深度解析谷歌版「豆包手机」：Android 的统治者下了一盘什么棋？｜AI 器物志

来源：市场资讯

（来源：爱范儿）

原本以为，三星 Galaxy S26 系列早已被曝光，发布会也就走个流程。没想到三星和 Google 还藏了一手。

两家公司共同展示了 S26 搭载的全新 Gemini 智能体能力：口头吩咐一句话，Gemini 就能在 Uber 帮你打车，或者 DoorDash 上点外卖。

▲ 图源：Android Central

这个功能目前还处于早期预览阶段，仅在美国和韩国提供。

你可以理解为，Google 和三星一起联手，做了一个全球版的「豆包手机」（准确来说叫豆包手机助手）。Galaxy S26 系列只是开始，这些能力后续会推送到 Google Pixel 10 手机，以及更多 Android 17 设备上。

在看过、用过许多个手机/电脑系统级 AI 智能体，也深度使用过「豆包手机」之后，再看这次的 Gemini 智能体，我觉得关于它的讨论不该止于一个「新功能」。

诚然，这不是 Android 操作系统的底层框架首次为了容纳智能体而被深度定制——包括 OPPO、荣耀、华为等在内的许多厂商都已经做了相当多的早期的尝试。

但这可是 Google，是 Android 操作系统的绝对拥有者。

如果说字节跳动作为一个「外人」，做的尝试对国民级 app 犯了「大不敬」——Google 来做这件事情，意义就完全不一样了。

不过别急，我们还是先看看，这次 Google 和三星做的「豆包手机」，到底怎么一回事。

三星「豆包手机」，用起来怎么样？

三星和 Google 这次展现的「Gemini 自动任务」能力，能够模仿人类操作手机，从而实现任务的自动化。背后的实现思路，是 AI 读屏理解 + 系统底层/应用层 API 的双重路径。

需要注意的是，字节和努比亚共同开发的「豆包手机」，重度使用系统级权限的能力，以及读屏，而非 API。你可以理解为，豆包手机主要走的是「没跟应用开发者打好招呼」的，「硬来」的实现思路，也为国民级 app 对其封杀抵制留下了把柄。

而三星和 Google 这次在 Galaxy S26 系列上做的 Gemini 智能体，可以说两者兼备。根据三星方面透露的信息，其应用商城排名前 200 的应用都能支持（但仅限特定应用的使用效果可以保证，后面详述）——说明三星、Google 至少大体上这些应用开发者打好了招呼。

我们来看看《连线》杂志编辑的体验效果：她直接呼出 Gemini，告诉它自己要去机场，Gemini 应用本身会打开一个「虚拟窗口」中打开 Uber，并在后台开始执行这个动作，用户可以随时点击进入查看 Gemini 的执行进程。

由于当地有几个不同的机场，Gemini 很快又提醒用户选择合适的目的地；下单时，Gemini 也会把界面推到用户面前，方便用户选择合适的车辆并支付。

Gemini 的「虚拟窗口」，可以理解为一个沙箱化的「虚拟机」，是 Google 对用户隐私保护的一种考量。过去的 Gemini 运行在 Android 系统中，但这次的新 Gemini 智能体操作应用时，仅限在这个沙箱内工作，并不会触及设备的其他部分。

再多提一嘴：如果大家用过 Manus、 月暗的 Kimi computer、智谱 AutoGLM 等，具备云电脑/云手机能力的智能体产品，应该就很容易理解这个 Gemini 虚拟机的逻辑了。

▲ 图源：9To5Google

这算是相当简单的任务，不少国产 AI 手机助手在一年前都已经攻克了这种场景。

而 Gemini 更加杀手级的能力，是和此前已经长线布局的读屏、抓信息特性相结合。

比如，当用户和朋友聊到聚会要订披萨，用户可以直接叫出 Gemini，吩咐一句「弄清楚订单」，Gemini 就能直接抓取聊天中提到的披萨店，甚至特定的披萨种类，整理好每个人的需求。

随后，用户可以直接让 Gemini 在外卖平台 Grubhub 上点外卖，AI 会按照刚梳理完成的订单需求，在后台自动化把所有食物添加到购物车，交付给用户确认和下单。

