引领“生成式UI”革命？谷歌Gemini 3深夜炸场｜科技观察

封面新闻记者 边雪

一年多以来，人工智能的开发者们一直在宣称，人工智能将成为新的用户界面（UI），而谷歌的Gemini 3模型“炸场”，更加印证了这一点。

官网截图。

美国时间11月18日凌晨，谷歌发布最新大模型Gemini 3，并称Gemini 3是其迄今为止最智能的模型，在大模型评估平台LMArena中，Gemini 3 PRO一举登上榜首，OpenAI的CEO萨姆·奥尔特曼及xAI创始人马斯克均发帖祝贺。

封面新闻记者注意到，Gemini 3 集成了一种全新的生成式用户界面模式，能够自动生成独特的用户界面，以理解复杂且多模态的问题答案：这是生成式用户界面领域的一次重大飞跃。

动态界面：即时创建理想的视觉布局

“Gemini 3无与伦比的多模态理解能力和强大的智能体编码功能也正在解锁更多定制化的生成式用户界面，”谷歌搜索工程副总裁伊丽莎白·哈蒙·里德表示。“现在，Gemini 3的AI模式可以动态地即时创建理想的视觉布局，用于显示根据您的查询量身定制的响应结果——其中包含交互式工具和模拟功能。”

谷歌表示，Gemini 3拥有更强大的推理能力和对人类意图更深刻地理解。它能更好地从谷歌庞大的搜索结果库中找到相关答案，而且它更倾向于告诉你最有可能的事实，而不是迎合你的喜好。

然而，最大的创新在于生成式用户界面：用于回答用户提问的定制交互式软件界面。

谷歌提供了一个例子，问什么是三体？为了解答这个问题，Gemini 3立即生成了一个物理演示，展示了三个轨道物体在太空中通常如何趋于不稳定。谷歌提供的另一个例子是抵押贷款还款方案的解答，Gemini 3立即生成了一个交互式抵押贷款计算器，用户可以在其中输入不同的还款期限、利率、首付金额和房价。

谷歌的Gemini 3提供了一个生成的软件界面，用于深入探索三体问题。

从某种程度上来说，人工智能正朝着超级软件的方向发展：在这个阶段，高端人工智能模型能够针对任何给定的需求动态地模拟或创建最佳用户界面。所有大型语言学习模型（LLM），例如ChatGPT和Claude，都似乎放弃定制的用户界面，因为我们直接可以获得问题的答案，而不是通过点击界面来获得所需的输出。但谷歌的Gemini 3目前可能是最擅长即时创建实用新用户界面的人工智能模型，它可以显示答案、加深对流程的理解，并根据不断变化的输入快速调整答案。

第三次范式变革：从“命令”到“结果”

计算机界面专家加葛布·尼尔森认为，这意义重大，因为人工智能只是计算机发展史上第三种用户界面范式。

尼尔森曾在2023年表示：“在这种以当前生成式人工智能为代表的新型用户界面范式中，用户告诉计算机想要的结果，但并不具体说明如何实现该结果。与传统的基于命令的交互方式相比，这种范式完全颠倒了控制点。”

这让人想起史蒂夫·乔布斯是如何推销第一代iPhone的全屏即时更改软件，来定义用户界面的：他将iPhone与一半的空间用于物理键盘和按钮的现存智能手机进行了比较，从此改变了智能手机一成不变的用户界面。

现在，用户界面不再是由软件工程师一次性定义，用户只需使用他们提供的界面数月甚至数年，而是人工智能引擎可以立即实例化新的界面，并在不再需要或无用时同样迅速地将其删除。

这本质上是一场计算机领域的革命：正如尼尔森所说，这是计算机发展史上第三次重大变革：第一次是批处理；第二次是基于命令的交互。

“也许你正在研究抵押贷款，Gemini 3的AI模式可以直接在回复中为你生成一个定制的交互式贷款计算器，这样你就可以比较两种不同的选择，看看哪种选择能提供最大的长期节省，”伊丽莎白·哈蒙·里德表示。

虽然新的计算模型未必会彻底取代旧模型，即便计算机几十年前就具备语音输入功能，现在我们仍然在使用键盘。但未来这种生成式界面，很可能会成为所有软件的重要组成部分。而且，理论上讲，足够先进的人工智能模型可以随时随地成为我们完成任何任务所需的任何软件界面。

更智能地推理与意图理解

除了界面上的创新，谷歌也强调Gemini 3在底层智能上的进步，包括拥有更强大的推理能力和对人类意图更深刻的理解。它能更有效地从谷歌庞大的搜索结果库中找到相关答案，并倾向于给出最有可能的事实，而非仅仅迎合用户的喜好。

尽管语音输入、键盘等旧有交互模式并不会被彻底取代，但生成式界面很可能会成为未来所有软件的重要组成部分。谷歌表示将持续研究并改进生成式界面，理论上，足够先进的AI模型将能够在任何时间、任何地点，成为我们完成任何任务所需的任何软件界面。这场由Gemini 3引领的计算机革命，才刚刚拉开序幕。