이미지: Google
合上了笔记本电脑。但工作仍在继续运转。
谷歌于上月30日将个人AI代理"Gemini Spark"的服务范围扩大至包括韩国的160多个国家和地区。Google Korea从当天起,向Google AI Pro、Ultra用户依次提供韩语和英语服务。
Spark的特点可以用一句话概括。它不运行在我的设备上,而是**运行在谷歌云端。**因此即便合上笔记本电脑、关闭手机屏幕,被指派的任务仍会继续进行。
从助手到代理人
迄今为止的AI更像是**向出租车司机问路。**即便得到了好的答案,方向盘还是自己握着。而Spark是接过钥匙的一方。谷歌解释称,曾经只是回答问题的助手,如今已转变为"在我的指示下实际执行任务的主动型伙伴"。
技术上,该功能建立在Gemini 3.5之上,采用"Antigravity"框架。它与Gmail、文档、幻灯片等Workspace工具深度绑定,让存放资料的地方和生成结果的地方处于同一个体系之内。
谷歌举出的应用场景有三个。一是每月自动核查信用卡账单、找出新增订阅费用的重复性工作;二是持续查看孩子学校发来的邮件,只提取截止日期并每天汇总发送一次的学习型任务;三是把散落在邮件和聊天记录中的会议记录整理成文档,并起草项目启动邮件的组合型任务。
以登录状态在网页间穿梭
此次更新真正的核心是与Chrome的联动。只要用户授权,Spark就会直接使用已登录的账户和已保存的密码来处理网页跑腿事务。比如挑选收藏好的房源安排看房行程,或调研航班信息并开始预订流程。
在这方面,谷歌自己披露了两道防线。一是防止提示词注入攻击——阻止网页中隐藏的文字向AI下达异常指令;二是在支付等敏感环节暂停操作,将控制权交还给用户。
不过,Chrome自动浏览功能首先在美国上线。谷歌只提到了向其他地区扩展的计划,据DigitalDaily报道,韩国上线的具体时间尚未公布。
两年时间走到了这一步
能够操作浏览器的AI,起点是2024年10月Anthropic推出的"Computer Use"。当时的方式是把屏幕视作图像、移动光标点击按钮,是一种速度缓慢、常常点错地方的实验性尝试。
此后发展速度很快。OpenAI在2025年1月推出了可代为完成预订、下单的"Operator",同年下半年,行业进入了将AI直接嵌入浏览器本身的阶段。Anthropic的"Claude in Chrome"、OpenAI自研浏览器"ChatGPT Atlas"便是代表。
如今三家公司的战略已经分道扬镳。OpenAI将于本月9日终止Atlas服务,把浏览器功能整合进ChatGPT和Codex——不再推广独立浏览器,而是全部归拢到ChatGPT之中。Anthropic则以"Claude Cowork"专注于长周期、专业性的工作。而谷歌是三者中唯一一家,选择将人们已经在使用的整个平台转变为执行环境的公司。
只有谷歌拥有的优势
谷歌的优势不在于模型本身,而在于布局。用于查找信息的搜索、处理邮件和文档的Workspace、打开网页的Chrome,乃至人们手中的Android,全部都是自家产品。代理搜索、判断、执行的整个流程,都在同一家公司的体系内闭环完成。
对外连接也在不断增加。继Canva、Instacart、OpenTable之后,Dropbox和美国房地产平台Zillow也已作为关联应用接入,该服务还支持通过MCP(模型上下文协议)方式连接第三方开发者构建的服务。
Gemini应用自身的体量也值得参考。谷歌在今年5月的I/O大会上表示,每月有超过9亿用户在230个国家和地区、以70多种语言使用Gemini。Spark正是叠加在这一基础之上的功能。
「编辑视角」
使用过多款浏览器代理的人都会遇到一个共同的障碍:演示中流畅无阻的操作,到了自己的屏幕上却卡在登录界面前动弹不得。对人类来说毫不起眼的"已登录"状态,对AI而言却是一道难以逾越的门槛。
Spark与Chrome的联动之所以引人注目,恰恰就是在这一点上。它不要求用户安装新浏览器,而是**直接使用已经登录的我的Chrome。**这与其说是技术上的飞跃,更像是消除门槛的布局问题——但在实际使用中,恰恰是这类差异更能拉开差距。
同时,这也是最需要谨慎对待的部分。把网页操作交给一个会使用已保存密码的AI,意味着一旦出错,影响范围将从"得到一个错误答案"扩大到"我的账户上发生了某种事情"。谷歌之所以特意在发布文中写明防止提示词注入攻击和支付环节返还控制权,原因或许正在于此。这项功能率先在美国上线,恐怕也是出于同样的考量。
对国内经营者而言,更重要的变化在别处。此前,用户会比较搜索结果并自行挑选网站。而今后,AI会筛选符合条件的候选项,并直接决定用于预订或购买的服务。竞争的标准正从"能否出现在搜索结果靠前位置"转向"能否被代理选中"。
那么现在需要检视的问题只有一个:我们的服务是否处于能被软件——而非人类——读取和调用的状态?如果信息只存在于图片之中,或被埋藏在登录后繁琐的流程里,代理便会直接跳过。MCP之类的连接规范为何突然变得重要,原因也正在于此。
韩国此次只获得了访问权限,Chrome自动浏览功能尚未落地。如果说这段时间差是留给我们准备的窗口期,那么与追随模型本身相比,更值得优先审视的,或许是我们的服务在用户接触点上,究竟以何种面貌呈现在代理眼中。
