开云体育(中国)官方网站 AI手机迎来分水岭：在豆包手机和千问之间，Gemini选拔了第三条路

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）的才略。

浮浅来说，即是 Gemini 不错径直在手机屏幕上操作应用：翻开 APP、识别屏幕、点击滑动、输入翰墨 …… 完成一连串 UI 操作，临了再把阐明设施交给用户。

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，都是能替代东谈主类在手机上进行「代理」操作，完了一句话点外卖、叫车、网购等需求。

从外洋媒体和论坛的反应来看，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。诚然在技巧完了旅途上相似基于 GUI 的 Agent，但 Gemini 会基于 Android 开启一个腹地的杜撰沙盒，同期还主动放胆了首批绽开 Gemini「操作」的 APP，仅限少数一批应用。

这种处分阵势与国内厂商显然不太一样。致使不错对比字节的豆包手机助手和阿里的千问，谷歌选拔了一条看起来既激进、又保守的道路。

只看功能名义，Gemini 的「屏幕自动化」很容易被通晓为另一种「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，就会发现谷歌的有洽商其实皆备不是一趟事。

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，然后模拟手肃清击。这种阵势最大的优点即是通用——表面上任何 APP 都能操作，因为 AI 看到的只是屏幕。

Gemini 彰着更「保守」。在推行实施任务时，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杜撰沙盒窗口，让 AI 在这个环境里运行洽商 APP。

通盘过程是可见的，用户不错随时阻隔任务，也不错在职何一步接管操作。

图片开端：Android Central

浮浅来说，Gemini「屏幕自动化」在产物定位上并不是一个不错松驰操控手机的全能代理，而是一个被系统严格看守的自动化才略。

谷歌还主动放胆了第一批扶直自动化的应用数目。目下绽开的主若是打车、外卖和餐饮类管事，仅扶直 Lyft、Uber、GrubHub、DoorDash、Uber Eats 和星巴克。

也放胆了「用户规模」。目下除了三星 Galaxy S26 系列仍是不错在测试版中体验，谷歌也仅打算了 Pixel 10 系列扶直，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「乱入手机」的担忧，尤其是在泰西市集。是以谷歌作念了权限窒碍、要道设施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，谷歌的有洽商毫不啻是让 Gemini 只是能够操作几个特定 APP。

图片开端：谷歌

好多东谈主认真到 Gemini 的 GUI 操作才略，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》，并认真推出了一套新的应用才略接口体系—— 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：扶直搜索餐厅、添加商品、提交订单这些才略。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才略完成任务。

如果把这套机制通晓成 AI 的「函数调用」，环球体育事情就变得十分了了了。在谷歌的遐想里，AI 代理其实有两条旅途不错实施任务，一种是通过系统接口径直调用应用才略，另一种才是通过识别屏幕界面来进行 GUI 自动化。

前者成果更高、褂讪性更好；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 翌日的开荒自动化才略，实质上并不是单纯的「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，图片开端：雷科技

这个互异听起来有点技巧化，但它背后的产物逻辑其实十分浮浅。比较豆包手机助手让 AI 像东谈主一样使用手机，谷歌想作念的事情是让 AI 像系长入样鼎新应用。

当 AI 只是读取屏幕像素时，它永远站在系统以外，只可效法东谈主的操作逻辑；但一朝 AI 被放进操作系统里面，它就不错径直合作应用之间的才略。

从这个角度看，Gemini Screen Automation 的信得过洽商或者并不是点外卖、叫车这些场景。谷歌信得过想开发的，是一种新的 Android 运行逻辑和生态。从这里登程，咱们也能在一定进程上观点，为什么谷歌要和高通联手推动「安卓电脑」（非 Chromebook）。

也讲授了为什么 Gemini 的有洽商看起来既激进又保守。

激进的方位在于，它试图把 AI 造成 Android 的鼎新中心；保守在于，谷歌并不打算让 AI 松驰接管通盘手机，而是通过系统接口、权限戒指和应用白名单，开云体育一步一步鼓励这种变化。

比较「全能 AI 代理」的设想，这种道路显然更慢，也更克制。但关于一个领罕有十亿开荒的操作系统来说，谷歌可能也莫得太多激进试错的空间。

比较谷歌在手机上的作念法，旧年底亮相的豆包手机助手选拔了最浮浅、也最激进的一种阵势：让 AI 像东谈主一样使用手机。

在这套有洽商里，AI 读取屏幕像素，识别按钮、输入框和页面结构，然后模拟手肃清击完成操作。不管是点外卖、比价购物如故下单支付，AI 都是在手机界面上一步步实施。

这种阵势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 的接口扶直，也不需要平台授权。表面上，只有是东谈主能操作的应用，AI 都不错完成相似的操作。

这亦然为什么好多东谈主第一次体验豆包手机助手时，会合计它像一种「信得过的 AI 手机」。

图片开端：豆包

但问题也相似彰着。当 AI 不错读取通盘屏幕并操作扫数应用时，权限和安全问题就不行幸免。同期，好多互联网平台也并不迎接这种自动化四肢，因为它绕过了平台自身的进口和推选体系。

浮浅说，豆包的道路技巧上十分径直，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想路，运用阿里我方的管事生态，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，然后分辩调用淘宝、支付宝、高德、飞猪等管事来完成。

比如搜索商品、下单支付、打算道路，都是径直调用实在业务才略，而不是模拟界面操作。因为扫数操作都发生在生态里面，AI 不需要绕过应用权限，也不会触发平台风控，又因为径直调用管事接口，实施成果通常也更高。

图片开端：雷科技

但问题相似了了：生态鸿沟。千问能够鼎新的管事，实质上如故阿里系应用。一朝用户需求涉偏激他平台，才略就会彰着下跌。

从这个角度看，豆包和千问其实代表了两种十分典型的 AI 代理旅途。前者试图让 AI 接管手机自身，追求的是通用才略；后者则通过生态整合，让 AI 接管管事经过，追求的是业务深度。

而谷歌的 Gemini，某种进程上站在二者之间。在现时阶段，Gemini 依然保留了 GUI 自动化才略，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略接口，让 APP 主动向系统绽开不错被 AI 调用的功能。

如果应用扶直这些接口，Gemini 就不需要再渐渐点击界面，而是不错径直调用应用才略完成任务。换句话说，谷歌的有洽商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，这种阵势显然莫得豆包那样惊艳，也不像千问那样能够赶快整合谨慎生态。但它的平正在于，既幸免了和应用生态的正面突破，又保留了弥漫的通用性。

把视角再拉远少量，其实不难通晓三种道路为什么会分化成目下这么。

字节莫得操作系统，也莫得腹地糊口生态，是以只可让 AI 径直接管手机；阿里领有广大的管事体系，于是让 AI 去鼎新我方的业务网罗；而谷歌信得过领有的，则是 Android 这个障翳数十亿开荒的操作系统。

因此开云体育(中国)官方网站，Gemini 的洽商从一运行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拔。

• AI
• 首级
• 迎来
• 分水岭