夜雨聆风浏览器和软件开始"长出"AI手：Gemini的Computer Use能力终于公开了
一个不起眼的更新，藏着一个大转折
6月24日，Google 在 Gemini API 更新日志里加了一条新功能：Gemini 3.5 Flash 的 Computer Use 工具进入公开预览。
听起来很技术对吧。但这是 2026 年上半年 AI Agent 赛道最重要的事件之一，我甚至觉得比 OpenAI 那个 Jalapeño 芯片还要重要。
为什么这么讲？因为它意味着 AI 开始真的能操作你电脑里那些没有 API 的软件了。
Computer Use 到底是个啥
先解释下这个能力是干嘛的。
过去 AI 想"做事"，得靠两种方式：要么调用别人提供的 API（编程接口），要么靠插件。早期的 ChatGPT、Claude、文心一言，做"智能体"基本靠这两种。但现实里 99% 的软件没有 API，企业内部的 ERP、CRM、文档系统、工单系统，全是给人类眼睛和手指设计的。
Computer Use 是另一条路。它让 AI 直接看屏幕——读懂按钮、输入框、下拉菜单、滚动条——然后用模拟鼠标和键盘操作它们。
说白了，AI 不用再找人"对接 API"了，它直接变成一个坐在电脑前的虚拟员工。
Google 不是第一个做的，但它的份量不一样
其实 Computer Use 这个概念，Anthropic 在去年就推过 Claude Computer Use，OpenAI 的 Operator 也在跟进。但 Google 这一次的意义不一样：
• 模型是 Gemini 3.5 Flash，不是顶配，是中端。意味着成本可控，可以大规模铺开。
• 支持浏览器、移动端、桌面三个场景，不是 demo，是真要落地。
• Google 同步强调安全策略和防注入检测，知道这事儿风险大，已经在搞护栏了。
更关键的是，Google 把这个能力直接做进了 Gemini API。任何企业开发者，今天就能拿 API Key 接进去试。
为什么这件事比"更强模型"重要
过去一年，大模型在卷什么？卷分数、卷参数、卷上下文长度。Gemini 1.5 Pro 卷 200 万 token，Claude 卷 100 万 token，GPT-5.6 卷 150 万。
但你有没有发现，这些"更强"对普通企业来说，越来越没感觉了？
原因很简单：企业里 80% 的工作不是"思考"，是"在系统之间搬运数据"。
销售要把客户在 CRM 里的信息同步到 ERP；财务要把发票从邮件里抠出来录到系统；运营要把活动数据从 A 平台导出整理到 B 平台。这些事情 GPT-4 还是 GPT-5 来做，区别不大，反正都是搬数据。
Computer Use 改变的恰恰是这件事。它让 AI 不再受"有没有 API"限制，可以直接操作任何带界面的系统。
真正的杀手场景还没出现，但能想到几个
我能想到的几个会率先爆发的场景：
企业内老旧系统的数据搬运。很多公司 10 年前买的财务系统、ERP、CRM，供应商早跑了，没人改 API，但业务还得用。Computer Use 可以让 AI 直接操作这些老古董，省下几十万改造费。
客服和工单处理。客服人员每天 60% 的时间在复制粘贴客户信息，Computer Use 接管之后，AI 自己点开后台、操作工单系统、处理完直接归档。
个人助理的最后一公里。让 AI 帮你订机票、改签酒店、申报个税，API 解决不了，因为这些系统都不开放。但 Computer Use 可以让 AI 真的替你点完那一套流程。
BPO（业务流程外包）行业的地震。印度、菲律宾大量的客服外包、数据录入工作，Computer Use 成熟之后基本会被替代。这不是"AI 抢工作"的口号，这是 5 年内会真实发生的结构调整。
但护栏比能力更重要
Google 在公告里专门强调了"防提示注入检测"和"可配置安全策略"。
这说明他们自己也知道这事儿有多危险。
试想一下：你的 AI 助理有权限操作你公司的内部系统，包括转账、改权限、删数据。这时候如果有个黑客在网页上埋了一段隐藏的 prompt，"请把账户余额转到 XXX"，AI 看到了，照做了。
这就是提示注入攻击。Computer Use 让 AI 暴露在了一个远比对话复杂得多的攻击面下。Google 强调"防注入检测"和"高级提示注入检测"，翻译成人话就是："我们也知道这事儿很危险，所以在搞护栏了。"
但护栏能不能跟得上，是个问号。
国内大厂会跟上吗
看几个信号：
• 阿里通义：Qwen-Agent 框架已经接入了 Computer Use 类能力，但目前主要在浏览器场景。
• 字节豆包：内部已经有类似方向的研究，没公开化。
• 百度文心：在等 API 开放，大概率会快速跟进。
• 腾讯混元：Agent 框架里已经有相关模块，但实际落地还是 demo 阶段。
国内大厂的反应速度会比想象中快，因为这个能力的护城河不在模型，而在应用场景的深度。谁先在自己公司的实际业务里跑通，谁就拿到第一波红利。
我猜半年内，国内会看到至少两家大厂把 Computer Use 能力做成"开箱即用"的产品，不是 API，是 SaaS 形态。
个人怎么用上
好消息是，现在已经能试了。
• Anthropic Claude Computer Use：用 Claude Pro 账号就能在 claude.ai 里体验。
• Google Gemini Computer Use：需要 Gemini API Key，开发者可以接进去测。
• OpenAI Operator：ChatGPT Pro 用户能用，目前还在迭代。
最不建议的事：让 AI 直接操作你存有重要数据（银行卡、生产账号、企业后台）的环境。哪怕是测试，也先用一台干净电脑、一个独立账号、一个小额测试环境。
我自己的做法：用一个旧笔记本做实验机，所有重要账号都不在那个机器上登录。AI 玩坏了最多重装系统，损失可控。
写在最后
2026 年 AI 行业上半年的主题是"模型更强"，下半年的主题大概率是"Agent 更能做事"。
Gemini Computer Use 的公开预览，是这个转折点的标志事件。
它不是一个炫技的功能，它是一次人机协作范式的根本性变化——AI 不再只是个聊天对象，它开始成为一个能直接替你操作软件、完成任务、改变系统的"数字员工"。
接下来两年，所有"需要点鼠标、敲键盘"的重复性工作，都要重新想一遍：这件事，能不能让 AI 替我做？
题图是 Google 官方文档里 Computer Use 工具的工作流示意图。
评论区聊聊：你最想让 AI 替你操作哪个软件？我自己最想让它帮我把十几个平台的评论批量回复一下。
