聯繫是財務服務垂直業務主管在 $亞馬遜 (AMZN.US)$ AWS。應該記住，高級主管通常在極高層次上運作，並且傾向於...
聯繫負責金融服務垂直領域的主管natwest。 $亞馬遜 (AMZN.US)$ AWS的金融服務垂直領域主管。可能值得記住的是，高級主管們在非常高的層次上運作，通常抱有樂觀態度 - 因此需要保持冷靜，但看好的言論仍很強烈。
要點是：
-1) 金融服務是AWS中最大的領域（250億美元），並且將從去年的15%增長至今年的25-30%。
-2) 所有人都在努力將其所有數據移至雲端，以在其組織中部署Gen 人工智能。
-3) 人工智能平台服務的利潤遠高於僅消費的利潤
-4) $英偉達 (NVDA.US)$ GPU芯片-云计算需求非常旺盛（“gpu芯片-云计算。我們只是沒有足夠多。”）
-1) 金融服務是AWS中最大的領域（250億美元），並且將從去年的15%增長至今年的25-30%。
-2) 所有人都在努力將其所有數據移至雲端，以在其組織中部署Gen 人工智能。
-3) 人工智能平台服務的利潤遠高於僅消費的利潤
-4) $英偉達 (NVDA.US)$ GPU芯片-云计算需求非常旺盛（“gpu芯片-云计算。我們只是沒有足夠多。”）
重點
-在AWS內運營金融服務行業板塊–AWS規模為800-850億中的250億 [ AWS去年營收達到910億，所以顯然不在數字頂端]
-在AWS內運營金融服務行業板塊–AWS規模為800-850億中的250億 [ AWS去年營收達到910億，所以顯然不在數字頂端]
-人們現在明白，在整個組織中構建人工智能模型的回報率比單個用例要高得多。而唯一的方法就是將所有數據轉移到雲端。
-人工智能的典型首個部署必須達到25%的回報率門檻，否則不會被接受。容易實現對於三個最佳用例：聯繫中心、內容壓縮和監控。
-金融服務通常是增長最快的垂直行業，也是消耗最多人工智能/ GenAI用例的行業，佔垂直行業所有用例的50%。
-最大客戶將25%的數據存儲在雲端，原本計劃提高到50%。但在Gen AI世界中，希望將所有數據都轉移到雲端以推動模型。CapitalOne重塑了他們的策略，表示將遷移99%的數據以部署GenAI到應用程序中。英國NatWest正做著同樣的事情。
-JPm承諾投入一項100億的項目將所有數據放入雲端，AWS是主要供應商。
-區域型銀行有一個600億的機會。與他們每週交談，他們面臨很大壓力以提高效率 - 看到CEO參與Gen AI討論。
-Celent是IT顧問公司，對F1000進行調查，預計今年IT預算將增長7%。這是過去所未見的 - 通常IT增長預期從不超過4-5%。因此，這額外的2-3%將在雲端帶來更高的增長。
-認為金融服務的AWS將在今年增長25-30%，前一年為15%。加速的大部分將來自較少受管制的內部人工智能用例 - 以後將找出對現在是限制的面向消費者的規定。
-同樣也看到在其他AI被視為關鍵的行業板塊中加速發展:汽車行業實時診斷。過去三個月已因此原因與汽車製造商簽訂了兩筆龐大交易。
-AI產品的利潤率比僅關注消費的板塊要高得多。硬件是利潤最低的產品-但是資料庫、服務、解決方案等的利潤率要高得多。
英偉達重點
-如果$NVDA今年將產量翻倍如他們所說，仍會出現問題，因為我們至少需要多10倍產量來滿足所有使用情況。所以這將是一場長達3-5年的馬拉松賽而不是短途衝刺。
-如果$NVDA今年將產量翻倍如他們所說，仍會出現問題，因為我們至少需要多10倍產量來滿足所有使用情況。所以這將是一場長達3-5年的馬拉松賽而不是短途衝刺。
-我們預算的60%將用於為GenAI重構資料中心
-“AWS擁有全球最大的私有網絡。而且這個私有網絡在GenAI的世界中將不再有用。因此，我們正在與英偉達合作項目，重新想像未來的網絡” [我不確定我理解這一點]
- GPU的問題是它們互相溝通得不是很好。花了我們很長一段時間讓$AMZN芯片和$NVDA互相溝通。
-其他限制因素是什麼？“GPU。我們缺少足夠的GPU。毫無疑問，在三年內，我們大部分的資料中心至少會有50%的GPU。”
-“Well, you see, again, we want to buy as much as NVIDIA is willing to sell. The key point here is NVIDIA has other verticals that they have to serve in addition to us. They have automobile. They have the gaming industry. They have the media and telecom industry that they also serve. And so we are in a pecking order, and we don't have much choice about how many chips we get.”
其他亮點
-Think $Snowflake (SNOW.US)$ is well positioned for GenAI bc 1) can collect images, natural language, photos, audio which is important bc lot of GenAI models are going to be augmented w/ social media; 2) want to build a data lake and SNOW sells both he software but the data strategy solution; 3) proven methodology for consolidating on-prem databases – will give you the roadmap for 100 databases and do it for you.
-Think $Snowflake (SNOW.US)$ is well positioned for GenAI bc 1) can collect images, natural language, photos, audio which is important bc lot of GenAI models are going to be augmented w/ social media; 2) want to build a data lake and SNOW sells both he software but the data strategy solution; 3) proven methodology for consolidating on-prem databases – will give you the roadmap for 100 databases and do it for you.
-Think $MongoDB (MDB.US)$ db is as good as $Snowflake (SNOW.US)$ （現在失去了可信度，因為這兩種技術是完全不同的）。但是他們沒有像$SNOW那樣的解決方案服務。
-$Databricks相當不錯，但缺少服務組件。任何使用多個數據雲的客戶都應該選擇Databricks而不是$SNOW。
- $埃森哲 (ACN.US)$ , $Wipro (WIT.US)$ ，$Tata都越來越頻繁地來找我們，因為他們的業務不夠。我認為SIs所做的很多工作正在自動化。我認為Wipro提供的許多事情將來會消失。
免責聲明：社區由Moomoo Technologies Inc.提供，僅用於教育目的。
更多信息
評論
登錄發表評論
