Gemini 3.5 Flash 开启“电脑使用”时代：AI 从内容生成迈向任务执行

事件核心

谷歌正式发布 Gemini 3.5 Flash，并引入了“电脑使用”（Computer Use）能力。该模型不再局限于文本或代码生成，而是能够模拟人类操作，通过观察屏幕、移动鼠标、点击按钮及输入文本，直接在操作系统层面完成复杂的工作流。

技术/商业细节

Gemini 3.5 Flash 的突破在于其多模态推理能力的实时化。它能够以极高的帧率处理屏幕截图，理解 UI 布局并实时规划交互路径。与以往仅通过 API 调用完成任务的 AI 不同，Gemini 3.5 Flash 具备了“通用 UI 交互”能力，这意味着它可以在任何未提供 API 的传统软件、网页或遗留系统中执行任务，极大地拓宽了 AI 代理（AI Agents）的应用边界。

八卦分析：全球影响

谷歌此举标志着 AI 竞争从“聊天机器人”转向“自动化代理”。对于企业而言，这意味着“软件即服务”的交付模式可能被重构——企业不再需要为 AI 专门开发 API，AI 可以直接作为员工使用现有工具。然而，这也引发了深层的安全忧虑：当 AI 拥有了操作系统的“手”，如何防止其在未经授权的情况下执行敏感操作？此外，这直接威胁到了 RPA（机器人流程自动化）行业的生存空间，传统 RPA 厂商若无法在推理能力上跟进，将面临被降维打击的风险。

战略建议

企业应立即评估内部核心业务流中，哪些环节可以通过“屏幕交互”实现自动化，而非等待 API 集成。同时，安全团队需重新审视终端安全策略，建立针对 AI 代理的访问控制机制，防止恶意指令通过 UI 注入攻击。对于开发者，应关注如何通过结构化 UI 设计，提升 AI 代理的操作效率与成功率。