Gemini 变身 24 小时智能体：关机也能在后台干活，还自带视频生成

以前我们习惯把聊天框当成搜索引擎的替代品：你问一句，AI 回一句，窗口一关，事情就停在那里。

在 5 月 19 日的 Google I/O 2026 上，Google 拿出了不一样的答案。官方数据显示，Gemini 移动应用月活跃用户已从去年的 4 亿暴涨至超过 9 亿，覆盖 230 个国家与地区。为了守住这个盘子，Google 推出了一整套由 Gemini 3.5 驱动的更新，试图把这个聊天工具彻底改造成帮你干活的「后台常驻代理」。

关掉电脑，AI 还在帮你盯邮件

发布会最核心的杀手锏，是一个叫 Gemini Spark 的 24/7 个人代理。它由底层模型 Gemini 3.5 搭配 Antigravity 工具框架驱动，直接运行在 Google Cloud 的专用虚拟机上。

这意味着你下达复杂指令后，就算合上笔记本电脑或者锁上手机屏幕，它依然在云端运转。Alphabet 首席执行官 Sundar Pichai 将其形容为「代表你、并在你指示下行事的伙伴」。

在具体用法上，Spark 能直接读取 Gmail、Google Docs 和 Google Slides。你可以让它长期监控收件箱，自动从孩子的学校邮件中提炼重要截止日期并汇总成简报发给伴侣；也可以让它排查月度信用卡账单，挑出隐蔽的自动续费订阅。它甚至拥有专属的 Gmail 地址，用户可以直接发邮件给 Spark 派单，或者让它通过 Chrome 控制浏览器操作。

外部扩展方面，Spark 支持了模型上下文协议（MCP），首批接入了 Canva、OpenTable 和 Instacart。Spark 本周面向可信测试者开放，下周作为 Beta 版推送给美国的 Google AI Ultra 订阅用户。夏天它还将登陆 macOS 桌面端，直接操作本地文件。

除了能持续跑多步任务的 Spark，面向日常轻量场景的 Daily Brief 也一同亮相。这个代理源自 Google Labs 的 CC 实验项目，同样扎根在 Gmail 和 Google Calendar 里，每天清晨会主动为用户整理紧急事项并推荐后续行动，目前已向美国的 Google AI Plus、Pro 和 Ultra 订阅用户开放。

视频剪辑变成打字聊天，界面换上新语言

模型和多模态层面，Google 推出了 Gemini Omni。官方首发了 Gemini Omni Flash 模型，并将其称作视频领域的「Nano Banana」。

Omni 允许用户输入文字、图片、音频甚至现成的视频片段，直接生成带有物理力学常识的电影级短片。它支持多轮对话式修改，比如让背景的雕塑变成气泡材质，或者直接替换镜头运镜。用户还可以利用它制作声音和外貌完全一致的个人 AI 分身。生成的视频会自动打上 SynthID 隐形数字水印。

前台界面也迎来了被称为 Neural Expressive 的彻底重构。网页端、Android 和 iOS 端全面上线这套设计语言，支持触觉反馈、动态图表、解说视频和实时生成的交互式时间轴。Gemini Live 语音功能被整合进主界面，重新设计的话筒允许用户在说话停顿时不被强行打断，并且很快会引入地区方言支持。

为什么重要

我们认为，Google 这次给所有做个人助理的对手出了一道极难解的题。

在生成式 AI 第一阶段，大家比拼的是大模型聪明程度；但到了 Agent 阶段，AI 能不能起作用，主要看它能碰到多少真实数据。很多初创团队不得不费尽心思去让用户授权各类第三方权限，而 Google 本身就握着全球海量用户的收件箱、日历、云端文档和浏览器记录。正如业内分析所指出的，Google 最大的隐性壁垒在于「它早就拥有你的全部邮件」。不用费心配置，开箱即用，这是任何外围套壳应用都很难跨越的护城河。

但这套打法的隐患也显而易见。首先是信任和隐私，The Verge 在早期试用中就指出，即便 Google 一再强调需要用户确认才会触发高风险动作，把收件箱的完全控制权交给云端常驻代理，很多普通人心理上依然难以迈过这道坎。其次是门槛，Spark 优先供给昂贵的 Ultra 订阅梯队，高算力虚拟机的成本最终仍要由用户承担。

对普通用户而言，日常的 Daily Brief 已经足够改善早晨的信息焦虑，非常值得订阅用户第一时间上手；但对于真正涉及花钱、发邮件给老板的 Spark 工作流，看起来还需要一段谨慎的磨合期。Google 借此把竞争拉入了系统底层生态战，留给单打独斗的第三方 Agent 的生存空间，正在被迅速压缩。