AI 日報 — 2026-08-27

TL;DR Google 同日推出 Gemini Enterprise for Legal 與不可取消的 Flexible Savings Plans，正面對決 Thomson Reuters 自建法律模型 Thomson；Perplexity 攜手 NVIDIA 推出零 token 成本的本地 agent Portable Computer；阿里巴巴 QwenWork 從中國公測直接打進國際市場；Check Point 稽核揭露 LangGraph checkpointer 未授權 RCE 鏈；Runable 拿下 $21M Series A，把建置與成長焊進同一個 Agent

#ai-agent #daily

一句話判斷
深度分析：企業 AI 的兩條轉換成本戰線
今日動態
關鍵數字
今日 Digest 一覽
明日關注
今日收穫
參考資料

系列: AI 日報 (12 / 14)

AI 日報 — 2026-08-26 AI 日報 — 2026-08-28

🌏 English version

一句話判斷

垂直產業的資料護城河正在轉譯成模型控制權——Thomson Reuters 自建法律模型迎頭對上 Google 殺進法律 AI 賽道，Google 同時用不可取消的長期帳單鎖住雲端客戶，兩條轉換成本戰線今天同時開打。

深度分析：企業 AI 的兩條轉換成本戰線

我認為今天三個事件合起來，指向企業 AI 賽道正在用「轉換成本」打兩條完全不同的鎖定戰線。

第一條戰線在雲端帳單層。Google 為 Gemini Enterprise 推出的 Flexible Savings Plans，條款明講「購買後不可取消或修改」——企業一旦簽下 3 年期承諾，就算用量下滑也要付滿承諾金額。這不是單純的折扣，是把企業的 AI 支出綁進一份長期合約：換供應商不只是換 API endpoint，還要處理未用完的承諾額度。

第二條戰線在垂直資料層。同一天 Google 推出 Gemini Enterprise for Legal，直接殺進法律 AI 賽道；幾乎同時，Thomson Reuters 宣布自建的專屬模型 Thomson 正式上線，部署進自家的 CoCounsel Legal——用 $40M 訓練成本，把 Westlaw、Practical Law 這些自家獨家內容轉譯成模型控制權。Thomson Reuters 沒有選擇單純接 Google 或 Anthropic 的模型當後台，而是自己動手，理由很直接：法律資料是它獨有的護城河，一旦交給外部模型供應商代管，長期主導權就會慢慢移轉出去。

這兩條戰線看似不同，骨子裡是同一個邏輯：誰能提高客戶「離開」的成本，誰就贏。Google 用合約鎖雲端支出，Thomson Reuters 用自建模型鎖資料主導權——兩者都在賭，企業／專業客戶一旦上了車，換車的成本會讓他們寧可留下來。

對從業者的意義：如果你在幫企業選 AI 供應鏈，長期承諾條款和「誰真正擁有底層模型」這兩件事，比誰的 benchmark 分數高更值得放進採購合約的談判清單。

今日動態

廠商動態

Google：同一天內兩手齊出——為 Gemini Enterprise 推出不可取消的長期帳單折扣（Flexible Savings Plans，詳見下方定價段落），又發表 Gemini Enterprise for Legal，直接對打 OpenAI、Anthropic、Microsoft 在法律 AI 賽道的佈局，並拉來 Cleary Gottlieb、Freshfields 等律所背書、承諾客戶資料不會被用來訓練基礎模型。（來源）

模型與基礎設施

Thomson Reuters — Thomson：投入 $40M 訓練出自家第一個專屬大模型，從開源基礎模型出發、用 Westlaw／Practical Law／Reuters 獨家內容微調（訓練只用了不到 10% 的自家內容），已部署進 CoCounsel Legal 的 Tabular Analysis，並釋出小版本到 Hugging Face 供學術驗證，同時保留 CoCounsel Legal 多模型並用的架構。（來源）

定價與 API 生命週期

Google Gemini Enterprise 新增 Flexible Savings Plans（1 年期折 10%、3 年期折 20%，不可取消）與離峰批次折扣的完整分析，見 Stage 1 定價追蹤。

