AI焦點｜BP、馬拉松石油、7-Eleven、沃爾瑪被控使用AI操縱加・Lam Research股價2026年迄今漲114%，這檔A・Workday因AI篩選工具偏見面臨加州訴訟

📰 1. BP、馬拉松石油、7-Eleven、沃爾瑪被控使用AI操縱加州汽油價格

原文摘要

最近一則新聞炸了 — BP、馬拉松石油、7-Eleven 和沃爾瑪在加州被集體起訴，罪名是「疑似使用 AI 來提高汽油價格」。原告指控這些公司透過同一家第三方軟體商的定價演算法，即時交換市場數據、協調價格，讓加州駕駛人乖乖多掏錢。這不是單純的「電腦幫你調價」，而是被形容成「數位時代的價格勾結」——AI 讓競爭對手可以心照不宣地一起漲價，不用開會也不用打電話，演算法自動完成。

目前各大公司都否認有不當行為，但訴訟已經進入法院，聯邦監管機構也可能介入調查。這案子如果成立，可能改寫未來 AI 定價的合法性界線。

我的觀點

這起訴訟點出了一個核心矛盾：AI 的「效率」和「公平」到底該怎麼分？我完全贊成對這種行為追查到底，因為它本質上就是用科技包裝的卡特爾。傳統價格操縱需要人與人秘密溝通，現在只要各家都接入同一套定價模型，AI 就能自動算出「最優」價格——對業者最優，對消費者最傷。

更讓我擔心的是，這種「AI 共謀」很難用現有反壟斷法規去抓。因為沒有明文證據顯示誰打了電話或發了密信，演算法的黑箱運作讓舉證門檻超高。加州這批消費者提告，等於是挑戰現代商業與法律之間的灰色地帶。我不認為這些巨頭真的「無辜」——當你的 AI 設定目標是「最大化利潤」而非「競爭性定價」，結果自然會趨向聯合壟斷。

延伸思考

這件事讓我想到更大的問題：我們到底該不該讓 AI 決定民生必需品的價格？汽油不是奢侈品，價格波動直接影響每個人的交通成本。如果 AI 定價系統在加油站、超市、甚至藥局全面普及，消費者根本沒有任何議價能力，只能被動接受演算法「餵」出來的價格。

更可怕的是，這套玩法不限於汽油。旅館、機票、共享住宿、外送平台早就用動態定價很久了，差別在於它們通常不用同一套軟體「協商」。但當幾個主要競爭者都用同一家供應商的演算法時，市場競爭就名存實亡了。歐盟和美國 FTC 已經開始關注「演算法共謀」，但法規進度遠遠跟不上技術迭代。

延伸思考

對我們一般使用者來說，這則新聞提醒一件事：不要以為 AI 只會推薦貓咪影片，它正在默默重寫市場規則。作為工程師，我習慣看事情的正反兩面：AI 定價確實能快速反應供需，幫業者減少浪費；但當它變成集體操縱工具時，監管絕不能手軟。否則我們每個人都會變成「數據農場」裡被收割的那一個。

📝 編輯說：: 這則新聞在 Reddit 的科技版引發激烈討論，不少網友諷刺「原來我的油價不是市場決定，是 AI 決定的」。筆者認為這篇最有價值的觀點在於點出了「演算法共謀」這個新世代反壟斷難題，值得所有關心數位經濟的人警惕。

📰 2. Lam Research股價2026年迄今漲114%，這檔AI基礎設施股票還沒漲完

🔗 原文連結

原文摘要

根據Yahoo Finance報導，半導體設備大廠Lam Research（科林研發）在2026年至今股價已大漲114%，表現相當驚人。報導指出，這波漲勢主要受惠於AI基礎設施建置需求爆發，尤其是高頻寬記憶體（HBM）和先進製程設備的強勁訂單。分析師認為，儘管漲幅已高，但AI資本支出仍在加速，Lam Research作為關鍵供應商，成長故事「遠遠還沒結束」。文章強調，這並非短線炒作，而是反映長期結構性趨勢——AI對運算與儲存的需求正持續推升半導體設備週期。

我的觀點

114%的漲幅，聽起來像一場夢幻派對，但如果你仔細看，這場派對的門票其實是「未來現金流」換來的。Lam Research的市值已經超過千億美元，本益比也來到30倍以上，雖然相較其他AI概念股（例如NVIDIA在2024年的瘋狂PE）還算合理，但風險在於：一旦AI資本支出出現任何放緩訊號，這類設備股往往是第一個被砍單的。我的判斷是：長期看好，但短線追高要小心。因為114%的漲幅已經price in了未來好幾季的樂觀預期，接下來任何財報「只符合預期」都可能被解讀為利空，股價壓力不小。

延伸思考

延伸來看，AI基礎設施的投資熱潮不只是Lam Research一家的事。從台積電的先進封裝CoWoS產能，到ASML的EUV光刻機，再到美光的HBM記憶體，整個供應鏈都是環環相扣。這讓我想起2021年加密貨幣挖礦熱潮時，顯卡和電源供應器廠商也是狂漲，但後來泡沫破了摔得很慘。當然，AI的應用場景比加密貨幣扎實多了，但投資人還是要盯住一個關鍵指標：雲端服務商的資本支出是否持續上修。如果AWS、微軟、Google的數據中心擴建喊停，Lam Research的訂單就會瞬間冷卻。另外，地緣政治風險也不容忽視——美國對中國的半導體設備出口限制如果進一步收緊，可能會影響Lam Research的營收結構。

📝 編輯說：:這篇文章在財經投資論壇引發熱議，許多網友認為114%的漲幅已經反映太多利多，但作者卻認為故事還沒結束。筆者覺得最有價值的觀點是提醒「短線追高風險」，畢竟半導體設備股過去幾年的波動性可一點都不比AI軟體股小。

📰 3. Workday因AI篩選工具偏見面臨加州訴訟

🔗 原文連結

原文摘要

Workday這家雲端人資軟體巨頭，最近踢到鐵板了。加州法院裁定，求職者可以集體控告Workday的AI篩選工具涉嫌種族與性別歧視。這起訴訟指控Workday的演算法在審查履歷時，系統性地對特定族裔、年齡層或女性求職者產生偏見，導致他們無法獲得面試機會。法院認為原告提出的證據足以讓案件進入實質審理階段，拒絕了Workday要求駁回訴訟的動議。

我的觀點

如果你曾經投了一百份履歷都石沉大海，而身邊條件差不多的朋友卻拿到一堆面試，會不會懷疑是系統在搞鬼？尤其當你意識到越來越多大公司用AI初篩履歷時，這種「黑箱感」真的很讓人毛骨悚然。這次Workday的案例，其實戳破了一個大家心照不宣的事實：AI模型訓練用的歷史數據本身就帶有偏見，如果企業只顧著效率，卻不檢查模型輸出的公平性，那這些工具根本是在放大現有的歧視，而不是解決問題。

延伸思考

這起訴訟不只是Workday的危機，更是整個AI招聘產業的警鐘。加州向來是隱私與反歧視法規的先行者，一旦判決對原告有利，可能會催生類似歐盟AI法案的強制審計制度。未來企業導入AI篩選工具時，不能只看準確率和效率指標，還得拿出「公平性報告」自清。對工程師來說，這也提醒我們：模型上線前的偏差檢測（bias audit）不再是選修課，而是必修學分。搞一個歧視性AI可能讓你省下時間，卻讓公司賠上聲譽和鉅額賠償金。

📝 編輯說：:這則新聞在科技與人資圈引發激烈討論，不少人驚覺原來我們習以為常的AI面試篩選，背後可能藏著系統性偏見。筆者認為最值得關注的是法院願意受理此案，這對未來AI監管方向有指標性意義。

📚 本日原文來源

本文由JK Space News彙整，不代表任何投資建議。