AI 日報 — 2026-09-01

TL;DR Uber 揭露 agent 軟體工廠全貌：70% PR 出自 agent、3,600+ 技能收進共用註冊表、週請求量成長 9.4 倍但總支出持平；Visa/Mastercard/Fiserv 加入 25+ 會員的 Agentic Payments Alliance，搶在 agentic commerce 衝上 3-5 兆美元規模前把授權標準攤平；NVIDIA 砸 35 億美元認購聯發科可轉債，深化邊緣到雲端 AI 運算平台合作；台灣政府明年編列新台幣 400 億元衝 50 萬名 AI 人才目標；OpenClaw 2.0 以 933 位貢獻者、逾 1.6 萬個 PR 刷新開源 agent 專案最大單次改版紀錄

#ai-agent #daily

一句話判斷
深度分析：Agent 群怎麼分工、怎麼被信任，正在變成比模型能力更決定 ROI 的變數
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 (17 / 20)

AI 日報 — 2026-08-31 AI 日報 — 2026-09-02

🌏 English version

一句話判斷

Agent 的競爭力正在從「模型多聰明」轉向「分工協調成本壓得多低」——Uber 的技能註冊表與 Visa/Mastercard 主導的產業聯盟，今天從兩個完全不同的產業各自證明了這件事；而台灣讀者更該留意的是，NVIDIA 深化與聯發科的晶片合作、加上政府新台幣 400 億元的人才計畫，顯示這場競爭正往上游供應鏈站位延伸，不只是選一套 agent 框架的技術問題。

深度分析：Agent 群怎麼分工、怎麼被信任，正在變成比模型能力更決定 ROI 的變數

我認為今天兩則看似不相關的新聞，其實在回答同一個問題：agent 群要怎麼分工、彼此才信得過，而不是拚哪家模型比較聰明。（框架：交易成本）

Uber 公開了自家「軟體工廠」的完整成本方程式：目前超過 70% 的 pull request 出自本地或雲端 agent，員工建了 3,600 多個技能收進共用註冊表，每天執行超過 3 萬次；2 月到 8 月週活躍使用者成長 7 倍、週 agent 請求量成長 9.4 倍，但透過分層路由（窄任務丟給便宜模型、寬任務才用前沿模型）讓總支出大致持平，每千次請求成本從高點下滑 34%。這套「技能註冊表 + 分層路由」機制做的事，本質上是把「該由誰做、用什麼工具做」的協調成本外部化成基礎設施，不必每次都靠工程師重新判斷。

同一天，Visa、Mastercard、Fiserv 加入由穩定幣基礎設施商 Rain 號召的 Agentic Payments Alliance（APA），25 個以上創始會員要一起訂出 agent 身分驗證、授權與詐欺防範的共同標準。理由講得很白：McKinsey 預估 agentic commerce 規模到 2030 年上看 3 到 5 兆美元，但如果每個 agent 對每個商家都要重新談一次授權方式，規模根本衝不出來——碎片化才是這個賽道最大的敵人。APA 要做的，就是把授權協調成本從「每家自己談」攤平成「產業共用一套規則」。

這跟今天 Arxiv digest 裡 K-GAT 那篇論文問的其實是同一件事：多 agent 系統的協作結構該怎麼被決定，才不會靠語意亂猜出過度或不足的分工。差別只在於 Uber 和 APA 是在生產端用「註冊表」與「產業聯盟」把答案實際寫出來，而不是留在論文的消融實驗裡。

對從業者的意義：護城河不在你接了哪個最強模型，而在你有沒有一層機制把「找出正確分工」跟「彼此信不信任」的成本壓下來——沒有這層，agent 數量一多，協調成本只會線性甚至更快往上衝。

今日動態

廠商動態

Uber：公開「軟體工廠」全貌，超過 70% 的 pull request 已出自本地或雲端 agent，員工建置逾 3,600 個技能收進共用註冊表，每日執行超過 3 萬次技能呼叫；2 月至 8 月週活躍使用者成長 7 倍、週 agent 請求量成長 9.4 倍，但透過分層路由與快取策略讓總支出大致持平，每千次請求成本較高點下滑 34%。（來源）

模型與基礎設施

NVIDIA×聯發科：NVIDIA 宣布斥資 35 億美元認購聯發科可轉換債券，深化雙方合作，聯發科將加入 NVIDIA NVLink Fusion 生態系，共同打造涵蓋雲端 AI 工廠、PC（RTX Spark／DGX Spark）與車用（Dimensity Auto 對接 DRIVE AGX）的跨世代運算平台。（來源）

技術進展

今天的 AI Agent Arxiv Digest 三篇論文合起來在問同一件事：多 agent 系統的協作結構該怎麼被決定，才不會靠語意亂猜出過度或不足的分工——K-GAT 讓實際檢索到的證據而非問題語意決定該叫幾個 agent、怎麼連接，在 GPQA 上比 LLM-Debate 基準高 15.7 個百分點且 token 消耗減半；DoCtOR 則主張出包時不該全員反省，只該讓真正決定性犯錯的那個 agent 反省，在三個資料集分別帶來 22%–27% 的成功率提升。這跟今天 Uber、APA 在生產端各自用「技能註冊表」「產業聯盟標準」回答的其實是同一道題：分工與信任的結構該由機制決定，不是靠感覺猜。

工具與生態

OpenClaw 2.0（v2026.8.1）：專案史上最大改版一次收進 933 位貢獻者、逾 1.6 萬個合併 PR（社群戲稱「不小心做出來的 2.0」），維持 MIT 授權、不綁定單一模型供應商，新增遮罩式私密憑證請求、外掛信任審查與多家模型供應商套件隨選安裝。（來源）

