漢亞科技 Han-Ya

最近 DeepSeek 模型為何讓人驚艷，打破了 AI 訓練必須不斷累積算力的迷思。先說說大學時代的理工學院，曾經修過數位訊號處理（DSP），可以了解到數位訊號的數學運算通常以浮點數（floating point）形式進行運算，因此當時DSP晶片有浮點運算（floating point）與定點運算（fixed point）之分。然而，浮點運算的硬體成本較高，且浮點DSP晶片價格昂貴。面臨的問題是若要提升產品的市場競爭力，往往需要採用成本較低的定點運算。由於定點運算在數值範圍和精度上有所限制，因此必須對數學運算架構進行大幅調整，並對演算法加以優化。例如，在浮點DSP上，計算三角函數（如 sin 函數）通常具有較高效能，而在定點運算環境下，為了提高效率，可以使用三角函數的查表法（Look-up Table, LUT），即以記憶體空間換取運算時間，從而降低運算成本。此外，在某些資源受限的嵌入式系統中，演算法的設計和優化需要投入更多心力，以在有限的算力和記憶體條件下達到最佳效能。

訓練 AI 組成的要素：算力, 數據, 模型演算法。算力建立在硬體資源，模型算法則是數學計算和軟體工程。同理，DeepSeek 在有限的算力資源環境下，若要提高計算效能，往往需要透過優化模型架構、調整演算法的計算方式，以降低運算複雜度，進而節省算力，儘管這可能會以部分精準度為代價。此外，優化資料結構的儲存與排列方式也是一種有效的策略，能夠提升存取效率，減少計算負擔，從而進一步優化整體效能。最後，DeepSeek v3 在數理, 自然, 程式碼...領域方面表現的結果與 OpenAI 不相上下。

資料取自洪瑞泰盈再表

整理港股中的保險H股：新華保險，中國平安，中國太保。

ROE大於10%，股淨比小於1，股息殖利率大於5%，在市場上屬於估值偏低的標的。

➤ 準備套件