移动通信网 程然
谷歌为 Mac 平台推出了一项颇具攻击性的 Gemini 新功能:AI 可以直接接管用户的电脑,代替人工完成点击、输入、调取菜单和填写表单等重复性操作。用户只需用自然语言描述任务,Gemini 便在后台自主执行整个流程。这一能力在操作系统的实际控制层面明显越过了苹果自家的 Siri,也标志着 AI 助手的竞争正从"回答问题"全面转向"替你干活"。
从对话到操控:AI 助手的能力跃迁
传统意义上的语音助手,无论 Siri 还是 Google Assistant,核心能力始终停留在信息检索和单点指令执行层面。而 Gemini 此次推出的功能瞄准的是一类更具体的痛点:那些"本来要点几十次鼠标"的机械性工作。谷歌方面介绍,用户只需描述目标,例如整理数据、填写多栏表格,Gemini 会自行拆解步骤并逐项完成点击、输入、打开菜单等操作。
值得关注的是执行方式的工程细节。任务并非抢占用户当前的屏幕,而是运行在一个隔离的后台窗口中,聊天界面内提供实时预览,用户的主屏幕和光标全程保持可用。这意味着自动化任务可以与人工作业并行推进,而非简单的屏幕录制回放。权限设计上,用户可逐个指定 Gemini 允许访问的应用,能够随时观看并暂停每一个执行步骤,关键操作还必须经过人工批准才能继续——这套机制显然是为回应"AI 接管电脑"带来的安全与隐私疑虑而设计。
【关键数据】
- 任务执行方式: 自然语言描述,Gemini 自主完成点击、输入、菜单与表单操作
- 隔离运行机制: 独立后台窗口执行,主屏幕与光标保持可用
- 权限控制: 指定可访问应用、逐步暂停审查,关键操作需人工批准
- 典型场景: 本地 PDF 数据填表、实时仪表盘生成 Slides、照片分析与比价生成转售清单
- 竞品定位: 在系统操控层面直接超越苹果 Siri
场景落地:跨应用工作流成为主战场
从谷歌披露的用例看,该功能的价值集中在跨应用、跨数据源的工作流整合上。例如从本地 PDF 提取数据,自动填写多个输入框的运费报价表;或结合实时仪表盘指标与截图,直接生成 Google Slides 演示文稿;甚至通过分析照片并检索市场价格,自动准备二手商品的转售清单。这些任务的共同点是步骤繁琐但规则清晰,恰是大模型 Agent(智能体)最擅长吞噬的领域。
谷歌选择 Mac 作为首发平台而非自家 ChromeOS,策略意味明显。Mac 是开发者与内容创作者的密集阵地,工作流自动化需求旺盛;同时这也是一次对苹果腹地的直接渗透——在 Apple Intelligence 推进节奏相对迟缓的当口,谷歌用第三方身份在 macOS 上提供了苹果自己尚未给出的答案。
生态博弈:Agent 竞争进入系统层
这一动作背后是整个行业向 Computer Use(电脑操作)Agent 的集体转向。Anthropic、OpenAI 等厂商均在推进让 AI 操控浏览器或桌面的能力,谷歌此次将其以消费级产品的形态落地到 Mac,等于把实验室能力推入了主流用户视野。对苹果而言,压力不仅来自功能对比,更在于第三方 AI 已经在其平台上实现了比 Siri 更深层的系统集成——Siri 的换代窗口正在被对手的迭代速度不断压缩。
当然,普及仍存变数。让 AI 自主操作电脑意味着敏感数据的暴露风险,尽管权限审批机制提供了缓冲,但真实使用中的误操作与信任成本仍需时间验证。从竞争格局看,AI 助手的下一个战场已不在对话质量,而在谁能真正接管用户的日常工作流。Gemini 此番在 Mac 上的落子,为这场 Agent 之争投下了分量不小的一子。
出处:Google upgrades Gemini for Mac workflows


