Pixel 11 亮相：Gemini 接管手机工作流，AI 走向交互收缩

8 月 12 日，谷歌正式发布 Pixel 11 系列，包含 Pixel 11、Pixel 11 Pro、Pixel 11 Pro XL 以及折叠屏 Pixel 11 Pro Fold，同期亮相的还有 Pixel Watch 5 与全新防丢设备 Pixel Tag。相比常规的硬件迭代，更值得关注的是 Gemini 正在如何深入 Android 系统的工作流。

硬件升级：Tensor G6 撑起端侧 AI

Pixel 11 全系搭载新一代 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，并在拍摄、视频处理等场景加入更多 AI 能力。机身延续 Pixel 家族标志性的横向摄像头模组设计，背部视觉更简洁、放置更平稳。

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，这种端云协同的架构，也是 Pixel 11 整套 AI 体验的算力底座。

软件亮点：Gemini 跨 40 多个应用执行多步任务

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，并结合邮件、日历和航班信息理解用户上下文。这意味着 Gemini 不再只是等待用户调用的助手，而是成为手机中的智能层，能主动理解用户当前在做什么，并协调不同功能完成任务。

其他值得关注的 AI 能力包括：

• Rambler：让语音输入更自然，自动过滤口语中的停顿与重复；
• Magic Capture：分析拍摄中的多个画面，帮助用户挑选更好的瞬间，减少拍摄后的筛选与编辑。

Gemini 3.7 Flash 与 DeepMind 重组

Pixel 11 发布次日，谷歌又推出 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。与此同时，据爱范儿/APPSO 报道，重组中的 Google DeepMind 可能将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。从这个角度看，Flash 路线不只是技术选择，更是 AI 硬件能够规模化存在的经济学前提。

AI 手机的两种方向：Pixel 与豆包手机的对比

Pixel 11 和豆包手机走在相似却略有不同的道路上：

• Pixel 依靠 Android 系统和 Google 自有服务，让 Gemini 更深入地融入手机工作流；
• 豆包手机一代更强调 Agent 能力，让 AI 像用户一样操作手机界面、调用应用。

据公开信息，豆包手机二代开始转向另一种思路——通过 MCP（模型上下文协议）和 A2A（智能体协作）等方式，让 AI 与应用之间建立更直接的连接，让应用学会以 AI 能够理解和调用的方式提供能力，而不只是让 AI 学习如何使用 App。两者的本质区别在于：前者绕开原有应用入口，后者则让 App 主动向 AI 开放能力。

更大的变化：AI 正在重塑移动互联网的分发逻辑

过去二十年，互联网的分发逻辑建立在用户主动操作之上：用户点击、搜索、浏览、停留，构成了内容平台的广告收入、电商平台的交易额、社交平台的网络效应。但 AI 正在推动事情往相反方向发展——它希望把这些复杂性重新隐藏起来，用户只需表达目标，AI 就能调用服务、完成任务。

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%，没有遇到时约为 15%。「零点击搜索」正在拉长用户与原始内容生产者之间的距离。

下一代 AI 手机需要重新定义「操作」本身：哪些操作只是连接用户与服务的中间步骤，应该交给 AI；哪些操作本身就是用户参与互联网的方式，应该继续留给人。这既是技术问题，也是移动互联网商业模式的根本追问。