在上月底举办的三星 Galaxy S26 发布会上，三星和谷歌官宣将在 Galaxy S26 上首发基于 Gemini 的 Screen Automation（屏幕自动化）的能力。
浅易来说，等于 Gemini 不错平直在手机屏幕上操作应用：掀开 APP、识别屏幕、点击滑动、输入翰墨……完成一连串 UI 操作，临了再把阐明方法交给用户。
图片起原：三星
没错，听起来就和努比亚 M153（坊间俗称「豆包手机」）上的豆包手机助手一样，齐是能替代东说念主类在手机上进行「代理」操作，完毕一句话点外卖、叫车、网购等需求。
从外洋媒体和论坛的响应来看，这项功能终于在最近的测试版更新中上线了。
不外咱们也发现，谷歌并莫得全盘学习豆包手机助手的作念法。固然在本领完毕旅途上相似基于 GUI 的 Agent，但 Gemini 会基于 Android 开启一个土产货的编造沙盒，同期还主动把握了首批敞开 Gemini「操作」的 APP，仅限少数一批应用。
这种贬责模式与国内厂商昭着不太一样。以致不错对比字节的豆包手机助手和阿里的千问，谷歌遴荐了一条看起来既激进、又保守的路子。
让 AI 操作系统，而不是选用手机
只看功能名义，Gemini 的「屏幕自动化」很容易被主张为另一种「豆包手机助手」。它相似不错替你点外卖、叫车、下单，看起来也像一个能替东说念主操作手机的 AI 代理。
但如果把视角往下再挖一层，就会发现谷歌的决议其实全齐不是一趟事。
豆包手机助手的逻辑很浅易：AI 读取屏幕像素，像东说念主眼一样识别按钮和输入框，然后模拟手调换击。这种模式最大的优点等于通用——表面上任何 APP 齐能操作，因为 AI 看到的只是屏幕。
Gemini 领路更「保守」。在现实实行任务时，Gemini 并不会平直在你的手机桌面上操作应用，而是会在 Android 系统里开启一个土产货的编造沙盒窗口，让 AI 在这个环境里运行办法 APP。
扫数这个词过程是可见的，用户不错随时远隔任务，也不错在职何一步选用操作。
图片起原：Android Central
浅易来说，Gemini「屏幕自动化」在家具定位上并不是一个不错粗拙操控手机的全能代理，而是一个被系统严格把握的自动化能力。
谷歌还主动把握了第一批扶植自动化的应用数目。目下敞开的主如果打车、外卖和餐饮类处事，仅扶植 Lyft、Uber、GrubHub、DoorDash、Uber Eats 和星巴克。
也把握了「用户领域」。目下除了三星 Galaxy S26 系列照旧不错在测试版中体验，谷歌也仅权术了 Pixel 10 系列扶植，同期 Gemini 免用度户每天仅有 5 次使用额度、Plus 会员 12 次、Pro 会员 20 次、Ultra 会员 120 次。
这里既有算力的考量，也在于用户对 AI「乱动手机」的担忧，尤其是在泰西市集。是以谷歌作念了权限阻拦、要道方法必须要用户手动操作、不错及时中断 AI 操作等。
但说到底，这只是过渡阶段，谷歌的策划毫不啻是让 Gemini 只是能够操作几个特定 APP。
图片起原：谷歌
许多东说念主留意到 Gemini 的 GUI 操作能力，却忽略了 Android 在系统层面正在发生的一件事情。
就在三星 Galaxy S26 系列发布会前夜，谷歌官方发布了一篇博文名为《智能操作系统：让 AI 代理对安卓应用更有匡助》，并发挥推出了一套新的应用能力接口体系——AppFunctions，允许 APP 主动向系统声明我方不错被 AI 调用的功能。
举个例子，一个外卖 APP 不错告诉系统：扶植搜索餐厅、添加商品、提交订单这些能力。当用户对 Gemini 说「帮我点一份披萨」时，AI 并不一定需要逐渐点击界面，它不错平直调用这些能力完成任务。
如果把这套机制主张成 AI 的「函数调用」，事情就变得超越明晰了。在谷歌的瞎想里，AI 代理其实有两条旅途不错实行任务，一种是通过系统接口平直调用应用能力，另一种才是通过识别屏幕界面来进行 GUI 自动化。
前者后果更高、稳重性更好；后者则是为了兼容那些莫得适配新接口的应用。
这意味着 Gemini 将来的诱导自动化能力，本色上并不是单纯的「AI 看屏幕操作手机」，而是一种系统 API 与 GUI 夹杂的架构。
AppFunctions 的应用示例，图片起原：雷科技
