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
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。