Google Chrome新推Gemini AI助手，其实时屏幕感知功能备受瞩目

谷歌Chrome浏览器新增的Gemini AI助手及其实时屏幕感知能力，确实引发了广泛关注，以下是具体介绍：

功能特点

• 实时感知屏幕内容：Gemini AI助手能够实时感知屏幕上的内容，包括文字和图片等。当用户浏览网页时，它可即时识别页面中的信息，并据此提供相关的帮助和建议。比如在访问新闻站点时，能自动提取文章要点；浏览YouTube时，可识别视频中的工具或操作步骤，并实时生成食谱或零件说明等。

• 视觉处理与语音交互：该助手具备先进的视觉处理能力，可快速理解屏幕上显示的内容，并通过语音交互与用户进行沟通。用户既可以通过文本对话，也能使用“Live”语音模式直接提问，系统则会以语音形式作答，为用户提供了更便捷、更自然的交互体验。

• 减少操作繁琐步骤：其设计理念旨在减少用户在操作过程中的繁琐步骤，尽量让技术服务于人。比如用户在浏览网页时遇到问题，无需进行复杂的操作，直接询问Gemini AI助手即可获得解答，从而提高了信息获取的效率。

使用现状

• 订阅用户优先体验：目前，Chrome浏览器中的Gemini AI助手仅向AI Pro和AI Ultra订阅用户开放，且处于Chrome测试版阶段，用户需要运行Chrome Beta、Dev或Canary版本才能体验。

• 存在功能限制：尽管Gemini AI助手已经展现出强大的功能，但目前仍处于早期阶段，存在一些限制。例如，它仅能读取一个标签页，且只能处理屏幕上已加载的内容，若用户希望其总结网页评论或深层内容，需先将其滚动至可见范围。

战略意义

• 推动“AI Agent化”战略：Gemini AI助手的推出是谷歌在其“AI Agent化”战略上迈出的重要一步，标志着谷歌正加速推进人工智能技术的深度整合，致力于将AI融入到用户的日常应用中，让AI成为用户的智能代理，帮助用户处理各种琐事。

• 提升用户体验与竞争力：通过将Gemini AI助手与Chrome浏览器深度集成，谷歌为用户提供了更智能、更便捷的在线体验，提升了Chrome浏览器的竞争力，也进一步增强了用户对谷歌产品的粘性。

未来展望

• 功能拓展与优化：谷歌计划持续更新与优化Gemini AI助手，使其能够在未来成为每位用户的“智能助手”。未来，Gemini AI助手将能够跨多个标签页工作，代用户浏览网站，为用户提供更全面、更深入的帮助。

• 多场景多设备应用：谷歌还计划将这一技术扩展到更广泛的场景和设备中，如Wear OS、Android Auto、Google TV、Android XR等操作系统，进一步丰富用户体验，让AI助手能够随时随地为用户提供帮助。