谷歌期待已久的人工智能愿景终于随着 的发布成为现实。今天，联合宣布基于Gemini的“任务自动化”功能已进入测试阶段。这一功能标志着人工智能助手从单纯的“信息寻求者”转变为能够执行跨应用任务、模拟人类操作以完成如点餐和叫出租车等复杂流程的“数字助理”。
视觉冲击：看手机“自己使用”
与传统API集成不同，的自动化功能在虚拟窗口内模拟真实用户操作：
- 智能出租车叫车：当你下达“招出租车到机场”指令时，会自动打开Uber，确认具体航站楼（如果有多个航站楼，会主动询问），并自动填写目的地。
- 点餐：在处理“给我点咖啡和羊角面包”指令时，AI会独立滚动屏幕，寻找星巴克菜单上的特定商品（如Flat White），甚至像人类一样处理复杂的滚动选择。
安全逻辑：关键点的人工控制
为避免自主性相关风险，谷歌在自动化流程中实施了严格的人工审核机制：
显式操作：用户可以实时监控每一个步骤，随时控制或终止自动化过程。
最后确认：在提交订单或付款前，系统会在付款界面停止，等待用户核实信息并手动点击“确认”，确保每笔交易在受控条件下完成。
目前，该功能优先用于配送和网约车应用。对于后续用户来说，手机不再只是运行应用的载体，而是一个能够理解自然语言意图并将其转化为具体动作的“超级代理”。
虽然AI在滚动菜单和识别选项时偶尔显得有些“笨拙”，但这种无需深度API适应、直接与UI交互协作的自动化模型，极大地拓展了AI助手的应用边界。随着算法迭代的不断迭代，我们正逐渐摆脱了反复切换应用的时代，进入了一个真正智能化的阶段，所有小任务都能用一句话完成。
