今天三則新聞，
一則發生在：
律師事務所。
一則發生在：
投資帳戶。
一則發生在：
AI 資料中心的電網。
表面上完全不同。
但它們其實正在說同一件事：
AI 開始離開「回答問題」的階段，進入真正會產生後果的系統。
以前 AI 答錯一段摘要，
你可以：
重寫。
但是如果 AI：
讀錯一份法律文件。
下錯一筆交易。
或者讓資料中心在錯誤時間大量用電。
代價完全不同。
所以今天真正值得看的不是：
AI 又多會一件事。
而是：
權限、來源、批准與系統邊界，開始和 AI 能力本身一樣重要。
第一則：Google 推出 Gemini Enterprise for Legal，法律 AI 不再只是「幫我摘要合約」
Google 8 月 25 日正式推出：
Gemini Enterprise for Legal。
它不是另外做一個：
「律師版聊天機器人。」
而是在 Gemini Enterprise 上，
加入：
法律工作專用 Skills。
法律系統 Connector。
專業 Agent。
資料權限。
引用與治理機制。
Google 自己在發布文章裡甚至直接說：
通用 AI 再強，單獨拿進法律工作仍然不夠。
這句話其實非常重要。
因為律師真正需要的不是「模型知道很多」
法律工作裡，
還有：
客戶機密。
案件權限。
不同客戶之間的 Ethical Wall。
公司自己的合約 Playbook。
最新法規。
法院資料。
內部範本。
也就是說，
一個模型即使：
法律知識很強，
如果它不知道：
這個律師有沒有權看這份文件，
還是不能直接放進正式工作。
Google 這次就是把「權限」直接做進產品
Google 表示，
Gemini Enterprise for Legal 可以連接：
文件管理。
E-discovery。
合約管理。
法律研究
等既有系統。
而且 Connector 會延續：
原本系統裡的權限。
簡單講：
如果某位律師原本無權查看：
A 客戶的案件，
AI 也不應該因為：
「我搜尋得到」
就把資料拿出來。
這跟我們之前一直講的企業 AI 是同一個問題：
AI 搜尋能力愈強，原本的資料權限就愈重要。
它還特別強調「有來源」
例如讓 AI：
審合約。
找高風險條款。
提出 Redline。
監控法規變化。
建立政策草稿。
這些事情如果 AI 只說：
根據我的分析……
在法律工作裡根本不夠。
Google 因此把：
可追溯 Citation
列為重要能力。
律師要能回去確認：
這個結論：
到底來自哪份：
公司文件。
法院資料。
法律資料庫。
因為：
AI 有答案
和：
律師能證明答案從哪裡來
是兩件事。
第一批合作的不是小型測試單位
Google 表示，
目前合作或早期導入的律師事務所包括：
Cleary Gottlieb。
Freshfields。
Weil。
Williams & Connolly
等大型國際法律機構。
Gemini Enterprise for Legal 目前以：
Preview
形式推出。
也就是它正在往正式企業部署走，
但不能寫成：
所有律師今天都已經全面正式使用。
Google 同一天其實也推出金融服務版本
這更能看出它的方向。
Google 同時公布：
Gemini Enterprise for Financial Services。
核心概念非常類似：
一般 AI 模型不夠。
金融業還需要：
可信資料。
資料來源。
權限。
治理。
工作流程。
也就是企業 AI 正逐漸從：
一個通用模型
往：
一個產業一套工作環境
移動。
這和昨天 Thomson Reuters 自己做模型形成非常有意思的競爭
昨天早報才談：
Thomson Reuters 自己推出：
Thomson。
利用它長期累積的法律、稅務與專業資料，
開始往自有模型走。
一天之後，
Google 從另一個方向進場：
它不一定要擁有所有法律內容。
而是做：
平台。
Agent。
Connector。
治理。
再接上：
Thomson Reuters。
Harvey。
LexisNexis
等法律生態系。
所以法律 AI 下一場競爭，
很可能不是：
誰有一個最好聊天的模型。
而是：
誰能真正被放進律師每天工作的系統裡。
第二則：Scalable Capital 讓 ChatGPT、Claude、Grok 直接連上投資帳戶
第二則更接近一般人。
德國金融科技公司：
Scalable Capital
8 月 25 日宣布推出：
Agentic Investing。
Scalable 表示，
這讓客戶可以把自己的投資帳戶連接到：
ChatGPT。
Claude。
Grok
等主流 AI 助理。
公司稱自己是：
歐洲第一家這樣做的銀行。
以前問 ChatGPT 股票，AI只能在帳戶外面回答
例如你可以問：
幫我比較這三檔 ETF。
或者：
