Google 将 AI Mode 带入现实生活，但便利也伴随着取舍

Google 于 7 月 28 日发布了五种在线下使用 AI Mode 的方式，推动 Search 从回答问题转向协助完成现实世界中的计划。这些示例涵盖课程、户外装备、游戏练习、活动门票和派对邀请函。综合来看，这些 Google 的使用方式揭示了一个更大的矛盾：Search 希望缩短规划时间，同时掌控从意图到行动的更多环节。

这一时机至关重要。过去一年里，Google 一直在为 AI Mode 加入个性化、已连接应用、购物工具和类智能体功能。其最新的生活方式指南将这些系统包装成一个“放下手机”的理由。然而，每一项快捷功能都要求用户信任 AI 回应、分享更多背景信息，或通过 Google 日益扩张的界面完成操作。

这让传统搜索结果、专业网站和独立助手面临压力。ChatGPT 和其他助手也能连接日历和外部服务。Google 拥有不同的优势，因为人们早已通过 Search 表达自身需求。竞争不再仅限于谁能写出最佳答案，而是谁能协调下一步行动。

Google 的五种方式将搜索查询转化为线下计划

Google 的五个示例之所以重要，是因为每一个都将开放式意图转化为一组更小、可执行的选择。

第一个场景始于一个宽泛目标：学习网球、烹饪或其他本地活动。用户可以询问 AI Mode 应如何开始，并请求推荐附近的课程。Google 表示，启用 Personal Intelligence 后，回应可以考虑已连接的 Calendar 信息，并推荐符合现有安排的课程。

这改变了人们熟悉的本地搜索流程。过去，用户需要输入多条查询、打开多个课程时间表、比较地点，并单独查看自己的日历。AI Mode 试图在一次对话中整合发现与排期。

在 Google 的示例中，该回应不会自动替任何人报名。它会缩小可选范围，并呈现应当合适的选项。这一区别很重要，因为有用的推荐仍取决于最新的时间安排、准确的商家信息和完整的本地覆盖。

Google 的第二个示例涉及寻找徒步靴或其他专业装备。用户可在一次请求中指定脚踝支撑、价格承受范围、活动类型和所在地。随后，AI Mode 会比较匹配的产品，并可显示附近的库存情况。

Google 还表示，Search 可以致电本地商店，询问某件商品是否有货。这项功能将流程的一部分从信息检索转向委托执行。用户表达需求，Google 则联系商家并返回结果。

第三个场景使用 Canvas，这是一个用于制定计划和开发互动内容的 AI Mode 工作区。Google 建议用户请求它制作一份易于记忆的国际象棋策略指南。Canvas 还可以构建一个简单的模拟器，供用户与电脑对弈练习。

这个示例将 Search 的能力延伸到寻找现有网页之外。系统会综合指引，并根据请求创建练习环境。用户无需选择单独的教学资源，便可从好奇转入演练。

第四个场景聚焦演唱会和体育赛事。用户可以提供地点、门票数量、活动类型和预算。AI Mode 随后会筛选选项，但用户需通过选定的票务平台完成购买。

Google 在发布其线下指南前，已开始扩展这些预订工具。更广泛的系统还通过参与合作的伙伴支持餐厅预订、健康预约及相关服务。

第五个示例将 AI Mode 与 Canva 连接。用户可以请求制作一张晚宴派对传单，在 Search 中获得可编辑设计，并在 Canva 中完成制作。之后，该设计可下载并分享。

因此，Google 的五个线下创意遵循着同一种一致模式。Search 解读意图、收集相关背景信息、生成或筛选输出，并将用户引导至下一项行动。

这并不只是一份休闲建议清单。它公开展示了 Google 所期望的日常决策界面。Search 成为一个规划层，位于个人尚未成形的想法与能够实现它的商家、应用、产品或地点之间。