有时，订餐的情况会没那么顺利，Gemini 也会尝试自己先去解决突发状况，并给用户提供解决方案。有一次，披萨店在繁忙时段限制了大号披萨的下单量，Gemini 就会询问能不能点两个中号代替。

还有一个例子：用 Google Keep 笔记列举了烧烤派对的出席名单，并标注了素食主义者。Gemini 可以先计算好整个派对总共需要多少热狗和面包，然后再让它去采购食材，几分钟后商品全部被安放在了 DoorDash 平台的购物车里。

Google Android 生态系统总裁 Sammer Samat 透露，Gemini 并非提前「记住」了这些平台操作的步骤和线路，而是真的在利用推理能力，模仿人类查看屏幕并进行下一步操作，这意味着 Gemini 未来能在更多场景发挥潜力。

这里你能看到，Gemini 首批主打订餐、叫车场景，这一点倒是更像春节前千问所做的事情。

▲ 图源：Wired

又一个「豆包手机」，来自 Android 官方

对比真正「全能」，连微信收藏都能帮忙找的豆包手机助手（至少在被抵制之前），Gemini 目前的能力还相当局限，聚焦在打车、外卖、杂货这些日常场景，虽说底层技术能力更强，但用户的实机使用效果，跟鸿蒙的小艺、荣耀的 YOYO 等国产手机 AI 助手并无太大不同。

不过正如文章一开头提到，Google 手握一整个 Android 生态，有着绝对的号召力和掌控力。

随着 Gemini 自动化能力的发布，Google 也详细公开了背后 Android 系统的底层布局和未来计划——有两个方向，简单来说，就是既「苹果」又「豆包」。

首先，Google 去年发布了一个名叫「AppFunctions」的框架，允许开发者公开应用特定的功能和特性入口，以便 AI 助手调用。

Google 将 AppFunctions 类比为 Android 的「模型上下文协议」（MCP），可以简单理解为一个对话标准，帮助第三方的 App 应用和 AI 模型进行对接。

这个框架类似苹果的 App Intents。在苹果的构思中，用户可以使唤 Siri 来操作各种 app 来实现功能，而底层实现方式就是通过 App Intents ——新一代 Siri 迟迟不能落地的前提下，App Intents 足以提供不错的效果。

Google 的 AppFunctions 也是同理。

比如用户下达指令，希望能从好友的电子邮件中找到一个食谱，并将相关配料加入购物清单中。AI 接到命令，首先调用邮件 App「搜索」的功能入口，检索并提取出相关内容，然后调用备忘录的「购物清单」入口，把数据填入整理。

一些 AppFunction 功能已经在三星 Galaxy S26 和 One UI 8.5 系统中落地。比如，用户可以对 Gemini 下达指令，找出相册中的特定照片，并用短信发送给朋友。

需要注意的是，整个过程中，Gemini 不需要打开相册和短信 App，甚至没离开 Gemini App，而是通过 AppFunctions，把对应入口抓取到 Gemini 之中执行操作，效率更高。

本质上，基于 AppFunctions 的实现方式，和过去的 API 路径逻辑相同。这是一种「打好了招呼」的解题思路。

但是，并非所有 App 都做好了相关的适配。没关系，Google 还做了另一手准备。

昨天发在 Android 开发者博客上的一篇文章中，Google 明确提出：公司还在开发一个 UI 自动化的框架，让 AI 助手和第三方应用模仿人类，直接打开 App 一步步操作。

——这，就是翻版的「豆包手机」了。

不过，尽管 Google 说以后 UI 自动化会承担真正的「重活」，在这次的 Galaxy 26 系列当中，UI 自动化只是一个「早期预览版」。

▲ 豆包手机帮我种草比价洗发水

如果说 AppFunctions 需要 App 开发者进行额外的适配工作，那么 UI 自动化框架则是把工作量都留给 AI 智能体，无需任何额外适配，但效果非常取决 AI 智能体的能力，优势就在于一上线就能覆盖大量应用。

