Gemini帮你跨40个App干活：AI超级应用终于不只是概念了

上周花了一个下午折腾三星Galaxy Z Fold8上新增的Gemini任务自动化功能。说实话，之前每次写"AI超级应用"这个话题，我都有一种虚无感：概念很美好，落地很骨感。

但这次不一样。Gemini现在能直接在40多个App里帮你执行操作，不是回答问题，是真的帮你点按钮、填表单、下单、订票。我试了一圈，说说真实感受。

什么叫"任务自动化"

先解释一下这个功能的本质。以前你对手机说"帮我叫个车去机场"，AI只能帮你打开Uber，剩下的还得你自己操作。现在你只需要说一句话，Gemini会自动打开Uber，填入目的地，选择车型，甚至完成支付确认。

它不是简单的语音助手，而是一个能跨App操作的智能代理。你说"帮我订明天晚上7点两人份的餐厅"，它会打开OpenTable，搜索符合条件的餐厅，选好之后等你确认。你说"帮我查一下下周从上海到北京的机票"，它会在携程或飞猪里搜索，把结果整理好呈现给你。

关键技术点是"多模态屏幕推理"。Gemini能看懂你屏幕上显示的内容，理解每个App的界面逻辑，然后像一个真人一样去点击、滑动、填写。

目前能做到什么程度

目前支持40多个App，主要集中在出行、外卖、生活服务这几个场景。打车用Uber，外卖用Grubhub和DoorDash，购物、订票、预约类的也在逐步接入。

实测下来，简单任务完成度很高。比如"帮我点一份附近评分最高的泰餐外卖"，从搜索到下单全程不需要我手动操作。复杂一点的，比如"帮我比较三个航班的价格并选最便宜的"，也能做到，但偶尔会在选择环节卡住，需要手动介入。

有一个让我意外的能力：后台执行。你可以让Gemini在后台继续完成任务，不用一直盯着屏幕。比如你说"帮我订好餐厅然后告诉我结果"，它可以自己在后台操作，完成后给你发一条通知。这个体验比预期好很多。

离超级应用还有多远

说老实话，现在这个状态离"超级应用"还有距离，但方向是对的。

超级应用的核心是"一个入口解决所有问题"。Gemini现在在出行、外卖这些场景已经接近这个状态了。但在办公、创作、社交这些更复杂的场景里，它还做不到。你不能让它帮你写一份PPT然后自动发给同事，也不能让它在微信群里帮你回复消息。

另一个限制是App生态的配合。目前谷歌采用的是AppFunctions + UI自动化两条路径并行的方案。AppFunctions需要开发者主动适配，UI自动化则是Gemini自己"看懂"界面去操作。前者体验更稳定，后者更灵活但有不确定性。目前大部分App还没主动适配，所以很多场景靠的是UI自动化在硬撑。

但换个角度看，Gemini app月活已经突破了10亿用户。这意味着它有足够大的用户基数去推动App开发者接入。一旦更多App开放API给Gemini调用，体验会有质的飞跃。

手机行业的AI格局

一个有趣的事实：2026年，Gemini已经成为安卓和iOS两大平台的AI基座。苹果在今年1月确认采用Gemini驱动下一代Apple Intelligence，三星把Gemini深度集成到Galaxy AI里。

这意味着全球大多数智能手机用户，不管用iPhone还是三星，底层都在跑Gemini。谷歌没有自己做手机硬件（好吧，Pixel也有），但它通过Gemini成了整个手机行业AI能力的最大供应商。

这条路和安卓的崛起路径很像。安卓不赚钱，但它控制了生态入口。Gemini现在也在做同样的事情：不直接卖硬件，但通过AI能力绑定所有手机厂商。当所有用户都习惯用Gemini来叫车、订票、点外卖的时候，它就真的成了超级应用。

不是以App的形式，而是以"操作系统级AI"的形式。