Google Gemini Spark上线桌面自动化：手机远程操控Mac，Agent三国杀升级

Google Gemini 刚刚跨过了一条重要的分界线——从聊天工具变成了桌面操控者。你可以在手机上发一条指令，你的 Mac 就开始自己干活了。

🔥 手机远程操控电脑，macOS 上先来了

Gemini Spark 最新版上线了 macOS 桌面自动化能力。它能做什么？整理 PDF、根据发票生成预算表、批量重命名文件、从截图中提取信息填入表格——全部由 Gemini 在后台自主规划步骤并执行。

但真正突破想象力的是操控方式：你可以在 iPhone 上打开 Gemini，说一句”把我桌面上所有合同 PDF 按日期分类、汇总金额到新表格”，你的 Mac 就开始自己干活。手机成了电脑的远程指挥中心，而且你不需要盯着屏幕——AI 在后台完成、完成后通知你结果。

支持的新集成包括 Canva、Dropbox、Instacart、OpenTable、Zillow Rentals、Google Tasks 和 Keep——生态兼容性一步到位。

🔥 自定义 MCP 支持：企业的后门

Gemini Spark 现在支持自定义 MCP 服务器。这意味着企业可以把内部系统（ERP、CRM、数据库、工单系统）包装成 MCP 接口，让 Gemini 直接操作。

这跟 X 推出 MCP 服务器是同一枚硬币的两面——X 做的是”提供 MCP 让 AI 接入自己”，Gemini 做的是”让 AI 能接入任何提供 MCP 的服务”。两条线正在汇合，指向一个共同的未来：AI Agent 通过 MCP 标准连接一切数字服务。

Google AI Ultra 订阅用户（美国）先行体验 Beta 版。Google 在桌面 Agent 赛道上的策略很明确——先占坑、抢开发者、再规模扩张。

🔥 桌面 Agent 的三国杀

微软有 Copilot + Windows 深度集成，靠操作系统捆绑；苹果有 Apple Intelligence + macOS 原生权限，靠硬件生态闭环；Google 用 Gemini Spark 从跨平台 + 开放 MCP 角度切入。

三家的策略截然不同。微软的优势是装机量（Windows 全球超过 14 亿台设备），苹果的优势是隐私和安全（端侧处理、数据不出设备），Google 的优势是开放性和跨平台能力（Android + macOS + Web 全覆盖）。谁的胜算更大？取决于用户更在意”无缝体验”还是”跨平台自由”——这本质上是一场封闭生态 vs 开放标准的路线之争。

🔥 真正值得关注的是”手机→电脑”交互范式

过去我们理解的远程控制是 TeamViewer 那样的屏幕镜像——你得盯着看、鼠标跟着动。Gemini Spark 做的事情完全不同：你给一个自然语言意图，AI 在后台规划步骤、执行操作、验证结果、反馈摘要。不需要屏幕、不需要同步、不需要你在线。

这可能是”后桌面时代”的第一个主流交互范式——不是键鼠，不是触屏，不是语音助手，而是用意图直接驱动多设备。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn