谷歌联手三星升级AI助手，豆包手机有了新盟友？

北京时间2月26日，三星推出旗舰款Galaxy S26系列手机。在谷歌Gemini模型的加持下，三星S26系列具备了类似于豆包手机的自主订餐、打车等任务执行能力，但目前仅在美国和韩国上线了这项功能。

尽管三星手机国行版无法使用谷歌Gemini，但南都记者实测发现，S26系列国行版内置的Bixby助手提供了“智能执行”模式。接收用户指令之后，它会模拟人类使用手机的方式，自动完成滴滴叫车、美团点外卖、拼多多购物等常见任务。任务启动时，手机屏幕边缘会出现彩色光晕提示，和豆包手机的使用情形相似。

三星S26系列国行版提供的“智能执行”模式，右图为Bixby助手在拼多多进行自主购物，边缘出现彩色光晕提示。图：杨柳

三星方面未披露Bixby助手“智能执行”模式所接入的具体国产大模型。此前，三星和字节跳动、智谱开展过合作，且这两家公司在手机智能体能力上均有代表性产品。其中，字节跳动旗下火山引擎曾在2025年7月透露，三星Galaxy的Z系列产品引入了豆包大模型、火山引擎联网问答Agent（智能体）等产品，新升级的Bixby助手等结合了豆包大模型的深度思考、多模态内容理解与生成能力。

针对Bixby助手“智能执行”模式是否有调用了旗下大模型，字节跳动和智谱方面均不作回应。

S26系列海外版的AI自动化能力将于3月11日正式上市时同步推出。北京时间2月26日的三星Galaxy Unpacked发布会上，谷歌安卓生态系统总裁 Sameer Samat提前展示了Gemini给手机使用体验带来的革新：在一个家庭群聊中，不同成员提到各自偏好的披萨口味。用户只需长按电源键唤醒Gemini，AI助手便会读取聊天上下文，梳理所需购买的商品。随后，Gemini打开一个虚拟窗口并启动外卖App，利用其推理能力和多模态功能，在应用程序中创建购物车。

用Gemini助手完成订餐自动化的演示效果。

这一操作允许后台运行，不干扰用户同步使用手机做其他事项。用户可通过通知或“实时视图”监控任务进度，也可随时终止任务或切换为手动接管。当购物车准备就绪，确认下单支付的敏感步骤仍交由用户亲自完成。

这套Gemini多步骤自动化能力，也将于今年3月登陆谷歌自研的部分Pixel 10系列手机。三星S26系列和Pixel 10系列上的Gemini助手只是试运行版本，目前仅支持精选的外卖、杂货和网约车类应用。Sameer Samat透露，未来将继续扩展以支持更多应用程序。

根据Sameer Samat接受Wired杂志采访时的说法，Gemini自动化手机助手采用了基于视觉识别的GUI（图形界面识别）技术路线——依靠读取屏幕内容和模拟操作来完成任务，无需逐一和各家App进行接口适配。Sameer Samat说，Gemini会运用其推理能力制定计划，像用户一样查看屏幕，并进行导航。即使App的界面后续发生变化，Gemini仍能判断出该如何操作。

谷歌官网2月25日发布的一篇技术博客介绍，为支持AI助手的自主操作能力，谷歌正在开发一套UI（界面）自动化框架，使AI智能体和助手能够在用户已安装的应用中执行通用任务。

谷歌所选择的GUI智能体路线，与此前豆包手机的方案同属一类。2月27日，“豆包手机助手”官方公众号在一则声明中就此表示，屏幕视觉理解与自动化操作能力，是当前全球AI终端领域的前沿技术创新方向。任何前沿技术的发展与成熟，都需要持续的迭代完善。

对于三星和谷歌的合作，中兴通讯终端事业部总裁、努比亚总裁倪飞也在2月26日发文称，很高兴看到国际巨头正式跟进这条赛道，“虽然比我们努比亚M153豆包手机技术预览版发布晚了三个月，但这也印证了努比亚率先探索的AI智能体是手机行业的共同方向。”

不过，在中国市场，手机助手GUI路线已成为大厂“口水战”的矛盾点。2025年12月豆包手机发布后，因该路线方案涉及调用手机底层敏感权限，一度引发公众隐私担忧，同时引起是否需获得第三方App授权才能调用的争议。随后，豆包手机限制了AI助手自主调用腾讯系、阿里系等厂商App的能力，以换取豆包手机用户能正常使用这些应用。

谷歌同样意识到GUI路线带来的隐私保护挑战。Sameer Samat告诉媒体，出于隐私考量，谷歌没有在首批用于任务自动化的应用中包含任何过于敏感的应用。他强调，AI助手获取的数据不会用于广告，用户也可以删除Gemini获取的数据。

据谷歌官网介绍，Gemini助手从三个维度来保障用户的安全和隐私：一是用户的控制权。AI助手根据用户的指令启动，并在任务完成后立即停止；二是透明机制。用户可以通过通知实时监控 Gemini的执行进度；三是访问权限控制。Gemini通过手机上一个安全的虚拟窗口运行所需应用。这意味着Gemini只能访问被调用的有限App，而无法触及手机设备上的其他应用。

值得注意的是，谷歌并未完全依赖GUI方案，同时开发了一套类似于MCP（模型上下文协议）的技术框架——AppFunctions。MCP是一类标准的通信协议，用于智能体与外部应用工具的交互。安卓开发者官网上介绍，借助AppFunctions，安卓应用程序可以将特定功能和数据开放出来，供各种AI智能体发现和调用。简而言之，开发者能让App成为可被AI智能体调用、执行任务的工具。AppFunctions适用于搭载Android 16系统或更高版本的设备。

在三星S26系列中，三星手机图库与Gemini的集成展示了AppFunctions的实际应用场景：当用户要求Gemini查找图库中的猫咪照片时，Gemini会解析用户请求，智能识别并触发相应功能，然后将三星图库中相应的照片直接显示在Gemini应用中，用户无需离开当前界面即可完成操作。

AppFunctions所代表的API（应用程序编程接口）技术方案，在中国的典型玩家是阿里千问。1月中旬，阿里旗下AI应用千问App上线生活助理功能，实现点外卖、订机票、订酒店、找餐厅等任务。这套能力的实现，正是基于MCP和A2A协议（智能体间通信协议，用于多个智能体之间的相互通信）。这一路线的优势是更安全、可控，但障碍在于需要海量App厂商完成工程化适配，且厂商愿意开放的能力相对有限。

谷歌方面称，在即将发布的Android 17中，计划将旗下AI自动化能力扩展到更多用户、开发者和设备制造商。今年晚些时候，将公布更多关于如何使用AppFunctions和UI自动化框架的细节。

采写：南都N视频记者 杨柳