法規與治理

EU AI Act 進入執法階段：歐盟執委會 AI Office 於 8 月 29 日首度對多家通用型 AI 模型供應商發出正式資訊請求（RFI），是 8 月 2 日通用型 AI 義務生效後的第一個執法動作，鎖定在歐盟市場上架模型的供應商。（來源）

台灣 AI 人才 400 億元計畫：總統賴清德政府規劃明年編列超過新台幣 400 億元（約 12.6 億美元）推動 10 大 AI 專案，目標 2040 年前培育至少 50 萬名 AI 人才；數位部另推 BOO 模式引導民間投資 AI 運算中心，盼一年內累積至少 1 萬顆 GPU 算力，強調運算中心須落地台灣以符合本地法規與主權 AI 需求。（來源）

區域動態

中國

路透報導，美國正考慮把晶片出口管制範圍從實體晶片流向擴大到「遠端算力存取」——據稱字節跳動與新加坡雲端服務商 Aolani 合作在馬來西亞取得 NVIDIA 晶片算力，阿里巴巴、騰訊也被指採取類似安排，凸顯現行管制對雲端遠距存取的漏洞。（來源）

台灣

NVIDIA 與聯發科深化合作並非單純代工訂單，而是聯發科正式加入 NVLink Fusion 生態系、共同定義邊緣到雲端的運算平台規格——對台灣供應鏈而言，這是從「純代工」往「平台共同開發」位移的訊號（詳見上方「模型與基礎設施」）。

日韓

南韓政府指定 SK Telecom、KT、Kakao 打造全民免費 AI 服務「AI for All」，今年提供合計 512 顆 NVIDIA B200 GPU，2027 年起補貼營運成本。（來源）

KT 標得重建友利銀行（Woori Bank）AI 客服與諮詢機器人的專案，將透過新推出的 Agent Connect 方案把對話與任務處理交給能跨管道保留脈絡的「AI 銀行員」agent 處理。（來源）

東南亞

新加坡政府在企業運算倡議（ECI）下，由微軟與 Digital Industry Singapore 主導推出 Agentic AI Accelerator 計畫，協助本地企業導入 agentic AI。（來源）

Huawei Cloud 在新加坡上線 CodeArts AI agent，一次提供 16 個專職 agent 分工支援程式撰寫、測試與軟體開發流程。（來源）

印度／南亞

Cashfree Payments 旗下 AI「超級 agent」Relay 從 5 月起的商家測試版正式全面開放，自動化中小企業的收付款作業。（來源）

中東

AWS 與沙烏地阿拉伯政府背景的 HUMAIN 深化合作，宣布逾 53 億美元投資打造沙國第一個 AI Zone 雲端基礎設施區域，預計 2028 年前提供最高 50MW 容量；Adobe 同時宣布以逾 40 億美元價值，讓 2,700 萬名沙國公民與居民免費使用 Adobe AI 工具 12 個月。（來源）

非洲

Huawei 在奈及利亞拉哥斯的 AI 雲端高峰會上，正式推出在地的 Agentic AI Cloud，作為該國「國家主權雲倡議」的一環，主打資料落地與產業客製應用。（來源）

拉丁美洲

墨西哥企業軟體與 AI 轉型公司 Primero 完成 1,200 萬美元融資，聚焦協助當地企業導入 AI 轉型服務。（來源）

大洋洲

澳洲聯邦公平工作委員會（Fair Work Commission）因 AI 生成的「明顯錯誤」法律文件案件暴增，即將要求當事人揭露申請文件是否使用 AI 撰寫。（來源）

商業案例 / 融資

Visa／Mastercard／Fiserv 加入 Agentic Payments Alliance：由穩定幣基礎設施商 Rain 號召、8 月 18 日成立的 25 個以上創始會員聯盟，鎖定 agent 身分驗證、授權框架、詐欺防範、忠誠計畫整合與監理倡議五大領域，McKinsey 預估 agentic commerce 規模到 2030 年上看 3 到 5 兆美元。（來源）

關鍵數字

項目	數字	來源
Uber PR 出自 agent 比例	70%+	Uber Engineering
Uber agent 技能數／每日執行次數	3,600+／30,000+	同上
NVIDIA 認購聯發科可轉債金額	35 億美元	動區動趨
APA 創始會員數	25+	CryptoBriefing
台灣 AI 人才計畫預算	新台幣 400 億元（約 12.6 億美元）	Taipei Times
OpenClaw 2.0 合併 PR 數	16,000+（933 位貢獻者）	explainx.ai

今日 Digest 一覽

明日關注

OpenClaw 2.0 的外部 plugin 遷移期（SDK 路徑異動、OpenAI route 遷移）會不會在社群端引發相容性災情
EU AI Act 首波 RFI 收到的回覆內容，會不會揭露各家 GPAI 廠商實際合規落差有多大
NVIDIA NVLink Fusion 生態系第一個採用聯發科客製 XPU 的雲端服務商會是誰，有沒有台灣業者跟進

今日收穫

之前以為「agent 基礎設施競賽」主要在框架與模型層打（誰的 orchestration 好用、誰的模型便宜），今天看 NVIDIA-聯發科深化晶片合作、AWS-HUMAIN 沙國 AI Zone、Huawei 在奈及利亞落地 Agentic AI Cloud 才意識到，這場競賽已經往更上游的「晶片—雲端—在地資料主權」整條供應鏈延伸；對台灣來說，這不只是選哪套 agent 框架的技術題，而是台灣半導體供應鏈能不能從「純代工」站到「平台共同開發」位置的地緣站位題。