Pixel 11来了，AI真的能接管你的手机吗？

8月12日，谷歌正式发布Pixel 11系列，包括Pixel 11、Pixel 11 Pro、Pixel 11 Pro XL以及折叠屏Pixel 11 Pro Fold。

新机全系搭载Tensor G6芯片，并继续升级影像、屏幕和机身设计。但相比这些常规升级，Pixel 11更值得关注的，是AI正在如何改变手机的使用方式。

在发布会上，谷歌重点展示了Gemini如何进入Android系统工作流：它可以跨越40多个应用完成多步骤任务，还能够结合邮件、日历和航班信息理解用户上下文。

值得一提的是，Pixel 11发布第二天，谷歌又推出了Gemini 3.7 Flash。与此同时，据爱范儿/APPSO报道，重组中的Google DeepMind可能把更多研发重心转向性价比更高的Flash级模型，团队还可能迎来大规模裁员，比例达到1/3甚至更高。

Flash模型对手机意义尤其明显，它能以更低成本、更快速度支撑高频AI任务。

智能手机过去的发展方向，是不断扩张功能边界，把越来越多的功能放进一块屏幕里；而AI时代的发展方向，可能是不断收缩用户面对的复杂性。

在这个方向上，我们很容易想到我们的“老朋友”豆包手机：Pixel依靠Android系统，让AI更深入地融入手机体验；豆包手机则试图通过Agent和应用生态，让AI成为连接用户与互联网服务的新入口。

Pixel 11都发布了，豆包手机二代还远吗？

01

Pixel 11：Gemini开始跨40多个应用执行多步任务

8月12日，Google正式发布Pixel 11系列，包括Pixel 11、Pixel 11 Pro、Pixel 11 Pro XL以及折叠屏Pixel 11 Pro Fold。同时亮相的还有Pixel Watch 5和全新的防丢设备Pixel Tag。

作为一年一度的旗舰更新，Pixel 11依然带来了常规的手机升级。

新机搭载Tensor G6芯片，端侧处理速度最高提升3.5倍、能耗最高降低约3.5倍；影像系统继续强化计算摄影能力，并针对拍摄、视频处理等场景加入更多AI能力。

从外观来看，Pixel 11延续了Pixel家族标志性的横向摄像头模组设计，并进一步调整了镜头排列和机身设计。相比一些手机越来越夸张的镜头凸起，Pixel 11的背部设计更加简洁，横向排列的摄像头让机身视觉上更加平衡——并且可以比较稳定地放在桌子上。

过去几年，手机厂商一直在尝试把AI加入手机，但大多数时候，AI只是一个附加功能，藏在相机或者备忘录里，帮你修一张照片、写一段文字、回答一个问题。

Pixel 11则展示了另一种完全不同的手机使用方式：只需要动动嘴，Gemini自己帮你处理。

谷歌希望Gemini不只是一个等待用户调用的助手，而是成为手机中的智能层，能够理解用户正在做什么，并主动协调不同功能完成任务。

最值得关注的是它的跨应用能力——Gemini可以跨越40多个应用完成多步骤任务。

过去用户想完成一件事情，往往需要自己拆解流程，但在Pixel 11展示的未来里，用户无需事事关心。

你只要告诉Gemini目标，剩下的事情，由它理解需求、调用应用、协调流程，然后找你确认。

换句话说，谷歌开始让Gemini从一个“功能助手”，变成了一个住在手机里、能够跨应用完成任务的Agent。

这种理解用户的能力，也被Google延伸到了更多日常场景。

Rambler让语音输入变得更加自然。用户可以像平时聊天一样表达，Gemini会自动过滤口语中的停顿和重复，把它整理成更适合输入的文字。

Magic Capture则把AI带入拍摄流程。它会分析拍摄过程中的多个画面，帮助用户挑选更好的瞬间，减少拍摄之后筛选和编辑的步骤。

需要区分的是，Pixel 11并不是把完整的Gemini大模型都塞进了手机。Tensor G6搭配最新版Gemini Nano，主要负责端侧AI任务；更复杂的Gemini能力仍会调用云端模型。

