麥肯錫公司已經找出在2025年以前，可為邊緣與端點處理創造出2500億美元硬體價值的橫跨11個產業的100個使用場景。藉由分析這些專供端點AI利用的使用場景，可以發現主要的使用場景都圍繞三個領域：視覺、語音與震動。

預測性維護在許多大眾市場應用中，是一股重要的成長驅動力。據估計，每年因為機器停機造成的損失超過 200 億美元。

我們可預見上述三個類別之一，或是多個類別的使用場景或應用。例如，除了可以使用震動監控來執行異常檢測，也可以利用聲音辨識的技術，或是使用影像。端點AI已能支援設備上的訊號處理和機器學習。

附圖：圖一 : Arm在所有設備及裝置上實現無所不在的人工智慧

資料來源：https://ctimes.com.tw/DispArt-tw.asp?O=HK51E75CFDSARASTD7