AI語音助手終於要兌現10年前的承諾了？

Google和Samsung展示全新Gemini語音助手，能真正完成第三方App任務。這次會是真的嗎？還是又一次空頭支票？

當Sameer Samat對著手機說「幫我叫Uber到機場」時，螢幕上的Gemini真的開始操作Uber App——設定目的地、選擇車型、確認訂單。就像有雙看不見的手在替你完成這一切。

這個場景讓人想起10年前Apple和Google曾經許下的承諾。當時Siri號稱能叫Uber，結果只是打開App而已；Google Assistant說能在星巴克「點老樣子」，體驗卻糟糕到最後功能被移除。

如今，在大語言模型和自然語言理解技術成熟的時代，這些承諾又重新擺上檯面。

這次真的不一樣嗎？

在Samsung的Galaxy Unpacked發表會上，Google和Samsung展示了全新的Gemini語音助手功能。從3月11日Galaxy S26上市開始提供，稍後也會透過軟體更新支援Google Pixel 10系列。

關鍵差異在於，Gemini真的會「看」螢幕並進行操作。它不是依照預設的「地圖」執行任務，而是像人類一樣識別螢幕上的按鈕、文字框和選單，即時做出判斷。

Google Android生態系統總裁的Samat把這些任務比作「數位洗衣服」——「你知道必須完成，但不會特別興奮的事情」。

在實際示範中，Gemini能讀取群組聊天中朋友們討論披薩訂購的內容，理解對話脈絡，整理每個人的需求，然後在Grubhub上實際進行訂購流程。

廣告合作

如果資訊不足，Gemini會主動詢問。在紐約三州地區說「到機場」時，它會確認是哪個機場；如果餐廳限制大披薩的訂購數量，它會提出替代方案。

重要的是，最終決定權始終在使用者手中。Gemini會整理選項、將商品加入購物車，但實際的購買按鈕必須由使用者親自按下。

這項技術如果普及，對華人地區的數位生活可能帶來深遠影響。在台灣，像是momo購物網、foodpanda這類服務平台，可能需要重新思考語音操作的使用者介面設計。

對於香港和新加坡等多語言環境，Gemini是否能處理粵語、英語混合的指令，將是一大考驗。而在東南亞華人社群中，這種技術可能有助於克服語言障礙，讓年長者更容易使用數位服務。

值得注意的是，目前功能僅在美國和韓國推出，亞洲其他市場的時程尚未確定。考慮到各國不同的隱私法規和消費者保護標準，在地化調整將是必要的。

Gemini「看」螢幕操作的能力，意味著它能獲取使用者行為和偏好的詳細資訊。Google承諾不將這些資料用於廣告，並允許使用者刪除相關數據，但建立信任仍是長期挑戰。

特別是在華人社會重視隱私保護的背景下，如何確保AI助手不會過度窺探個人生活，將是技術普及的關鍵因素。

Samat描繪了一個更廣闊的願景：未來你可以透過智慧眼鏡、AI吊墜，甚至在車內啟動這些任務，而不必拿出手機。今年將有多款Android XR智慧眼鏡推出，這個願景可能比想像中更快實現。