在上月底举办的三星GalaxyS26发布会上，三星和谷歌官宣将在GalaxyS26上首发基于Gemini的ScreenAutomation（屏幕自动化）的武艺。
浮浅来说，便是Gemini不错径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，临了再把阐明纪律交给用户。
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，王人是能替代东谈主类在手机上进行「代理」操作，收场一句话点外卖、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。自然在本事收场旅途上相同基于GUI的Agent，但Gemini会基于Android开启一个腹地的虚构沙盒，同期还主动礼貌了首批敞开Gemini「操作」的APP，仅限少数一批应用。
这种惩办容貌与国内厂商显明不太一样。致使不错对比字节的豆包手机助手和阿里的千问，谷歌选用了一条看起来既激进、又保守的路子。
只看功能名义，Gemini的「屏幕自动化」很容易被归并为另一种「豆包手机助手」。它相同不错替你点外卖、叫车、下单，看起来也像一个能替东谈主操作手机的AI代理。
但如果把视角往下再挖一层，就会发现谷歌的决策其实统统不是一趟事。
豆包手机助手的逻辑很浮浅：AI读取屏幕像素，像东谈主眼一样识别按钮和输入框，然后模拟手引导击。这种容貌最大的优点便是通用——表面上任何APP王人能操作，因为AI看到的只是屏幕。
Gemini显明更「保守」。在履行践诺任务时，Gemini并不会径直在你的手机桌面上操作应用，而是会在Android系统里开启一个腹地的虚构沙盒窗口，让AI在这个环境里运行探究APP。
通盘过程是可见的，用户不错随时拒绝任务，也不错在职何一步经受操作。
浮浅来说，Gemini「屏幕自动化」在居品定位上并不是一个不错简易操控手机的全能代理，而是一个被系统严格料理的自动化武艺。
谷歌还主动礼貌了第一批支持自动化的应用数目。目下敞开的主若是打车、外卖和餐饮类就业，仅支持Lyft、Uber、GrubHub、DoorDash、UberEats和星巴克。
也礼貌了「用户领域」。目下除了三星GalaxyS26系列如故不错在测试版中体验，谷歌也仅权术了Pixel10系列支持，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「乱来源机」的担忧，尤其是在西洋商场。是以谷歌作念了权限结巴、关节纪律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，谷歌的贪心毫不啻是让Gemini只是能够操作几个特定APP。
许多东谈主预防到Gemini的GUI操作武艺，却忽略了Android在系统层面正在发生的一件事情。
就在三星GalaxyS26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》，并厚爱推出了一套新的应用武艺接口体系——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：支持搜索餐厅、添加商品、提交订单这些武艺。当用户对Gemini说「帮我点一份披萨」时，AI并不一定需要渐渐点击界面，它不错径直调用这些武艺完成任务。
如果把这套机制归并成AI的「函数调用」，事情就变得终点明晰了。在谷歌的遐想里，AI代理其实有两条旅途不错践诺任务，一种是通过系统接口径直调用应用武艺，另一种才是通过识别屏幕界面来进行GUI自动化。
前者恶果更高、踏实性更好；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翌日的斥地自动化武艺，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羼杂的架构。
这个互异听起来有点本事化，但它背后的居品逻辑其实终点浮浅。比拟豆包手机助手让AI像东谈主一样使用手机，谷歌想作念的事情是让AI像系归并样鼎新应用。
当AI只是读取屏幕像素时，它耐久站在系统除外，只可师法东谈主的操作逻辑；但一朝AI被放进操作系统里面，它就不错径直协作应用之间的武艺。
从这个角度看，GeminiScreenAutomation的着实探究简略并不是点外卖、叫车这些场景。谷歌着实想诞生的，是一种新的Android运行逻辑和生态。从这里开赴，咱们也能在一定进度上理解，为什么谷歌要和高通联手推动「安卓电脑」（非Chromebook）。
也评释了为什么Gemini的决策看起来既激进又保守。
激进的地点在于，它试图把AI造成Android的鼎新中心；保守在于，谷歌并不探究让AI简易经受通盘手机，而是通过系统接口、权限遏抑和应用白名单，一步一步鼓励这种变化。
比拟「全能AI代理」的联想，靠谱的滚球app中国官网这种路子显明更慢，也更克制。但关于一个领极度十亿斥地的操作系统来说，谷歌可能也莫得太多激进试错的空间。
比拟谷歌在手机上的作念法，旧年底亮相的豆包手机助手选用了最浮浅、也最激进的一种容貌：让AI像东谈主一样使用手机。
在这套决策里，AI读取屏幕像素，识别按钮、输入框和页面结构，然后模拟手引导击完成操作。非论是点外卖、比价购物如故下单支付，AI王人是在手机界面上一步步践诺。
这种容貌最大的上风便是通用。因为AI看到的只是屏幕，它不需要任何APP的接口支持，也不需要平台授权。表面上，唯有是东谈主能操作的应用，AI王人不错完成相同的操作。
这亦然为什么许多东谈主第一次体验豆包手机助手时，会以为它像一种「着实的AI手机」。
但问题也相同显明。当AI不错读取通盘屏幕并操作所有这个词应用时，权限和安全问题就弗成幸免。同期，许多互联网平台也并不接待这种自动化行径，因为它绕过了平台自身的进口和推选体系。
浮浅说，豆包的路子本事上终点径直，但也自然会和应用生态产生摩擦。
比拟之下，阿里的千问走的是另一条想路，期骗阿里我方的就业生态，让AI成为一个鼎新中心。在这套体系里，用户的一句话会被拆解成具体任务，然后诀别调用淘宝、支付宝、高德、飞猪等就业来完成。
比如搜索商品、下单支付、权术路子，王人是径直调用着实业务武艺，而不是模拟界面操作。因为所有这个词操作王人发生在生态里面，AI不需要绕过应用权限，也不会触发平台风控，又因为径直调用就业接口，践诺恶果经常也更高。
但问题相同明晰：生态范围。千问能够鼎新的就业，本色上如故阿里系应用。一朝用户需求涉过火他平台，武艺就会显明下跌。
从这个角度看，豆包和千问其实代表了两种终点典型的AI代理旅途。前者试图让AI经受手机自己，追求的是通用武艺；后者则通过生态整合，让AI经受就业过程，追求的是业务深度。
而谷歌的Gemini，某种进度上站在二者之间。在现时阶段，Gemini依然保留了GUI自动化武艺，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武艺接口，让APP主动向系统敞开不错被AI调用的功能。
如果应用支持这些接口，Gemini就不需要再渐渐点击界面，而是不错径直调用应用武艺完成任务。换句话说，谷歌的决策其实是一种羼杂旅途：
系统接口优先，GUI自动化兜底。
从短期来看，这种容貌显明莫得豆包那样惊艳，也不像千问那样能够马上整合熟练生态。但它的刚正在于，既幸免了和应用生态的正面遏抑，又保留了富足的通用性。
把视角再拉远极少，其实不难归并三种路子为什么会分化成目下这么。
字节莫得操作系统，也莫得腹地生存生态，是以只可让AI径直经受手机；阿里领有精深的就业体系，于是让AI去鼎新我方的业务汇集；而谷歌着实领有的，则是Android这个秘籍数十亿斥地的操作系统。
因此，Gemini的探究从一开动就不是作念一个更强的手机助手，而是把AI造成系统的一部分，让Android从「运行应用的平台」渐渐造成「鼎新应用的智能系统」。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选用。
靠谱的滚球app中国官网
备案号: