Google 为 macOS 版 Gemini 加入 computer use 能力,可代用户操作 Mac 原生应用与网页
来源TechCrunch AI查看原文
速览
- Gemini 的 computer use 已落地 macOS 桌面端,可代用户操作本地应用与网页
- 执行过程实时预览,用户可暂停、停止、批准,保留人工接管权
- 初期仅美国英文,且需 AI Plus、Pro 或 Ultra 订阅
- Google 在桌面 agent 赛道落后于 OpenAI、Anthropic、Meta
- Tasks 与 CC agent 同期推进,Google 正补齐 agent 产品线
- 扩展至其他市场与平台的时间未公布
Google 周四宣布,macOS 版 Gemini 桌面应用上线 computer use 能力:AI 可在后台代替用户完成任务,操作 Mac 原生应用、浏览网页,并在聊天窗口中以实时预览的方式展示执行过程,同时不占用用户的屏幕和鼠标。用户可以在动作执行前暂停、停止或批准。该功能初期仅面向美国、仅支持英文,需安装 Mac 版 Gemini 应用并订阅 Google AI Plus、Pro 或 Ultra。Google 未公布扩展到其他市场或平台的时间。TechCrunch 指出,OpenAI、Anthropic、Meta 等厂商早已在桌面应用中提供类似的 agent 能力,Google 此次属于补课;本周 Google 才宣布更广泛推送 Gemini 的 Tasks 功能,9 月发布的 CC AI agent 也刚开始放行早期测试者。
关键事实
- Google 于周四宣布在 macOS 版 Gemini 桌面应用中上线 computer use 能力
- 该能力可让 AI 在后台操作 Mac 原生应用并浏览网站,完成跨本地文件、应用和网页的多步骤任务
- 执行过程在聊天窗口中以实时预览呈现,用户的屏幕和光标保持可用
- 用户可在动作发生前暂停、停止或批准 Gemini 的操作
- Google 举例的适用场景包括填表、批量文件重复操作、按条件整理文件、用文件或在线看板数据制作幻灯片
- 功能初期仅限美国、仅支持英文,需 Mac 版 Gemini 应用及 Google AI Plus、Pro 或 Ultra 订阅
本站视角
对中文用户和开发者来说,这条消息的直接可用性很低:仅美国、仅英文、需付费订阅,国内用户短期内用不上。但它释放的信号值得关注。第一,桌面 agent 的竞争已从「能聊天」转向「能替你动手」,OpenAI、Anthropic、Meta 先行,Google 现在补齐,说明大厂普遍把「操作本机应用」当作下一阶段入口;一旦这类能力成熟,受冲击的首先是 RPA 类工具和大量重复性办公流程,做自动化、表单填报、文件整理的国内团队需要重新评估自己的差异化在哪。第二,Google 选择「实时预览 + 可暂停可批准」的交互,说明厂商也清楚让 AI 直接操作用户电脑的风险,权限边界和可审计性会成为这类产品的核心竞争力,而非模型分数。需要观察的是:Google 未公布任何成功率、任务完成率或安全机制细节,仅凭官方场景举例无法判断实际可用性;且该功能绑定付费订阅,更像是在 agent 叙事上补齐产品线、留住订阅用户,而非已经成熟的生产力工具。我们认为,现阶段把它当作「方向确认」而非「能力确认」更稳妥。
背景与影响
computer use 指 AI agent 直接在用户电脑上执行操作,而非只输出文本,可串联本地文件、应用与网页完成多步骤任务。这一方向近两年成为桌面端 AI 产品的竞争焦点:OpenAI、Anthropic、Meta 先后在桌面应用中提供 agent 能力,Google 此次上线属于追赶。Google 的 agent 布局目前是多线并行:Gemini 应用内的 Tasks 负责登录网站、网购、预约等任务,9 月发布的 CC agent 面向家庭场景整合邮件、日历、聊天与待办,computer use 则补上直接操作本机的一环。对中文用户而言,该功能短期不可用——仅限美国英文,且绑定付费订阅,国内开发者和企业更可能先通过 API 或第三方方案接触类似能力。
本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。