为什么 Google 将更多 AI 推销为“断开连接”的方式

“走到线下”的表述，为那些原本看上去只是让用户继续停留在 AI 界面中的功能赋予了人性化价值。

Google 表示，成人网球课程、越野跑、徒步和跑团等活动的搜索兴趣在 2026 年达到创纪录水平。该公司还称，自年初以来，“how to digital detox”的搜索量已增长 110%。

这些数据来自 Google 自身的搜索数据，因此应被理解为平台报告的趋势。它们并不能证明人们使用 AI Mode 后会减少上网时间。但这些数据确实说明了 Google 为何选择这一信息框架。

消费者常听说生成式 AI 能节省时间。只有当产品将这一承诺与周六徒步、烹饪课或演唱会联系起来时，节省时间才变得具体。Google 的示例将效率转化为可见的休闲时间，而非又一项工作场所生产力主张。

这一框架也回应了对消费级 AI 长期存在的批评。聊天机器人可能会鼓励更长的屏幕使用时间，因为每个答案都会引出下一个提示。Google 则呈现了一个有限循环：提问、决定、离开，然后参与现实世界。

这个循环能否保持有限，取决于产品设计。对徒步靴的请求可能引向比较、库存核查、评论、地图和支付。一次门票搜索则可能扩展为场馆研究、旅行规划、餐厅预订和日历管理。

即使最终活动发生在线下，这种扩展仍会让 Google 受益。该公司可以介入决策的更多阶段，同时减少用户访问独立服务的需要。用户获得便利，但 Google 则获得更完整的意图视图。

该公司也已为这一主张准备了底层系统。AI Mode 可以将一个问题拆分为多个子主题并同时搜索。Google 将这一过程称为 query fan-out，它让系统能够为复杂请求的多个部分收集信息。

一次简单的“hiking boots”搜索可能会检索商店和产品页面。一项详细的 AI Mode 请求则可以分别考量支撑性、地形、预算、合脚度、评论和本地库存，然后将这些分支综合为一个回应。

2026 年 5 月，Google 在全球将 Gemini 3.5 Flash 设为默认 AI Mode 模型。该公司还宣布，为本地体验和服务提供更广泛的智能体式预订功能。智能体式功能会执行任务的部分环节，而不只是解释用户如何完成任务。

已连接应用又增加了一层能力。Google 于 7 月在美国开始推出 AI Mode 与 Instacart、Canva 和 YouTube Music 的直接连接。这些集成可以将杂货、设计或播放列表转入用户可完成任务的服务中。

线下指南在该功能推出不到两周后便发布了。其派对邀请函示例为 Canva 集成赋予了具体的社交用途。这一顺序表明，Google 正从宣布基础设施转向向用户说明为何应当采用它。

这些 Google 的使用方式也比技术产品描述更容易让人理解 AI Mode。用户无需知道 query fan-out、模型路由或应用连接如何运作。他们只需认出一项原本令人烦恼、如今步骤更少的任务。

这种简洁性有助于推动采用，但也可能掩盖其中的交换。一条更短的工作流将更多判断集中在一个系统中。用户看到的来源更少、中间选择更少，也更少有机会发现缺失的信息。

AI Mode 给网站和独立助手带来压力

Google 最强大的位置在于，它掌控了用户首次表达意图的时刻——在另一款助手或专业服务进入流程之前。

独立助手可以生成日程、购物清单、策略指南和邀请函文案。有些助手可以访问日历或与第三方服务互动。但它们仍需要用户打开单独的产品，并提供相关目标。

Search 更早捕捉到这一目标。寻找网球课程、本地库存或演唱会门票的人，本就预期从 Google 开始。AI Mode 可以把这个熟悉的起点转化为一场对话，而无需用户养成新习惯。

这以两种方式威胁专业网站。首先，Google 可以在用户访问前总结其中的有用信息。其次，它可以将交易或应用操作置于该摘要旁边，从而降低用户离开 Search 的实际理由。

这种担忧并不局限于出版商。本地目录、比价网站、教学博客、票务发现服务和产品评测业务，都依赖于成为用户决策路径的一部分。AI Mode 可以将其中若干步骤压缩为一次回应。

Pew Research Center 在 2025 年进行的一项点击行为研究说明了其中的潜在压力。该研究分析了 900 名美国成年人在 2025 年 3 月期间的浏览活动。

在包含 AI 摘要的访问中，用户有 8% 的概率点击传统搜索结果；在不包含 AI 摘要的访问中，这一比例为 15%。AI 摘要中的链接仅在 1% 的适用访问中获得点击。

AI Overviews 和 AI Mode 是不同的体验，因此这些数据并不直接衡量新的生活方式工作流。AI Mode 支持更长的对话和更先进的操作。然而，这项研究显示，综合性答案如何改变用户跳转至外部网站的行为。

Google 的五种方式加剧了这一问题，因为其目标是完成任务，而非仅仅提供解释。获得课程候选清单或产品推荐的用户可能只会访问最终服务提供方。贡献信息的来源则可能始终不可见。

Google 表示，AI Mode 有助于人们探索网络，并包含有用链接。其支持文档称，当系统对 AI 回应的信心不足时，有时会呈现网页链接。但这种设计仍由 Google 决定何时适合进行综合。

与独立助手的竞争则更为均衡。ChatGPT 可以连接包括 Google Calendar 及其他工作场所工具在内的服务。其他助手可以研究产品、制定计划，并在不同对话中保留偏好。

Google 的优势在于分发能力和商业场景。Search 已将查询与 Maps、Shopping、本地商家、评论和广告商连接起来。AI Mode 可以利用这一基础设施，同时提供对话式界面。

其弱点是信任。用户或许能接受助手在头脑风暴中的错误，而不会造成重大后果。但当系统错误说明库存、推荐不合适的装备、忽略日程冲突，或展示无法购买的门票时，用户的容忍度会低得多。

独立产品也可以通过更清晰的边界实现差异化。专用日历工具负责管理时间。票务平台负责管理信息发布和购买。专业评测网站负责评估设备。AI Mode 将这些角色融合在一起，当出现问题时，责任也更难追溯。

因此，核心竞争在于整合式协同与可见的专业分工之间。Google 希望通过一个对话层连接众多服务。竞争对手则可以主张，用户应当能够直接接触每项决策背后的专家、商家和工具。

便利机制依赖于个人上下文

AI Mode 对用户了解得越多，就越有用，这也使同意机制和上下文管理成为核心产品功能。

Personal Intelligence 允许符合条件的用户将 Google 服务中的信息连接至 AI Mode。Google 表示，该功能可以利用 Gmail、Photos 和 Calendar 等应用中的上下文来定制回复。连接为可选项，并可通过账号设置进行管理。

以烹饪课程为例，访问 Calendar 显然有其好处。相比一份泛泛而谈的列表，符合某个空闲晚间时段的推荐更具可操作性。用户无需将每节课程逐一与现有安排进行比对。

同样的上下文也能改善购物体验。过往旅行计划、已保存的偏好或位置信息，或许能帮助 AI Mode 理解“附近”或“适合我”意味着什么。不过，个性化也可能强化已经过时或不准确的假设。

Google 在 2026 年 3 月于美国将 Personal Intelligence 扩展至 AI Mode、Gemini 和 Gemini in Chrome。该公司表示，这些系统不会直接使用用户的 Gmail 收件箱或 Google Photos 图库进行训练。

这一表述并不能消除所有隐私疑问。个性化仍意味着来自一个人生活不同部分的信息会共同影响一条回复。用户必须了解哪些应用已连接，以及某项推荐为何会出现。

个性化控制也附带资格要求。Google 表示，AI Mode 的个性化功能面向年满 18 周岁、且已启用历史记录和个性化推荐的用户开放。

这带来了一项实际权衡。关闭历史记录或推荐功能，可能会减少让该工作流更有用的上下文。保持启用状态，则会让系统拥有更丰富的基础来定制建议并记住活动。

问题并不局限于数据收集。当为某一用途分享的信息影响到无关场景时，就会发生上下文坍塌。一封旧邮件、私密照片或日历条目可能准确无误，却不适合当前请求。

个性化的课程推荐可能会在共享屏幕上暴露一场惊喜活动。购物回复可能会根据之前的活动推断出敏感兴趣。行程建议可能会向使用同一设备的其他人泄露计划。

美联社将 Personal Intelligence 描述为一种让 Search 能够利用兴趣、习惯、行程和照片图库的新方式。该报道同时强调了相关性收益，以及系统对用户生活拥有更深入视角这一问题。

用户应将已连接的 Search 视为可配置的助手，而不是默认不可见的功能。启用某个应用前，可以先问自己：该应用中的信息是否确实是完成所需任务的必要条件？访问 Calendar 对安排日程合理；访问 Photos 则未必如此。

定期审查连接也很重要。人们会不断累积集成，却忘记哪些服务仍保有权限。移除不再使用的连接，可以在不完全放弃 AI Mode 的情况下减少风险暴露。

更广泛的启示类似于良好的知识管理。有用的上下文需要清晰的组织、最新的信息和经过审慎设定的边界。更多数据并不会自动带来更好的决策。

Google 的线下论点正是建立在这一机制之上。当系统将搜索结果与个人限制条件结合时，能够节省时间。缺少准确上下文时，它只会返回一份精致却泛泛的计划；拥有大量上下文时，隐私风险也会随之上升。

这才是核心权衡，而非附带问题。便利与个性化会同步增长。如果 Google 希望获得持久信任，就必须向用户展示哪些信息影响了每一项结果，并让断开连接的操作易于理解。

这些 Google 方式并不能保证什么

AI Mode 可以减少规划工作量，但它无法保证生成的指引、本地库存、日程或推荐始终正确。

Google 自己的 AI Mode 指南警告称，回复中可能包含错误。该公司鼓励用户通过多个来源核实重要信息，并在答案看似错误时提交反馈。

当 Search 推荐现实中的行动时，这项警告就更加重要。不正确的历史冷知识最多只是带来不便；不正确的徒步建议、装备指引、活动详情或商店库存信息，则可能浪费金钱并带来安全风险。

以徒步靴为例。AI 回复可以比较产品说明和评测，但合脚程度因人而异。脚踝支撑也取决于地形、负重、步态和既往伤病。生成的候选清单无法替代亲自试穿装备或寻求专业建议。

本地信息变化很快。一家商户可能调整课程时间、取消活动、售出最后一件商品，或不再接受预订。AI Mode 可以致电商店或获取当前列表，但这两种方式都无法保证最终答案仍然最新。

票务则带来另一个问题。价格、座位供应和卖家条款可能在发现内容与结账之间发生变化。Google 会引导用户通过首选平台完成购买，使最终交易仍处于 AI Mode 之外。

这种交接保护了部分用户选择权，也展现了规划与履约之间的边界。AI Mode 可以筛选选项，但服务提供方控制着可用性、付款、退款和客户支持。

生成的策略指南需要采取另一种核查方式。即使每一步都合法，一堂国际象棋课也可能包含薄弱或前后不一致的建议。用户应将重要指导与可信的学习材料进行比较，尤其是在活动涉及安全或专业知识时。

派对邀请函的风险较低，但生成的设计仍可能出现错误日期、姓名拼写错误或不合适的图像。可编辑输出只有在用户确实进行审查时，才能减少问题。

来源可见性仍是另一项不确定因素。查询扇出可以收集多种证据，但最终回复可能会将分歧压缩成一项自信的推荐。用户可能无法知道某项具体主张由哪个来源支持。

一项 2026 年学术分析研究了 Google AI Overviews 中的 98,020 项独立主张，报告称其中 11% 缺乏被引用页面的支持。AI Overviews 与 AI Mode 并不完全相同，但两者都依赖综合处理的网络信息。

该论文并未证明 AI Mode 中 11% 的生活方式建议缺乏依据。它提供了一个理由：应当检查引用，而不能将流畅的回复等同于经过验证的证据。

个性化可能让错误更难被察觉。提及已知偏好的推荐会让人觉得可信，因为其中一部分确实正确。这种熟悉感可能使用户在未核查的情况下信任无关细节。

企业同样面临呈现方式的不确定性。一家课程提供方可能因其日程难以解析而被遗漏。如果本地商店的库存系统无法访问，其可见性可能下降。专业出版商可能贡献了信息，却未获得一次访问。

随着行动变得更具后果性，Google 完成任务的方式将需要更强的溯源能力。用户应能识别可用性、推荐和比较来自何处，也应看到信息最后一次核查的时间。

合理的工作流应让人类处于决策边界。使用 AI Mode 创建候选清单、识别权衡，或减少重复搜索。然后向负责的服务提供方确认日程、条件、合脚程度、卖家身份和付款条款。

这种做法能保留大部分时间收益，同时不会将 AI 当作不可质疑的权威。系统成为规划助手，而用户仍对最终行动负责。

三项信号将显示 AI Mode 是否真的节省时间

下一阶段的评判标准将是完成的行动、透明的个性化和可靠的交接，而不是 Search 内置功能的数量。

第一项信号是已连接应用的更广泛采用。Canva、Instacart 和 YouTube Music 提供了早期示例，但 Google 表示正在与更多合作伙伴合作。新的集成将揭示哪些类别最适合从 Search 开始。

有用的集成应减少重复输入，而不隐藏关键选择。它可以将经过验证的购物清单、已确认的活动详情或经用户批准的设计传递到相应服务中。它不应悄然将一项推荐转化为购买。

如果 Google 增加更多权限清晰、操作可逆的集成，其协同论点将更加有力。如果合作伙伴始终有限，或用户避免连接它们，线下宣传看起来就更像一次演示，而非一种新习惯。

第二项信号是 Google 如何解释 Personal Intelligence。用户需要针对每项已连接服务提供易于使用的控制方式，并获得清晰提示，了解私密上下文何时影响了回复。

更清晰的归因将加强 Google 的论据。一项建议可以说明它使用了 Calendar 的可用时间，但未使用 Gmail 或 Photos。这类细节有助于用户判断相关性，并识别不想要的上下文。

令人困惑的控制方式则会削弱这一论点。如果用户必须在账号菜单中反复查找，才能理解 Search 知道什么，便利就不可能显得轻松。隐私选择必须在首次设置界面之后仍然具有实际意义。

第三项信号是任务交接是否仍然可靠。预订链接、本地库存检查、日程和应用间传递，必须导向准确的最终状态。当底层服务提供方展示不同信息时，精致的 AI 回复价值甚微。

评价 Google 时，既应看成功案例，也应看纠错能力。当一家商店否认某项库存结果，或一张门票消失时，界面应迅速更新并标明变化来源。

出版商和本地企业也会同时关注引流表现。如果 AI Mode 为服务提供方带来高质量访问，Google 可以主张综合处理改善了发现体验。如果外部流量持续下降，开放网络的反对声音将会加剧。

独立助手也会作出回应。其最可信的策略并不是复制每一项 Search 功能，而是提供更好的跨服务选择、更清晰的数据边界，或为复杂的个人项目提供更强的连续性。

对用户而言，实际决策更为明确：尝试一项低风险活动，并观察完整路径。让 AI Mode 推荐本地课程、基础活动候选清单或邀请函草稿。然后记录它在哪些环节节省了工作量，以及哪些环节仍需要人工核实。

不要从敏感请求或难以撤销的购买开始。在分享个人上下文前，审查已连接应用的权限。当推荐取决于安全性、可用性或专业判断时，打开引用来源进行核实。

这五种 Google 方式令人信服地展示了 Search 作为现实世界协调者的前景。但它们尚未证明更多中介必然带来更好的选择。决定性问题在于：AI Mode 是否能帮助你更早离开屏幕，同时保留认知、隐私和控制权。