Google为Gemini 3.5 Flash添加Computer Use：AI Agent新时代到来

2026年7月4日AI新闻：Google正式为Gemini 3.5 Flash添加Computer Use功能，让开发者可以构建能够看屏幕、点击操作和控制软件的AI Agent。与此同时，SpaceX签署了价值63亿美元的算力协议，AI基础设施竞赛持续升温。

据The Neuron报道，Google在AI Agent领域迈出了重要一步——正式为Gemini 3.5 Flash模型添加了Computer Use（计算机操作）功能。这一功能使开发者能够构建可以直接“看到”计算机屏幕、模拟鼠标点击、键盘输入，并控制各种软件应用程序的AI Agent。这标志着AI从“对话助手”向“行动助手”的重大转变。

Computer Use功能的核心技术包括屏幕理解、界面元素识别、操作规划和执行反馈循环。Gemini 3.5 Flash能够实时分析屏幕截图，识别按钮、文本框、菜单等UI元素，并根据用户的自然语言指令执行一系列操作。例如，用户可以让AI Agent“帮我在这个网站上填写表单并提交”，Agent就能自主完成整个流程。

这一功能的商业潜力巨大。在企业场景中，Computer Use AI Agent可以自动化大量重复性的桌面操作，如数据录入、报表生成、系统配置等。据估算，全球知识工作者每天花费在重复性电脑操作上的时间平均超过2小时，AI Agent有望释放巨大的生产力。

与此同时，AI基础设施领域的竞争也在加剧。SpaceX与Reflection AI签署了一项价值63亿美元的算力协议，获取位于Colossus 2数据中心的NVIDIA GB300 GPU资源，合约延续至2029年。这笔交易反映了AI算力需求的爆发式增长，以及科技巨头为争夺计算资源不惜投入天文数字资金的现状。

在AI Agent生态系统中，Google并非唯一的玩家。Anthropic的Claude也早已推出了Computer Use功能，OpenAI的Operator同样具备类似能力。但Google的优势在于Gemini 3.5 Flash的价格极具竞争力——仅为同级模型的一半左右，这使得更多开发者和企业能够负担得起AI Agent的部署成本。

行业分析师指出，2026年下半年将成为AI Agent商业化落地的关键时期。随着各大厂商纷纷推出Computer Use能力，企业级AI Agent应用将加速渗透各个行业。从客服自动化到IT运维，从财务处理到人力资源，AI Agent正在重新定义“数字化劳动力”的概念。

然而，AI Agent的安全性也引发关注。让AI直接控制计算机意味着潜在的安全风险——如果Agent被恶意引导或出现判断错误，可能造成数据泄露或系统损坏。Google表示已实施多层安全机制，包括操作确认、权限限制和行为审计日志，以确保Agent在受控环境中运行。