Google放大招！Gemini 2.5能“自己用电脑”，AI终于学会点鼠标了

这条消息一出来，AI圈又炸了—— Google 的 Gemini 2.5 Computer Use 模型正式上线。

听名字你可能还没反应过来，但看完这几句话你大概就懂了： 它能 打开网页、填写表单、点击按钮； 能 登录网站、下载资料； 甚至能在网页 App 里 拖拽便签、预定时间。

换句话说，AI 终于不是“纸上谈兵”了， 它真的能像人类一样——“动手”操作电脑。

对，我第一反应也是： 这不就是“AI实习生上线”吗？

Google 官方说，他们在各种网页和移动端控制的基准测试中都拿了第一。 这意味着什么？意味着这玩意儿能比你点鼠标还快。

目前开发者已经能在 Google AI Studio 和 Vertex AI 的 Gemini API 里体验这个功能。 

有兴趣的可以直接去试试👉 https://gemini.browserbase.com/

说实话，这一步挺吓人的。 之前 AI 都只是“说得好”，比如 ChatGPT、Claude、DeepSeek 它们能写代码、能想策略，但都得靠人来“执行”。 而这次，Gemini 是能真的执行操作了。

想象一下，你说一句：

“帮我登录公司后台，下载那份销售数据，然后整理成表格发我邮箱。”

Gemini 不用你点鼠标，它自己就能一步步完成。 这已经不是“智能助手”了，简直是个能上手干活的数字员工。

更恐怖的是， 它还能跨应用工作。 比如它可以先在 Gmail 里查收文件，再去 Docs 里编辑，然后上传到 Drive，最后发个通知给你。 整套流程，全程自动。

这跟以前那种只能调用单个 API 的 AI 完全不是一个层级的能力， 而是真正意义上的 Computer Use——AI 直接操作电脑界面。

我突然想起一句话：

“AI 最后不是取代你，而是取代你的鼠标。”

从自动化写稿，到自动化操作软件， AI 的边界正在从“语言”跨进“行为”。

而这一步，或许就是未来“AI Agent”真正落地的起点。

顺带一提，现在各家都在往这条路冲。 OpenAI 在搞「Computer Control」实验， Anthropic 在 Claude Code 里做「自动执行任务」， 美团的 LongCat 则干脆直接往「通用生活 Agent」方向冲。

而现在，Google 的 Gemini 2.5 已经率先把「能动手」这件事，变成了现实。

我现在已经在想， 未来会不会真的出现这么个场景： 你早上打开电脑，AI 已经帮你把昨天的工作做完了， 桌面上留着一条消息：

“报告都写好了，老板9点要你汇报。”

——然后你一边刷牙一边心想： 我是不是得请它喝杯咖啡。

反正现在，这个世界的鼠标，已经开始自己动了。