谷歌在周二举办的"Android Show: I/O Edition"发布会上,宣布了一系列以Gemini Intelligence品牌推出的AI新功能。这些功能涵盖跨应用任务执行、网页浏览、表单填写、语音听写,以及通过自然语言描述创建Android小组件等能力。
Gemini能力再升级
谷歌早在今年三星Galaxy S26发布活动上,就已为Gemini引入了部分智能体功能,例如订餐和叫车。彼时,谷歌宣布Gemini即将支持更复杂的任务,比如预订动感单车课的前排位置、在Gmail中查找课程大纲,再据此搜索相关书目。
如今,谷歌的AI助手将能处理多步骤任务,例如从便签应用中复制购物清单,再自动将商品添加至购物应用的购物车。使用时,用户只需按下手机电源键并描述任务,屏幕上的内容将作为上下文供助手参考。谷歌表示,Gemini在完成结账前会等待用户最终确认。
此外,今年1月首次推出的网页自动浏览功能,此前已作为实验性功能上线,允许Gemini代用户浏览网页并完成预约等操作。谷歌宣布,该功能现已正式登陆Android平台。
6月下旬,Android设备还将迎来Chrome中的Gemini功能,帮助用户对网页内容进行摘要或提问,体验与桌面端Chrome中的Gemini类似。
另一项实用的小改进是:Gemini将能够通过"个人智能"功能了解用户信息,并代为填写表单。谷歌表示,该功能为选择性加入,用户可随时在设置中关闭。
此外,Gemini还将集成至Android的Gboard键盘。谷歌利用Gemini的多模态能力,在Gboard中推出了名为"Rambler"的功能,与其他AI听写应用的同类功能相似。用户可按自己的语气说话,系统将自动转录并整理内容,去除语气词等冗余表达。
用自然语言打造专属Android小组件
自然语言编程正在加速普及,谷歌也希望让Android用户体验这一趋势。
谷歌正在推出一种方式,让用户通过自然语言描述来创建Android小组件。例如,用户可以输入"每周推荐三款高蛋白备餐食谱",从而生成一个餐饮规划小组件。
值得一提的是,通过AI创建小组件的概念并非Gemini首创,硬件初创公司Nothing去年也推出了类似工具。
谷歌表示,Gemini Intelligence的各项功能将遵循公司的Material 3表达性设计语言。
谷歌还透露,这些AI功能将于今年夏季首先在最新款三星Galaxy和谷歌Pixel设备上推出,随后在今年晚些时候向其他Android设备普及。
Q&A
Q1:Gemini的跨应用智能体功能具体怎么用?
A:使用时,按下手机电源键并用语言描述你想完成的任务,Gemini会以当前屏幕内容为上下文,自动执行多步骤操作,例如从便签中复制购物清单并添加到购物车。在涉及付款等关键步骤时,Gemini会暂停并等待用户最终确认,不会自动完成结账,保障用户对操作的控制权。
Q2:Gboard中的Rambler功能和普通语音输入有什么区别?
A:普通语音输入只是将语音转为文字,而Rambler功能会在转录的同时对内容进行整理,自动去除"嗯""啊"等语气词和冗余表达,并按用户自身的语气和风格格式化文本,输出更简洁流畅的内容,更接近AI辅助听写应用的体验。
Q3:Android自然语言小组件功能和Nothing的类似工具有何不同?
A:谷歌推出的小组件创建功能基于Gemini的自然语言理解能力,并遵循Material 3表达性设计语言,与整个Android系统深度整合。而Nothing的类似工具是由硬件初创公司独立推出,主要面向其自家设备。谷歌的方案覆盖范围更广,计划今年内推广至所有Android设备。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。