我的投資組合風險在哪裡？
但真正的投資帳戶：
在另一個 App。
AI 並不知道：
你真正持有什麼。
也不能直接替你建立：
Watchlist。
Price Alert。
定期投資。
交易。
現在 Scalable 開始把：
AI 對話
和：
真實金融帳戶
接在一起。
第一階段已經可以做哪些事情？
Scalable 官方列出的能力包括：
搜尋股票、ETF 與衍生品。
查看市場資料。
管理 Watchlist。
建立價格提醒。
設定 Savings Plan。
準備交易。
也就是 AI 開始從：
「告訴我市場發生什麼」
往：
「幫我處理投資帳戶裡的事情」
跨出去。
這一步非常大。
但最重要的設計其實不是「AI 可以交易」
而是：
交易以前還要批准。
Scalable 官方說明，
使用者仍然可以：
管理 AI 的存取權。
查看所有活動。
而：
Trades。
Savings Plans
在真正執行以前，
仍需要：
使用者批准。
這個設計其實比：
「AI 能買股票」
更值得注意。
因為金融 AI 一旦可以執行，錯誤就從文字變成錢
例如 AI：
看錯你的問題。
選錯標的。
把「分析」理解成：
「下單」。
或者遇到：
資料異常。
市場突然劇烈變動。
如果整條流程沒有：
Approval Gate，
原本只是：
回答錯誤
就可能變成：
真正交易。
所以金融 Agent 最重要的一個問題就是：
AI 可以走到哪一步？
Scalable 自己也沒有宣稱「用了 AI 就會賺更多」
這點很重要。
共同創辦人 Erik Podzuweit 對 Reuters 說，
他的假設是：
AI 使用最後可能讓平均投資報酬改善。
但他也明確說：
這件事情仍有待證明。
也就是：
AI 可以幫你：
查資料。
整理組合。
準備動作。
甚至執行被批准的交易。
都不等於：
它已經證明能替你打敗市場。
這兩件事必須分開。
Scalable 本身也不是一個幾千人的小實驗
Reuters 報導，
Scalable 已有：
超過 100 萬名客戶。
管理資產超過：
600 億歐元。
主要市場在：
德國。
奧地利。
同時也進入：
義大利。
西班牙。
法國。
荷蘭。
所以這不是：
AI Trading Demo。
而是一家真正金融機構開始把：
外部 AI Assistant
接到：
正式客戶投資帳戶。
這也是 Agent 下一階段最重要的考試
AI Agent 以前很容易展示：
幫你研究。
幫你比較。
幫你填表。
但真正進到：
銀行。
券商。
付款。
採購。
醫療。
法律
以後，
問題就變成：
AI 可以建議什麼？
AI 可以準備什麼？
AI 可以直接執行什麼？
哪一步一定需要人批准？
今天 Scalable 已經給出一個很清楚的答案：
AI 可以走得更遠，
但：
真實金融行動前仍保留人工批准。
第三則：Emerald AI 募得 1.5 億美元，但它不是在做另一個大型模型
第三則從：
軟體。
金融
一路走到：
電力。
一家叫：
Emerald AI
的公司，
8 月 25 日宣布完成：
1.5 億美元 Series A。
估值：
10.5 億美元。
正式成為：
Unicorn。
但它做的事情不是：
Chatbot。
模型。
GPU。
它處理的是 AI 現在最現實的一個瓶頸：
電。
AI 資料中心最大的問題之一，是它不能只在「有空的時候」用電
大型 AI 資料中心可能需要：
數百 MW。
甚至：
GW 等級
的電力。
問題是電網不是：
一個無限容量的插座。
夏天下午：
大家開冷氣。
冬季極端天氣。
發電機組故障。
輸電線吃緊。
不同時段的電網壓力：
完全不同。
但大型資料中心如果永遠要求：
固定滿載，
電力公司就必須替：
最壞情況
準備非常龐大的：
備用容量。
Emerald AI 的想法是：讓資料中心變成「可以調整的負載」
例如電網正在：
很緊。
某些不必現在立刻完成的 AI 計算，
是不是可以：
延後一點？
降低一部分功率？
移到另一個時間？
移到不同位置？
等電網比較寬鬆再：
補回來？
Emerald AI 做的，
就是用軟體動態協調：
AI 工作負載
和：
電網條件。
這和一般「省電軟體」不完全一樣
重點不只是：
讓 Server 永遠少用電。
而是：
什麼時候用多少電。
就像高速公路。
真正造成塞車的不一定是：
一天總共有多少車。
而是：
大家同一時間上路。
電網也一樣。
如果 AI Data Center 可以把：
某些非即時工作
移開尖峰，
同樣的電力基礎設施：
可能可以服務更多運算。
Emerald AI 已經不只停在實驗室
公司表示，
它已完成：
5 個全球商業示範。
目前軟體已經在：
Multi-megawatt。
完整資料中心規模
進行商業部署。
客戶包括：
AI 公司。
Data Center Operator。
電力公司。
這也是為什麼投資人願意在 Series A 階段，