这个各异听起来有点本领化，但它背后的家具逻辑其实超越浅易。比较豆包手机助手让 AI 像东说念主一样使用手机，谷歌想作念的事情是让 AI 像系颐养样转变应用。
当 AI 只是读取屏幕像素时，它历久站在系统以外，只可师法东说念主的操作逻辑；但一朝 AI 被放进操作系统里面，它就不错平直诱惑应用之间的能力。
从这个角度看，Gemini Screen Automation 的简直办法好像并不是点外卖、叫车这些场景。谷歌简直想竖立的，是一种新的 Android 运行逻辑和生态。从这里启程，咱们也能在一定进度上剖析，为什么谷歌要和高通联手推动「安卓电脑」（非 Chromebook）。
也证明了为什么 Gemini 的决议看起来既激进又保守。
激进的场所在于，它试图把 AI 造成 Android 的转变中心；保守在于，谷歌并不缱绻让 AI 粗拙选用扫数这个词手机，而是通过系统接口、权限把握和应用白名单，一步一步激动这种变化。
比较「全能 AI 代理」的想象，开云·体育这种路子昭着更慢，也更克制。但关于一个领迥殊十亿诱导的操作系统来说，谷歌可能也莫得太多激进试错的空间。
豆包向左，千问向右，Gemini 走中间
比较谷歌在手机上的作念法，昨年底亮相的豆包手机助手遴荐了最浅易、也最激进的一种模式：让 AI 像东说念主一样使用手机。
在这套决议里，AI 读取屏幕像素，识别按钮、输入框和页面结构，然后模拟手调换击完成操作。岂论是点外卖、比价购物照旧下单支付，AI 齐是在手机界面上一步步实行。
这种模式最大的上风等于通用。因为 AI 看到的只是屏幕，它不需要任何 APP 的接口扶植，也不需要平台授权。表面上，独一是东说念主能操作的应用，AI 齐不错完成相似的操作。
这亦然为什么许多东说念主第一次体验豆包手机助手时，会以为它像一种「简直的 AI 手机」。
图片起原：豆包
但问题也相似领路。当 AI 不错读取扫数这个词屏幕并操作扫数应用时，权限和安全问题就不成幸免。同期，许多互联网平台也并不接待这种自动化看成，因为它绕过了平台自身的进口和推选体系。
浅易说，豆包的路子本领上超越平直，但也自然会和应用生态产生摩擦。
比较之下，阿里的千问走的是另一条念念路，期骗阿里我方的处事生态，让 AI 成为一个转变中心。在这套体系里，用户的一句话会被拆解成具体任务，然后辞别调用淘宝、支付宝、高德、飞猪等处事来完成。
比如搜索商品、下单支付、权术路子，齐是平直调用简直业务能力，而不是模拟界面操作。因为扫数操作齐发生在生态里面，AI 不需要绕过应用权限，也不会触发平台风控，又因为平直调用处事接口，实行后果每每也更高。
图片起原：雷科技
但问题相似明晰：生态鸿沟。千问能够转变的处事，本色上照旧阿里系应用。一朝用户需求涉过甚他平台，能力就会领路下落。
从这个角度看，豆包和千问其实代表了两种超越典型的 AI 代理旅途。前者试图让 AI 选用手机本人，追求的是通用能力；后者则通过生态整合，让 AI 选用处事经由，追求的是业务深度。
而谷歌的 Gemini，某种进度上站在二者之间。在刻下阶段，Gemini 依然保留了 GUI 自动化能力，这意味着它在必要时也不错像豆包一样，通过识别界面来操作应用。但与此同期，谷歌又在 Android 系统里引入了新的应用能力接口，让 APP 主动向系统敞开不错被 AI 调用的功能。
如果应用扶植这些接口，Gemini 就不需要再逐渐点击界面，而是不错平直调用应用能力完成任务。换句话说，谷歌的决议其实是一种夹杂旅途：
系统接口优先，GUI 自动化兜底。
从短期来看，这种模式昭着莫得豆包那样惊艳，也不像千问那样能够连忙整合锻练生态。但它的公正在于，既幸免了和应用生态的正面破损，又保留了满盈的通用性。
写在临了
把视角再拉远少量，其实不难主张三种路子为什么会分化成目下这么。
字节莫得操作系统，也莫得土产货生涯生态，是以只可让 AI 平直选用手机；阿里领有雄壮的处事体系，于是让 AI 去转变我方的业务集结；而谷歌简直领有的，则是 Android 这个掩盖数十亿诱导的操作系统。
因此，Gemini 的办法从一开动就不是作念一个更强的手机助手kaiyun，而是把 AI 造成系统的一部分，让 Android 从「运行应用的平台」徐徐造成「转变应用的智能系统」。从这个角度看，Gemini 的克制并不是保守，而更像是一种平台级公司的势必遴荐。
B体育官方网站首页入口
备案号: