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。
当前文章无评论,是时候发表评论了