Gemini 3.5 Flash 支持 Computer Use：AI 终于能操控你的电脑了，你准备好了吗？

如果 AI 能像人一样操控你的电脑，你会让它帮你做什么？

当你还在习惯用文字跟 AI 对话时，Google 悄悄扔出了一枚重磅炸弹。\1 正式引入 \1 功能——AI 不再只是一个”聊天框”，它现在可以像人类一样操控你的屏幕：点击按钮、填写表单、浏览网页、操作应用程序。这不是科幻电影，这是正在发生的现实。

消息一出，Hacker News 上讨论热度迅速飙升，\1，开发者社区炸开了锅。有人兴奋地称之为”AI Agent 时代的 iPhone 时刻”，也有人忧心忡忡地追问：我们真的准备好把鼠标和键盘交给 AI 了吗？

Computer Use 到底能做什么？

简单来说，Computer Use 赋予了 AI “看见”屏幕并”操作”屏幕的能力。它不再依赖 API 接口或结构化数据，而是直接解析屏幕截图，理解界面元素的位置和含义，然后模拟人类的操作行为——\1。

这跟传统的 RPA（机器人流程自动化）有本质区别。RPA 依赖预设的规则和固定坐标，换个网页布局就崩溃。而 Gemini 3.5 Flash 的 Computer Use 靠的是视觉理解能力，它能”看懂”界面上有什么，理解上下文，然后做出决策。

举个例子：你给它一个 PDF 发票，让它打开财务系统，找到对应项目，填好报销单，提交审批——它真的能一步步完成。不是调用 API，就是像你平时一样，用鼠标点、用键盘敲。

与 Claude Computer Use 的正面对决

这并非 Computer Use 领域的”首发”。早在 \1，Anthropic 就为 Claude 引入了 Computer Use 功能，当时同样引发了广泛关注。Google 这次的入局，意味着两大 AI 巨头在”AI 操控电脑”这条赛道上正式短兵相接。

从技术路线看，两者思路相似但各有侧重。Claude Computer Use 强调”稳”，在每一步操作前会反复确认环境状态；Gemini 3.5 Flash 则以\1——作为 Flash 系列模型，它的推理延迟更低，更适合需要快速响应的交互场景。对开发者而言，多了一个强力选项总是好事。

实际应用场景：比你想象的更近

Computer Use 最直接的价值在于\1。填报表、录数据、订机票、查库存——这些每天消耗无数白领时间的事务性操作，理论上都可以交给 AI 处理。

更令人兴奋的是跨系统的协同。大多数企业内部的系统之间本就缺乏 API 打通，Computer Use 提供了一条”绕过 API”的路径：让 AI 像人一样，在系统 A 里复制数据，切换到系统 B 贴进去。这对数字化转型中的传统企业来说，意义尤为深远。

安全隐患：便利背后的代价

但”把电脑交给 AI”这件事，不可能只有好消息。安全研究者已经指出几个核心风险：\1——网页中隐藏的恶意指令可能被 AI 读取并执行；\1——AI 在操作时可能访问到不该看的敏感信息；\1——AI 的一个误点可能删除数据或发送错误邮件。

Google 显然意识到了这些问题。Gemini 3.5 Flash 的 Computer Use 目前仍处于早期阶段，官方强调开发者需要遵循安全最佳实践，包括在沙箱环境中运行、限制敏感操作权限等。但这仅仅是开始，随着功能成熟，安全挑战只会更严峻。

躁动的团队与推迟的 Pro

在这条新闻背后，还有两个值得玩味的细节。其一，\1，Google 表示需要更多时间优化模型性能。其二，\1——正是 Claude Computer Use 背后的公司。人才流向竞争对手，产品的节奏又在调整，Gemini 团队面临的挑战显然不小。

结语

Computer Use 是 AI 从”对话工具”走向”行动代理”的关键一步。它让我们看到了一个未来：AI 不再只回答问题，而是帮你把事情做完。Google 的入局加速了这一趋势，但技术落地的速度、安全边界的划定、以及人才争夺的走向，都将决定这场竞赛的最终格局。

到时候，你愿意把自己电脑的控制权交给 AI 吗？这个问题的答案，可能比技术本身更重要。

— END —
LC 智趣厅 · 科技与生活的交点
ihygg.cn