就把公司估值推到：
10.5 億美元。
公司還提出一個非常大的數字：100 GW
Emerald AI 表示，
如果這種：
Power-flexible AI Data Center
廣泛部署，
有可能從現有美國電網釋放超過：
100 GW
可以支援 AI 的容量。
這是：
公司自己的估算。
不能直接寫成：
美國已經證明可以多蓋 100 GW AI 資料中心。
真正能釋放多少容量，
仍然要看：
地區。
電網結構。
AI 工作負載。
電力市場規則。
以及實際部署成效。
為什麼這家公司突然這麼值錢？
因為 AI 產業慢慢發現：
GPU 有錢可以買。
資料中心有錢可以蓋。
但是：
電力不是付錢就能立刻出現。
新的：
變電站。
輸電線。
發電廠。
天然氣渦輪。
再生能源。
核能
全部需要：
時間。
如果軟體能讓現有電網：
多撐一些 AI 工作，
價值自然很大。
這也改變一個很重要的觀念
以前我們把 Data Center 想成：
電網的負擔。
Emerald AI 想把它變成：
電網可以調度的資源。
例如需要時：
降低負載。
轉移運算。
避開尖峰。
這和電動車未來可能：
在適合時間充電
是一樣的概念。
不是取消耗電。
而是：
讓耗電更有彈性。
但不是所有 AI 工作都可以說停就停
例如：
使用者正在等待的 Chatbot 回應。
即時 Agent。
金融交易。
安全監控。
某些 Online Inference
對延遲非常敏感。
不能因為：
電網現在很忙
就全部暫停。
比較適合移動的可能是：
模型訓練中的部分工作。
Batch Processing。
資料準備。
非即時推論。
所以真正困難的是：
哪些 AI 工作可以移？
可以移多久？
怎麼移又不影響客戶？
這才是這類軟體真正的技術價值。
把今天三則新聞放在一起，就會看到一條很清楚的線
Google 的問題是：
AI 可以看哪些法律資料？
答案：
要繼承：
權限。
治理。
來源。
Scalable 的問題是：
AI 可以替投資人做多少事情？
答案：
可以分析。
可以準備。
但真正交易：
還要批准。
Emerald AI 的問題是：
AI 資料中心想跑多少算力就跑多少嗎？
答案：
還要服從：
電力與電網的現實限制。
三家公司都在處理同一件事：AI 的「邊界」
以前 AI 最大問題是：
它會不會做？
現在開始變成：
它被允許做到哪裡？
這是完全不同的產品問題。
模型能力愈強，邊界反而愈重要
一個只能：
寫 Email
的 AI，
權限錯誤可能只是：
文案問題。
一個可以：
讀公司全部文件。
操作投資帳戶。
調度巨型資料中心
的 AI，
每一次權限錯誤都可能：
真正造成後果。
所以未來 AI 產品的競爭力，
不只在：
Benchmark。
Reasoning。
Context Window。
還會包括：
Access Control。
Audit。
Approval。
Traceability。
Rollback。
這也是為什麼企業 AI 開始不像「聊天工具」
Google Gemini Enterprise for Legal：
開始像：
法律工作平台。
Scalable Agentic Investing：
開始像：
金融操作介面。
Emerald AI：
開始像：
AI 算力與電網之間的調度層。
AI 正在從：
一個獨立 App
變成：
嵌在現有系統裡的一層。
對一般公司來說，今天最值得問的不是「我們什麼時候也導入 Agent？」
先問三個問題。
第一：AI 可以看什麼？
例如：
客戶資料。
合約。
訂單。
財務。
全部都需要：
權限。
第二：AI 可以做到哪一步？
例如：
分析？
建立草稿？
修改資料？
寄出訊息？
付款？
下單？
每一步的風險：
完全不同。
第三：哪一步一定要有人批准？
不要等 AI 已經接進正式系統後，
才開始想：
「這個是不是應該讓人確認？」
最好一開始就：
寫清楚。
這三個問題其實就是今天三則新聞的共同答案
Google：
誰能看？
Scalable：
誰批准？
Emerald AI：
系統最多能跑到哪裡？
當 AI 真的開始：
做事，
這三個問題會比：
「Prompt 怎麼寫？」
重要得多。
今天早上的一句判斷
AI 過去幾年的競爭，
主要是在證明：
我能做什麼。
接下來更成熟的競爭會開始證明：
我知道什麼時候不能做。
什麼資料不能看。
什麼交易不能自己按。
什麼算力不能無限搶電。
真正能進入：
法律。
金融。
能源。
醫療。
政府。
大型企業
的 AI，
不會只是最聰明的模型。
而會是：
能力夠強，而且邊界夠清楚的系統。
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
推薦閱讀
AI 快問快答｜2026/08/13：Glean 會保留原本權限，就代表敏感資料一定不會被 AI 找到嗎？