根据公开资料，谷歌并没有为Pixel 11绑定一个固定的云端Gemini版本——而就在新机发布后的第二天，谷歌又推出了Gemini 3.7 Flash。

相比上一代，3.7 Flash进一步强化了多步骤规划和工具调用能力，并提升了复杂工作流中的执行准确性；其限时API价格也降至3.6 Flash原始价格的一半。

不过，Google目前明确宣布的是Gemini Spark从当天开始使用3.7 Flash，但并未表示3.7 Flash已经成为整个Gemini App的默认模型。

过去几个月，谷歌在旗舰模型上的追赶并不顺利，新一代Gemini旗舰模型一再延期，Noam Shazeer、John Jumper、Jeff Dean、Quoc Le等多位核心AI人才也相继离开。与此同时，Flash模型在快速迭代，从3.5、3.6一路更新到3.7。

但对于手机来说，Flash可能比单纯追求旗舰模型更有现实意义。

手机里的AI要随时理解用户需求、调用工具、跨应用执行任务，这意味着模型不仅要足够聪明，还必须足够快、足够便宜，并且能够稳定地完成大量高频操作。

从这个角度理解，Flash路线可能不只是技术选择，更是AI硬件能够规模化存在的经济学前提。

这也是Pixel 11这次AI升级的核心，比起把一个最强的模型塞进手机，谷歌更希望让Gemini真正进入手机的日常工作流。

从跨应用执行任务，到理解用户上下文，再到介入日常拍摄和输入，Pixel 11展示的是谷歌对于AI手机的一种想象：

手机不再只是承载功能的设备，开始成为理解用户需求的入口。

但一台越来越懂用户的手机，会不会也正在改变过去人与互联网互动的方式？

02

AI正在改变手机，也正在挑战移动互联网

回看过去二十年的互联网发展，人们使用互联网的方式一直在变化。

PC互联网时代，浏览器是连接用户与互联网的主要入口。用户打开浏览器，输入网址，搜索信息，访问网站。

互联网公司之间的竞争，争的是谁能成为用户进入互联网的第一扇门。

2007年，乔布斯发布第一代iPhone时，改变的不只是手机形态。更重要的是，它重新定义了人与互联网的连接方式。

一块触控屏，让互联网真正大规模进入了普通人的口袋。

随后，App Store的出现进一步改变了移动互联网的分发方式。过去，用户通过浏览器访问网站；后来，用户开始通过App获取服务。

社交、购物、支付、地图、娱乐、办公……越来越多功能被装进手机，智能手机也从一个通讯工具，变成了移动互联网的入口，甚至是最大众的入口。

但App时代的繁荣，有一个隐藏前提：用户需要主动操作手机。

打开微信聊天，打开抖音视频，打开淘宝购物，打开美团外卖……用户的每一次点击、搜索、浏览和停留，都是移动互联网生态的一部分。

而对于平台而言，用户操作不仅是使用过程，也是商业价值的来源。

内容平台依靠用户停留获得广告收入，电商平台依靠用户搜索和购买完成交易，社交平台则依靠用户互动维持网络效应。

而AI正在推动事情往相反的地方发展。

过去，互联网不断增加用户可以使用的功能，手机屏幕里装下越来越多App，但AI希望把这些复杂性重新隐藏起来——用户不需要知道应该打开哪个App、应该点击哪个按钮、应该经过多少步骤。只要表达目标，AI就能帮你完成。

从这个角度看，AI正在推动手机从“功能扩散”走向“交互收缩”，而这种收缩，和互联网本身的分发逻辑存在冲突。

以搜索引擎为例，搜索引擎曾经是互联网分发的重要基础设施：用户提出问题，搜索引擎提供入口，网站获得访问。但AI搜索正在尝试直接满足用户需求。

Google AI Overviews会在搜索结果页直接生成答案，减少用户进一步点击网页的必要。该功能推出后，Pew Research Center对900名美国成年人的浏览数据进行分析发现，在2025年3月的Google搜索中，遇到AI摘要时，用户点击传统搜索结果链接的比例约为8%；没有遇到AI摘要时，这一比例约为15%。

也就是说，AI正在减少用户离开搜索页面、进入其他网站的需求。

受到影响的不只是网站流量，还有信息生产者与用户之间的连接方式。

过去，内容生产者依靠搜索和推荐获得曝光；但当AI直接整理答案并交付给用户时，用户与原始内容之间的距离正在被拉长。

越来越多内容平台和网站因此开始担心“零点击搜索”（zero-click search）：用户获得了答案，但没有再点击那个提供答案的网站。

这正是AI时代最大的矛盾——对于用户来说，减少操作是一件好事，但对于互联网平台来说，用户操作本身就是入口。

AI希望减少用户操作，但移动互联网过去的商业价值，恰恰来自用户操作。

03

下一代AI手机，需要重新定义“操作”

