什么值得买App下载 App ›
连续签到专享现金活动

谷歌太狠了!要统治几十亿手机

在三星 Galaxy S26 发布会上,三星与谷歌宣布将首发基于 Gemini 的屏幕自动化功能。该功能允许 AI 识别屏幕并进行点击、输入等 UI 操作。尽管这一表现与努比亚 M153 的豆包手机助手类似,能够实现点外卖、叫车等代理操作,但谷歌在技术实现路径上并未全盘照搬。Gemini 采取了在 Android 系统内开启本地虚拟沙盒的方案,并主动限制了首批开放的应用范围。这种看似既激进又保守的策略,反映了谷歌试图在 AI 能力与系统安全之间寻找平衡,意图将 Android 从单纯的应用运行平台转变为智能应用调度系统。
01三种技术路径对比
对比维度豆包手机助手阿里千问谷歌 Gemini
核心逻辑读取屏幕像素,模拟人眼识别与手指点击基于自有生态,直接调用业务能力接口系统 API 调用优先,GUI 自动化作为兜底
技术路径GUI 自动化服务接口调度混合架构(AppFunctions + 虚拟沙盒)
通用性高,理论上可操作任何有人界面的 APP低,主要局限于阿里系应用生态中,受限于适配接口的 APP 及白名单机制
生态兼容性易绕过平台入口,可能引发风控与权限冲突生态内部兼容性好,不涉及跨平台摩擦通过系统接口与权限控制,减少与生态的正面冲突
执行效率相对较低,需逐步识别界面操作高,直接调用真实业务功能接口调用效率高,沙盒操作兼顾兼容性

三种 AI 手机代理方案技术差异对比

02谷歌方案深度解析
谷歌并未让 AI 直接接管手机桌面,而是在 Android 系统中开启了一个本地虚拟沙盒窗口。AI 在此隔离环境中运行目标应用,整个过程对用户可见且允许随时中断。首批支持的应用仅限于 Uber、Lyft、DoorDash 等打车和外卖服务,且设置了每日使用次数限制。这种设计旨在解决欧美市场对 AI 随意操作的隐私与安全顾虑。
更深层的变革在于 Android 系统层面的 AppFunctions 接口体系。该机制允许 APP 主动向系统声明其可被 AI 调用的功能(如搜索、下单)。当用户发出指令时,AI 可直接调用这些能力,而非机械地点击界面。这种“函数调用”模式结合 GUI 自动化,构成了谷歌的混合架构,目标是让 AI 像系统一样调度应用,而非仅仅像人一样操作界面。
03总结与展望
豆包选择了最激进的通用路径,但因缺乏操作系统而面临生态摩擦;千问依托阿里生态追求业务深度,但受限于服务边界;谷歌则依托 Android 操作系统,走了一条中间路线。通过 AppFunctions 接口与沙盒机制,谷歌试图在保持克制的推进节奏同时,将 AI 深度融入系统底层。这一策略虽然短期内可能不如单一代理模式惊艳,但为覆盖数十亿设备的 Android 生态向智能化演进提供了一条更稳健的路径。

评论

评论区空态插画

当前文章无评论,是时候发表评论了