Google 升级 Gemini：支持边拍视频边提问，还能看懂手机屏幕

对着屏幕或者眼前的东西，直接开口问 AI，这事 Google 终于要端上手机了。

在巴塞罗那举行的 MWC 2025 上，Google 演示了 Gemini 的两项实时多模态新能力：屏幕共享提问和实时视频搜索。功能预计在 3 月晚些时候上线。

屏幕和镜头，都成了 AI 的眼睛

这次新增的「Screenshare」功能，允许用户直接把手机当前画面共享给 Gemini。

官方在现场演示了一个购物场景：用户正在看一条宽松牛仔裤，直接问 Gemini 这条裤子适合搭配什么上衣，AI 会结合屏幕上的款式给出建议。

另一项则是去年 Google I/O 上预热过的实时视频搜索。用户打开摄像头拍着眼前的物体，不用等拍完保存，边拍就能边向 Gemini 提问。

不过，普通用户暂时还用不上。这两项功能本月晚些时候只会推送给 Android 平台、且订阅了 Google One AI Premium 计划的 Gemini Advanced 付费用户。

为什么重要

我们认为，多模态交互真正的门槛从来不是「能不能看懂图片」，而是「看不看得懂正在发生的事」。

把输入方式从静态截屏和拍照，变成流式的屏幕画面和实时视频，意味着你不用再为了问个问题先截张图、切到应用里上传，操作链条被大幅缩短。边逛街边问穿搭、照着现实物件问操作，这类场景会顺畅很多。

但 Google 选择先把它锁在每月昂贵的 Google One AI Premium 订阅和 Android 生态里，看起来还是偏保守。这既是为了收回高昂的实时视频推理成本，也是在把核心硬件和系统作为护城河。对普通用户来说，尝鲜成本依旧偏高，就看后续能不能下放到免费版了。