这是一个非常复杂的困境：

如果AI完全替代用户操作，那么过去围绕App建立起来的移动互联网生态会被重新改写。用户不再打开App、浏览内容，不再主动搜索，原本依靠用户行为建立起来的分发体系也会发生变化。

但如果AI只是一个附加助手，只是在聊天框里回答问题、偶尔提供建议，那么它又无法真正改变手机的使用方式。

因此，AI手机需要重新思考“操作”本身的意义。

毕竟手机里的操作并不全部属于同一种类型。有些操作，本质上只是为了完成目标而不得不经历的步骤，比如搜索信息、切换应用、填写表单、寻找功能。但也有一些操作，本身就是使用手机的目的，比如刷视频、看内容、和朋友聊天、分享生活……这些行为并不是阻碍，而是用户主动参与互联网的方式。

真正需要被重新设计的，是那些连接用户与互联网服务的中间步骤。

过去，用户通过浏览器、搜索引擎和App找到服务；未来，AI可能成为新的中间层，理解用户需求，并调用背后的互联网服务。

换句话说，AI手机需要重新定义，哪些操作应该交给AI，哪些操作应该继续留给用户。

而这也是Pixel 11和豆包手机探索的不同方向。

某种意义上，豆包手机一代和Pixel 11走在相似的道路上：让AI进入手机，帮助用户完成原本需要自己操作的任务。

Pixel依靠Android系统和Google自身服务，希望让Gemini更深入地融入手机工作流。而豆包手机一代则更强调Agent能力，让AI理解手机界面、调用应用，像用户一样完成任务。

这种模式下，需要解决的问题是AI如何更懂用户、更好地操作手机。

但AI会操作手机，并不等于AI真正连接了互联网。

手机里的App并不是一个开放的工具箱，支付、社交、购物等高价值场景，都涉及权限、安全和商业边界。

谷歌的优势在于，它拥有Android这个手机操作系统，因此可以让AI更深入地进入设备内部，调用系统能力，并结合Gmail、Calendar等Google服务提供上下文信息。

但Android并不能解决所有问题，因为手机系统掌握的是设备能力，而互联网服务掌握在一个个独立App手中。是否开放能力、开放哪些能力，仍然取决于应用自身。

某种意义上，豆包手机二代正在探索另一种方向——从让AI学习如何操作App，转向让应用以AI能够理解和调用的方式提供能力。

据目前公开信息，相比第一代更强调Agent像用户一样操作手机，二代开始尝试通过MCP（Model Context Protocol，模型上下文协议）和A2A（Agent-to-Agent，智能体协作）等方式，让AI与应用之间建立更直接的连接。

比如，在传统的Agent操作模式下，用户告诉AI“帮我订一张明天去上海的机票。”AI可能需要打开旅行App，识别页面上的搜索框、按钮和菜单，再像用户一样填写出发地、目的地和日期。

但如果应用通过标准化接口向AI开放能力，未来的流程可能变成：用户提出需求，AI理解意图，然后直接调用航空或旅行服务提供的查询、筛选、预订能力，并在关键节点让用户确认。

两者的区别在于，前者让AI学习如何使用App，而后者则要求App学会如何向AI提供能力。

当然，这并不意味着所有应用都会立即接入这种体系，豆包二代具体能做到什么程度，还要等它真正推出以后才能确认。

两种方式背后，其实对应着两种不同的交互关系。

如果AI只是模拟用户操作App，那么它实际上是在绕开原有的应用入口。但如果应用主动向AI开放能力，那么App并不会消失。

它仍然提供服务，只是用户触达服务的方式发生了变化。

关于AI手机的最终想象，仍然是当我有事情要解决的时候，只需要一句话，AI能直接在手机里帮我解决。但AI不能帮我完全接管手机，因为我们的生活并不只有效率。

下一代AI手机真正需要做的，是让AI接管那些没有价值的重复步骤，同时保留人与互联网互动中真正有意义的部分。