手机终于“活”了：Gemini 任务自动化上线，AI 开始替你点咖啡、叫车、跑腿

还记得那个总在App之间反复切换、填地址、选口味、确认付款的自己吗？谷歌刚刚按下暂停键——不是暂停生活，而是暂停你亲自动手的必要性。

今天，谷歌正式向部分用户开放 Gemini 任务自动化（Task Automation）Beta 版本。这不是又一个“能聊会算”的AI聊天框，而是一次真正意义上的范式转移：你的手机，正在从「工具」进化成「代理」——一个能听懂你自然语言指令、理解上下文、并在真实UI界面上自主操作多个App的数字分身。

🎯 它不调API，它“真动手”

与依赖开发者开放接口的传统自动化不同，Gemini 的任务自动化走了一条更“接地气”的路：它直接在屏幕上“看”、在界面上“点”、在列表里“滑”——就像你本人坐在那儿操作一样。

举两个让人眼前一亮的例子：
– ✅ 打车去机场？它先问你：“是T1还是T2航站楼？” ——识别出Uber App界面后，自动唤起、定位、弹出追问，再填入准确目的地；
– ✅ **“帮我点一杯Flat White和牛角包”？它真的会打开星巴克App，手指（虚拟）划动菜单滚动条，精准停在“Flat White”选项上，甚至识别出“热/冰”“脱脂奶/燕麦奶”等二级筛选项——然后等你拍板。

没有后台权限，没有深度集成，全靠视觉理解 + 操作推理。这种“UI层自动化”，让 Gemini 能即刻作用于你手机里已有的任何App——哪怕开发者根本没为AI预留接口。

🛑 自动，但绝不越界：人类始终是最终决策者

谷歌深知，把“下单”“付款”这种事交给AI，信任比技术更难建立。因此，整个流程被设计成透明、可控、可中断的三重保险：

• 实时直播模式：每一步操作都在独立浮动窗口中清晰呈现——你看着它点哪里、输什么、滑多远；
• 一键接管（Take Control）：随时点击即可夺回屏幕控制权，像踩下刹车；
• 强制确认关卡：无论订餐、叫车还是预约，所有涉及支付或敏感操作的环节，AI都会在最后一步戛然而止，把付款界面完整交到你手上——必须你亲手点“确认”，订单才成立。

安全不是附加功能，而是底层逻辑。

🌐 现在能干啥？未来还远不止这些

目前，Beta 版已优先支持外卖（如Uber Eats、DoorDash）和网约车（Uber、Lyft）两大高频场景。对 Pixel 8 及更新机型用户而言，这意味着：

一句“带杯冰美式顺路送到公司”，手机就能自动打开地图查路线、打开咖啡App下单、打开打车App预约——全程无需你切屏、打字、选地址。

当然，它还不完美：有时会多滑半屏、偶尔误判按钮层级、面对极简设计的App略显迟疑……但正因它不依赖厂商配合，这种“通用型自动化”才更具爆发潜力——当模型持续学习，它将快速覆盖购物、银行、政务、健康等更多场景。

💡 我们正在告别什么？又迎来什么？

告别的是那个“App丛林求生指南”时代：打开A查天气→切到B设闹钟→跳去C点外卖→再切D付钱……
迎来的是真正的意图计算时代：你只需表达“我想做什么”，剩下的，交给设备去理解、拆解、执行、确认。

这不是科幻预告片。这是今天，你手机里已经悄然启动的下一章。
准备好，跟那个“只会回答问题”的AI说再见吧——
你的新同事，已经开始帮你跑腿了。