廣告區

2024年9月9日 星期一

9月9日!獲利未出來前題材僅是炒作股價!

 

裕隆法說:納智捷n7單月賣1000台,力拚月交車1200輛,裕隆28日受邀參加富邦證券舉辦的法說會,針對與鴻海合作生產的納智捷n7銷售狀況,裕隆透露,上半年市場反應良好,但目前單月掛牌數量約為1000台,低於原先預估的1200至1500台。針對今年的車市表現,裕隆指出,今年前七個月台灣汽車市場總銷量達27.4萬輛,年增0.9%,整體銷量呈穩定成長態勢。考量到全球貨幣政策變動、國際經濟情勢波動及通膨影響,裕隆維持全年台灣汽車市場銷量預估在44萬輛。裕隆表示,去年11月宣布處分大陸裕隆汽車金融,退出大陸車貸市場,目前相關款項已收到,預計在年底前完成交割。此外,今年前七個月大陸汽車市場總銷量達1631萬輛,年增4.4%。隨著歐盟自6月起對中國大陸課徵反補貼關稅,預計將對其汽車外銷產生衝擊。不過,中國大陸政府推動以舊換新政策以刺激內需,今年車市銷量預估仍維持在3100萬輛。財務表現方面,裕隆的Q2毛利率較Q1下滑,且上半年整體毛利率也較去年同期減少,主要原因是子公司裕融毛利率下滑,以及納智捷n7初期毛利率較低所致。納智捷在上半年約占裕隆合併營收的12%。裕隆也表示,由於全球車市正趨向淨零碳排,短期內沒有燃油車的計畫,未來將聚焦在混合動力與電動車領域。


A大回答:兩年前鴻海和裕隆合作電動車,就有人說看到鴻海電動車要去買裕隆,說裕隆股本小,未來電動車大爆發時,獲利會相對的可觀,這是不是和之前市場先去炒作廣達,緯創,英業達,緯穎,光寶科的道理是一樣的呢?這時會有人說,光寶科有做AI伺服器嗎?當初市場就是覺得光寶科有做,後面發覺光寶科和AI伺服器的佈局就和仁寶及和碩一樣,幾乎就是近乎於零,所以光寶科是最早被看破手腳的,市場當初也是認為股本小的公司比較容易上漲,只要吃到一點AI伺服器就能得到很大的獲利,AI伺服器及電動車剛好是兩個不同的例子,電動車當初題材是很好,但沒有像AI伺服器這樣大爆發,就算像AI伺服器這樣大爆發,市場也僅是先去炒緯創,廣達,英業達一年的股價,後面還是乖乖的回到鴻海,大家要記得一件事,市場在炒作一個行情時,都是把未來十年,二十年甚至是三十年的獲利先拿走,如果你買到的公司競爭力不夠,就算該題材真的如預期的大爆發,這些中小型的公司了不起就僅能賺到前面一到三年的獲利,中型一點的二線廠,了不起就是賺到五到十年,鴻海這種世界一流的公司,是可以完整的吃到整段AI伺服器的商機,所以未來如果鴻海還有新的產業想要發展時,不要再傻乎乎的去買什麼子公司或純度比較高的公司,以裕隆來說,當初就是有人先進去卡位,股價從40元炒到94.5元,最近也跌回到50.8元了,這時會有人說,這樣還是賺錢啊,會這樣想你就天真了,一般資產比較大的人,他不可能一開始就投入所有的資金,正常都是慢慢買,然後複利再投入,所以可以看一下裕隆這兩年的年線,2023年的年線69元,2024年的年線67.2元,所以大部份進到裕隆中投資的人,成本鐵定是會在68元左右,這兩年裕隆配出2.35元左右,所以你投資裕隆兩年下來,你大概是會賠14.85元,也就是21.83%,之前我就常和大家說,你不能投資一家八字還沒一撇的公司,重點是未來獲利還先被拿走,當你投資到這樣的公司,你最終會賠錢就是再自然不過的事了。

新聞說:鴻海今天表示,旗下研究院的人工智慧研究所攜手香港城市大學,推出的先進自動駕駛軌跡預測模型「QCNet」,繼於去年的世界級AI會議CVPR Argoverse 1和Argoverse 2挑戰賽中取得第1名的成績,今年的新版本模型「Lite-QCNet」在減少計算資源的同時,再次於CVPR大會 Argoverse 2挑戰賽中獲得冠軍。鴻海指出,電腦視覺與圖形辨識會議CVPR 是人工智慧、深度學習、計算機視覺、模式識別領域最具影響力的國際學術會議之一,每年都吸引全球不少頂尖研究人員與科技巨頭共同參與。鴻海觀察,近3年CVPR投稿論文數量,已從8000篇成長到1萬篇,這樣的趨勢反映了CVPR在人工智慧和計算機視覺領域的重要地位,在AI領域,CVPR時常發表計算機視覺和深度學習領域的最新突破,同時推動許多重要技術創新的發展。鴻海提到,旗下研究院此次參加的Argoverse 2挑戰賽,是基於自動駕駛研究的基準測試平台,為研究人員提供了一個重要的競爭和交流平台,促進相關技術的快速發展和實際應用,過去幾年,AI的軌跡預測方法雖然在準確度上持續有進步,但在效率、可擴展性和靈活性方面存在顯著的限制。鴻海分析,預測法通常使用複雜的編碼與解碼結構,處理時間較慢、資源消耗較高,在處理大量車流量或複雜環境時,較不利於即時應用,難以有效擴展,會出現性能瓶頸、精度下降等問題,但旗下QCNet模型透過先進架構,除了解決相關痛點,也提高自動駕駛系統的安全性和可靠性,降低事故風險並提升整體性能。此次鴻海研究院新的Lite-QCNet改良版,能在進一步減少運算資源的同時,依然保持高準確度,它使用基於注意力機制的分塊技術(attention-based patching)進行時間抽象化,並使用k近鄰(k-NN)局部注意力演算法捕捉空間互動性,在Argoverse 2基準測試中達到最先進的性能,證明其在多車輛運動預測中的效率。此項成果由鴻海研究院人工智慧研究所栗永徽所長率領所內研究員,與香港城市大學汪建平教授團隊、美國卡內基梅隆大學研究人員共同合作完成,獲得Argoverse 2挑戰賽冠軍,除了技術實力得到國際的認可,同時推動整個自動駕駛領域的發展,促進技術創新和產業應用。
個人股市研究觀察記錄文章目錄