|
在上月底举办的 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）的才智。 简便来说，即是 Gemini 不错成功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，终末再把阐明步调交给用户。  图片开端：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。 从国外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，并莫得全盘学习豆包手机助手的作念法。自然在时刻收场旅途上一样基于 GUI 的 Agent，但 Gemini 会基于 Android 开启一个腹地的捏造沙盒，同期还主动抑止了首批洞开 Gemini「操作」的 APP，仅限少数一批应用。 这种经管神志与国内厂商明显不太一样。以致不错对比字节的豆包手机助手和的千问，谷歌遴荐了一条看起来既激进、又保守的道路。 让 AI 操作系统，而不是接纳手机 只看功能名义，Gemini 的「屏幕自动化」很容易被结识为另一种「豆包手机助手」。它一样不错替你点外卖、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，就会发现谷歌的决议其实完竣不是一趟事。 豆包手机助手的逻辑很简便：AI 读取屏幕像素，像东谈主眼一样识别按钮和输入框，然后模拟手辅导击。这种神志最大的优点即是通用——表面上任何 APP 齐能操作，因为 AI 看到的只是屏幕。 Gemini 明显更「保守」。在本质践诺任务时，Gemini 并不会成功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捏造沙盒窗口，让 AI 在这个环境里运行主张 APP。 统共这个词过程是可见的，用户不错随时远隔任务，也不错在职何一步接纳操作。  图片开端：Android Central 简便来说，Gemini「屏幕自动化」在居品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赓续的自动化才智。 谷歌还主动抑止了第一批支撑自动化的应用数目。咫尺洞开的主若是打车、外卖和餐饮类就业，仅支撑 Lyft、Uber、GrubHub、DoorDash、Uber Eats 和星巴克。 也抑止了「用户范畴」。咫尺除了三星 Galaxy S26 系列照旧不错在测试版中体验，谷歌也仅接头了 Pixel 10 系列支撑，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装扮、要道步调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。  图片开端：谷歌 许多东谈主留意到 Gemini 的 GUI 操作才智，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》，并厚爱推出了一套新的应用才智接口体系——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：支撑搜索餐厅、添加商品、提交订单这些才智。当用户对 Gemini 说「帮我点一份披萨」时，AI 并不一定需要缓缓点击界面，它不错成功调用这些才智完成任务。 如果把这套机制结识成 AI 的「函数调用」，银河国际游戏平台官网事情就变得特地清亮了。在谷歌的假想里，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成功调用应用才智，另一种才是通过识别屏幕界面来进行 GUI 自动化。 前者效果更高、康健性更好；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 改日的开辟自动化才智，内容上并不是单纯的「AI 看屏幕操作手机」，而是一种系统 API 与 GUI 搀和的架构。
AppFunctions 的应用示例，图片开端：雷科技 这个各别听起来有点时刻化，但它背后的居品逻辑其实特地简便。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 像系和谐样诊治应用。 当 AI 只是读取屏幕像素时，它长久站在系统除外，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，它就不错成功合作应用之间的才智。 从这个角度看，Gemini Screen Automation 的果然主张概况并不是点外卖、叫车这些场景。谷歌果然想开辟的，是一种新的 Android 运行逻辑和生态。从这里登程，咱们也能在一定进度上见识，为什么谷歌要和高通联手推动「安卓电脑」（非 Chromebook）。 也阐发了为什么 Gemini 的决议看起来既激进又保守。 激进的场地在于，它试图把 AI 形成 Android 的诊治中心；保守在于，谷歌并不贪图让 AI 粗拙接纳统共这个词手机，而是通过系统接口、权限抑止和应用白名单，一步一步鼓励这种变化。 比拟「全能 AI 代理」的想象，BET365体育官方网站这种道路明显更慢，也更克制。但关于一个领稀有十亿开辟的操作系统来说，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 比拟谷歌在手机上的作念法，旧年底亮相的豆包手机助手遴荐了最简便、也最激进的一种神志：让 AI 像东谈主一样使用手机。 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，然后模拟手辅导击完成操作。无论是点外卖、比价购物如故下单支付，AI 齐是在手机界面上一步步践诺。 这种神志最大的上风即是通用。因为 AI 看到的只是屏幕，它不需要任何 APP 的接口支撑，也不需要平台授权。表面上，惟有是东谈主能操作的应用，AI 齐不错完成一样的操作。 这亦然为什么许多东谈主第一次体验豆包手机助手时，会认为它像一种「果然的 AI 手机」。  图片开端：豆包 但问题也一样明显。当 AI 不错读取统共这个词屏幕并操作统共应用时，权限和安全问题就不成幸免。同期，许多互联网平台也并不迎接这种自动化当作，因为它绕过了平台自身的进口和保举体系。 简便说，豆包的道路时刻上特地成功，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念念路，应用阿里我方的就业生态，让 AI 成为一个诊治中心。在这套体系里，用户的一句话会被拆解成具体任务，然后分裂调用淘宝、支付宝、高德、飞猪等就业来完成。 比如搜索商品、下单支付、接头道路，齐是成功调用真实业务才智，而不是模拟界面操作。因为统共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，又因为成功调用就业接口，践诺效果不时也更高。  图片开端：雷科技 但问题一样清亮：生态鸿沟。千问能够诊治的就业，内容上如故阿里系应用。一朝用户需求涉偏激他平台，才智就会明显着落。 从这个角度看，豆包和千问其实代表了两种特地典型的 AI 代理旅途。前者试图让 AI 接纳手机本人，追求的是通用才智；后者则通过生态整合，让 AI 接纳就业历程，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 自动化才智，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才智接口，让 APP 主动向系统洞开不错被 AI 调用的功能。 如果应用支撑这些接口，Gemini 就不需要再缓缓点击界面，而是不错成功调用应用才智完成任务。换句话说，谷歌的决议其实是一种搀和旅途： 系统接口优先，GUI 自动化兜底。 从短期来看，这种神志明显莫得豆包那样惊艳，也不像千问那样能够赶快整合训导生态。但它的刚正在于，既幸免了和应用生态的正面突破，又保留了填塞的通用性。 开云体育官方网站首页写在终末 把视角再拉远极少，其实不难结识三种道路为什么会分化成咫尺这么。 字节莫得操作系统，也莫得腹地生存生态，是以只可让 AI 成功接纳手机；阿里领有宽阔的就业体系，于是让 AI 去诊治我方的业务收集；而谷歌果然领有的，则是 Android 这个消亡数十亿开辟的操作系统。 因此，Gemini 的主张从一运行就不是作念一个更强的手机助手，而是把 AI 形成系统的一部分，让 Android 从「运行应用的平台」徐徐形成「诊治应用的智能系统」。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。 
|
备案号: