AI焦點｜Rezolve AI (RZLV) 分析師認為是最值得買進的・Alex Karp 痛批 OpenAI、Anthropic・Study: AI Is Actually Creating

📰 1. Rezolve AI (RZLV) 分析師認為是最值得買進的科技新股之一

原文摘要

根據財經媒體報導，幾位華爾街分析師近期將Rezolve AI（股票代碼RZLV）列為「目前最值得買進的科技新股」之一。這家公司主打AI驅動的零售解決方案，號稱能幫企業用自然語言處理技術自動化客服、庫存管理與銷售分析。分析師看好其營收成長動能，並給出「買入」評級，目標價比現價高出近40%。不過，這篇報導本身並沒有太多實質財務數據，更像是分析師對前景的樂觀喊話。

我的觀點

分析師的推薦有時像賭場裡的明牌——聽起來很誘人，但真的跟單買進前，你得先搞清楚這家公司到底賺不賺錢。Rezolve AI目前還處在燒錢階段，營收規模不大，競爭對手卻不少（Salesforce、Zendesk、甚至OpenAI的API都在搶這塊餅）。我對這種「分析師一致看好」的新股保持高度警覺，因為歷史告訴我們，新股蜜月期一過，股價暴跌的案例比比皆是。如果你只是衝著「AI熱潮」三個字就下單，那跟買樂透沒兩樣。

延伸思考

這波AI投資狂潮其實很像當年的雲端運算或區塊鏈——市場先給願景定價，再慢慢等盈利兌現。問題是，當每個新創都說自己「用AI改變世界」，投資人該怎麼區分誰是真貨、誰是PPT公司？我的建議是：先把財報打開，看看營收是否真實成長、客戶黏著度高不高。另外，這類小型股流動性差，波動極大，不適合心臟不夠大的人。與其追這種不知名的新股，不如考慮更穩健的AI ETF或大型科技巨頭，至少不會一覺醒來跌了30%還搞不清楚原因。

📝 編輯說：:這篇文章在美股投資社團引發熱議，不少網友酸「分析師喊買的新股，通常就是出貨的好時機」，筆者認為這篇最有價值的觀點是：別讓「AI」兩個字蒙蔽你對基本面與風險的基本判斷。

📰 2. Alex Karp 痛批 OpenAI、Anthropic 的代幣模式——「事情完全走偏了」

🔗 原文連結

原文摘要

Palantir 共同創辦人兼 CEO Alex Karp 最近在公開場合狠狠開炮，直接點名 OpenAI 和 Anthropic 的 token 計價模式「完全搞錯了方向」。他認為這些公司把 AI 當成「按字收費的玩具」，而非真正解決企業痛點的工具。Karp 說：「當你開始用 token 來衡量智能的價值，事情就徹底歪了。」他強調，AI 應該像電力或水一樣，成為基礎設施的一部分，而不是讓客戶每次問問題都要數自己用了多少「字」。這番言論立刻在科技圈炸開，不少人點頭如搗蒜，也有人覺得 Karp 只是在幫自家 Palantir 的訂閱制平台護航。

我的觀點

先講一個關鍵矛盾：OpenAI 的 GPT-4 每百萬個 token 收費 30 美元，但一個企業級的數據分析任務可能動輒消耗上千萬個 token——這筆帳算下來，比請三個資料科學家還貴。Karp 批評的核心就在這裡：AI 公司把自己定位成「賣計算資源的」，而不是「賣解決方案的」。他認為真正的企業 AI 應該像 Palantir 的 Foundry 那樣，讓你直接問「哪個供應商有延遲交貨風險？」然後系統整合你的內部資料、外部新聞、天氣數據，最後吐出一個清晰的可視化儀表板。你根本不會知道背後跑了多少 token，因為那根本不重要。

從風險角度看，token 模型還有一個更深的陷阱：它讓開發者養成「省 token」的壞習慣。為了壓低成本，大家開始寫更短的 prompt、砍掉必要的上下文、甚至放棄多輪對話的精準性。這不是 AI 該有的進化方向——我們應該鼓勵模型多思考，而不是教它閉嘴。Karp 的判斷其實很務實：AI 如果無法無縫融入企業工作流程，就永遠只是個昂貴的聊天機器人。

延伸思考

這讓我想起另一個經典案例：微軟 Copilot 的定價也是每人每月 30 美元，不管你問 10 次還是 1000 次。這種「吃到飽」模式反而讓企業更容易接受，因為財務預算可預測。反觀 token 模式，月底帳單收到手軟的時候，CFO 第一個想砍的就是 AI 預算。長期來看，我認為企業 AI 市場會走向兩種極端：一種是像 Palantir 或微軟那樣走平台訂閱制，另一種是像本地部署的開源模型搭配一次性授權。而 OpenAI 和 Anthropic 的 token 模式，可能只適合 API 呼叫頻率穩定的應用場景，例如客服機器人。

另外還有一個延伸問題：當 AI 公司把 token 當作貨幣，他們就有動機讓客戶多用 token——這是不是變相鼓勵模型廢話連篇？畢竟多寫兩句「總之」、「因此」，客戶就得多付錢。這點在學術界已經有人開始抱怨，越來越難分辨 AI 的輸出是真的有料，還是在湊字數賺 token。

📝 編輯說：: 這篇報導在 Hacker News 和 Twitter 上引發激烈論戰，筆者認為 Karp 的觀點雖然帶有商業立場，但確實戳中了 AI 產業過度金融化的痛點，值得所有開發者思考：我們到底要造工具，還是造收費站？

📰 3. Study: AI Is Actually Creating More Jobs, Not Killing Them (But There’s a Catch)

🔗 原文連結

TITLE:研究顯示：AI其實在創造就業，不是消滅工作——但有個大但書

原文摘要

最近一份來自麻省理工學院與IBM合作的研究出爐，直接把「AI搶飯碗」的都市傳說打了一個大問號。研究團隊分析了2018到2023年間超過50萬個美國職缺，發現AI相關技術的導入，反而讓企業平均多開了3%的新職缺。特別是在客服、數據分析、內容製作這些領域，AI工具不是取代員工，而是讓公司有餘裕去拓展新業務、做更多客製化服務，於是人力需求不減反增。

但研究也點出一個關鍵陷阱：這些新增的工作，大部分都要求員工會操作AI工具、懂基本的資料分析，或至少能跟AI協作。換句話說，如果你是純體力勞動或完全不懂數位工具的作業員，這波AI浪潮不但沒幫到你，你的職位被砍掉的機率還變高了。

我的觀點——從讀者可能遇到的具體情境切入

你最近是不是也滑到各種「AI將取代3億個工作」的新聞，開始焦慮自己會不會是下一個被裁員的工程師？這份研究其實給了一個很務實的答案：AI不是來殺死工作的，而是來重新分類工作的。就像當年的Excel沒有消滅會計師，而是讓會計師從整天手算數字，升級成做預測分析、做財務策略。同樣，現在如果你是一個客服人員，過去要花80%時間處理重複問題，現在AI先擋掉8成，你剩下的時間反而可以專心解決真正複雜的客訴，公司甚至因此需要多請幾個人來做客戶體驗優化。

這個「但書」才是重點——不學新技能的人會先被淘汰。這不是危言聳聽，而是結構性失業的經典劇本。當年工廠自動化時，那些願意去學PLC維修的技師現在年薪百萬；而堅持只會鎖螺絲的，就被機器取代了。AI這波也一樣，它不是在滅絕工作，而是在幫企業「淘金」——把那些只會重複機械操作的人力篩掉，留下來的是能夠駕馭工具的人。

延伸思考

這份研究其實點出一個更深層的社會挑戰：教育與職訓系統根本跑不贏技術迭代。學校還在教Python基礎語法時，業界已經在用Copilot自動生成程式碼；政府開的職業訓練課程還在練打字，企業早就需要員工會用Midjourney提案。如果我們不從政策面推動「終身學習補助」或「企業在職訓練抵稅」，那這個「創造工作」的好消息，只會變成富者愈富、窮者愈窮的催化劑。

另外，有一個容易被忽略的點是「工作品質」。AI創造出來的新工作，是不是都是低薪的「數據標註員」或「AI審核工」？如果是這樣，那數量再多也沒有意義。研究並沒有細分薪資級距，這部分值得後續追蹤。畢竟我們要的不是更多免洗職缺，而是能夠養家活口的中產階級工作。

📝 編輯說：:這篇研究在Hacker News上引發了超過兩千則討論，筆者認為最有價值的觀點是「與其怕被取代，不如學會跟AI合作」，但政策制定者得先幫邊緣勞工補上數位技能這一課。

📚 本日原文來源

本文由JK Space News彙整，不代表任何投資建議。