现在你可以看到，在 Google 的 Android Gemini 智能体计划中，AppFunctions 和 UI 自动化是两条路线，互为补充：通过规范化、可追溯的接口方式来确保最大限度的兼容性，同时为真正代表未来的读屏交互模式打好基础。

Google 还表示，这不会只是 Gemini 的专属功能，而是 Android 系统的特性。

这也意味着，未来不管是手机厂商自己内置的 AI 助手，还是 ChatGPT 等第三方应用，都能调用 AppFunctions 执行任务，或者「读懂」手机 UI 进行自动操作。

值得一提的是，在国行用不了 Gemini 的情况下，三星 Galaxy S26 的 Bixby 助手也能实现点外卖、叫车、电商比价的功能。我们可以合理推断，三星在国内也找到了一家模型供应商来替代 Gemini 的身份，至于这些大模型小龙当中具体是谁，可能就取决于过去一年里谁在手机智能体上成绩更突出了。

AI 手机的道路，不会只有「孤勇者」

去年「豆包手机」惊艳亮相，又因为令人遗憾的情况而「早夭」。在深感遗憾的同时，也让我们不禁去思考，AI 自动化的模式，就是 AI 手机的理想模式吗？

这个问题，没有个三五年也得不出答案。至少，豆包手机不是单打独斗，手握 Android 系统的 Google，同样选择了这个路线，而且话语权大得多。

其实当豆包手机火到海外之后，就有网友开始畅想，如果 Google 在 Pixel 以及 Android 手机上推广这个技术，那前景将会非常广阔。

虽然我觉得，Google 对于怎么回答「AI 手机」这个命题，其实也没有一个非常清晰的答案，更像是因为手上同时有 AI、系统和硬件，每个方向都尝试一下，说不定就有一条路跑通了。

但至少，Google 已经为 Android 打好了「系统级自动化」的样板，接下来不少新机，都有了化身「豆包手机」的潜力。

这个浪潮或许还不止于 Android 阵营。别忘了，苹果已经和 Google 达成合作，Gemini 将成为 Siri 的技术支持。而 App Intents 和 AppFunctions 又非常相似……

▲ AI Siri 的演示

再往前看一点：Gemini 智能体甚至不只局限于 AI 手机。在 Sammer Samat 设想中，未来智能眼镜、AI 吊坠，甚至是汽车，只要有 Gemini，就能用它来完成复杂的任务——当然，这样的场景距离落地还有距离。

不过，Google 也只是在技术层面跑通了 AI 自动化的路线，而范式成立，不代表问题消失。豆包手机当时遇到的种种矛盾，也会成为后来者不得不面对的挑战。

首先当然是隐私和安全问题。Google 的饼画得很大，未来调用、操作手机 App 的将不仅限于 Gemini，一些第三方 AI 应用能更深入用户的数据核心，如果有伪装的恶意应用利用了这些接口，也会造成更大的损失。

▲ 图源：9To5Google

更激烈的矛盾，是手机硬件厂商、模型/智能体能力提供商、大平台应用这三者之间，围绕 AI 时代新「入口」的争夺。这也是原版的豆包手机，一度最难逾越的高墙。

毕竟，用 Gemini 叫车，可能意味着用户不用再看到 Uber 的会员促销、广告推荐，甚至不再形成品牌黏性，直接损害到应用服务商/广告行业的收益。

中国有互联网/AI 巨头，海外何尝不是如此？像 Meta、Amazon 这样的老对手，本身还拥有强势的平台与生态，它们未必心甘情愿对 Google 开放，让 Gemini 来自动化一切。无论是以隐私、安全，还是平台规则为由，设置限制、提高接入门槛，博弈必然发生，争斗将进一步白热化。

至少 Google 对未来很有信心。Sammer Samat 认为，AI 技术已经进入了「正在进行时」，开发者与其绞尽脑汁对抗 ，还不如去思考一个合适的方式拥抱它。

新与旧的对抗不可避免，最终的胜利者，只会是那些在变革前夜，就已经在勇敢追逐的玩家。

参考资料：

https://android-developers.googleblog.com/2026/02/the-intelligent-os-making-ai-agents.html