工具與生態

Perplexity 攜手 NVIDIA 推出 Portable Computer——把 agent harness、orchestrator、Qwen 3.8 27B／PPLX 27B 模型整包塞進 NVIDIA DGX Spark，本地執行零 token 成本，只有升級到雲端模型才計費；實測 Terminal Bench 2.1 上，純本地跑 59.6 分，升級到 Claude Opus 5 顧問模式拿 73.0 分（每題 $0.415），純雲端 frontier 模型 82.4 分（每題 $0.65）——目前僅支援 Linux，需要 24GB 以上 VRAM 的 NVIDIA RTX 顯卡。（來源）

今天另兩則工具／生態新聞見 Stage 1：讀 Postgres 統計視圖產生健康報告的唯讀 MCP 工具 pgbot，以及 DeepSeek 開源 agent harness dsh 一週衝近 20 萬星的 GitHub Digest。

技術進展

今天的技術進展全部在 Stage 1 涵蓋：Arxiv Digest 談工具呼叫可靠性的三層盲點（訓練脫節／資源盲點／狀態行動競爭）；Mastra 1.62 更新把桌面操作做成 workspace 第 12 種工具，同時帶了 7 個 breaking changes。

資安事件

今天資安焦點是 Check Point 對六大 agent 框架的橫向稽核，詳見資安警報——LangGraph checkpointer 一條 SQL injection + 反序列化鏈就能達成未授權 RCE，全程不需呼叫任何工具。

區域動態

中國

阿里巴巴今天把 QwenWork 推向國際版，鎖定亞洲、中東、拉美市場，介面先上英文與簡體中文，未來會加繁中、西班牙文、葡萄牙文、日韓文。QwenWork 本月稍早在中國公測，8/17 被 Jefferies 的評測列為工作場景 AI agent 第一名，優於七個對手產品——這次國際版上線，是中國 agent 平台第一次以「已在本土驗證過排名」的姿態直接打國際市場，而不是先做海外市場調研再進場。（來源）

商業案例 / 融資

Runable 完成 $21M Series A，把「建置網站／App」和「接手日常成長營運」焊進同一個 Agent，上線 3 週衝到 $2M ARR。詳見融資速報。

關鍵數字

項目	數字	來源
Google Gemini Enterprise FSP 折扣	1 年期↓10% ／ 3 年期↓20%（不可取消）	定價追蹤
Thomson Reuters 訓練 Thomson 模型投資	$40M	PRNewswire
Perplexity Portable Computer 本地 vs 雲端 coding 分數	59.6%（本地）→ 73.0%（升級 Claude Opus 5，$0.415／題）→ 82.4%（純雲端，$0.65／題）	VentureBeat
LangGraph 資安稽核發現	21 項問題／12 個 CVE（橫跨六大框架）	資安警報
Runable 3 週 ARR	$2M（15 人團隊）	融資速報

今日 Digest 一覽

明日關注

Google Gemini Enterprise for Legal 正式上線後，Anthropic、OpenAI 的法律賽道回應會不會加速——這是繼 2 月 Anthropic 法律外掛引發法律科技股大跌之後，四大廠首次在同一週正面對撞法律垂直市場。
Thomson Reuters 開放 Thomson 小版本模型到 Hugging Face 後，外部學術評測結果何時出爐，能否驗證官方宣稱「與最新前沿模型打平」的說法。
Perplexity Portable Computer 目前僅支援 Linux，Windows 版 9 月上線後，本地 agent 的實際採用率會不會因為硬體門檻（24GB+ VRAM）而卡住。

今日收穫

之前看「垂直產業自建模型」這件事，直覺是「反正租得到前沿模型，何必自己訓練」；今天看到 Thomson Reuters 只花 $40M（相對於前沿模型動輒數十億美元的訓練成本）就做出能打平前沿模型的專屬模型，才意識到對握有獨家高品質資料的公司來說，自建模型的性價比正在快速改善——這已經不是「要不要」的問題，而是「資料護城河夠不夠格轉譯成模型控制權」的問題。