谷歌最新的 Gemini 3 模型展示了人工智能在短短三年内的惊人进化：从仅仅能生成文本的聊天机器人，转变为能够编写代码、设计交互界面甚至进行深度学术研究的全能数字助手。通过结合 Antigravity 等工具，AI 现在可以像一名具备博士生水平的“数字同事”一样，在人类的指导下自主规划并执行复杂的计算机任务。这标志着人机关系正在发生根本性转变——人类的角色正从“纠错者”升级为“管理者”。
三年的跨越：从“描述”到“构建”
为了直观展示 AI 的进步，作者没有列举枯燥的基准测试数据，而是让 Gemini 3 重现了一个三年前的创意场景。
- 2022年 (GPT-3 时代): 当被要求展示一个“由糖果驱动的超光速飞船”时，AI 只能写出一段连贯的文字描述或一首简单的诗。
- 2025年 (Gemini 3 时代): 面对同样的提示，AI 编写并构建了一个完全可交互的网页游戏。它不仅编写了引擎代码，还设计了界面，让用户可以真正驾驶飞船。
这种差异揭示了一个核心转变：不要再把 AI 仅仅视为聊天机器人，而应将其视为一种全新的生产力工具。
Antigravity：不仅仅是编程工具
谷歌随 Gemini 3 推出了名为 Antigravity 的工具。虽然它看起来像是一个面向程序员的代码生成器（类似于 Claude Code 或 OpenAI Codex），但它的意义远超于此。
一个驱动 AI 发展的基本视角是：你在电脑上做的每一件事，归根结底都是代码。如果 AI 能处理代码，它就能做任何电脑用户能做的事。
这意味着 AI 不仅能写程序，还能：
- 构建数据仪表盘。
- 管理和操作网站。
- 读取和整理本地文件。
- 制作演示文稿。
在实际测试中，作者通过简单的英语指令，让 AI 代理（Agent）读取本地文件夹中的所有过往文章，自行进行网络搜索比对，最终建立了一个网站来展示作者对 AI 预测的准确性。在这个过程中，AI 展现出了规划能力——它知道该做什么，以及何时需要停下来寻求人类的批准。
挑战“博士级”智能
为了测试业界常说的“AI 已具备博士级智能”这一说法，作者给 Gemini 3 布置了一项高难度的学术任务：
- 处理混乱数据： 给定一堆十年前的、格式混乱甚至损坏的众筹研究数据（STATA 格式）。
- 自主选题： 要求 AI 不仅是分析众筹，还要结合创业或商业战略领域的理论话题，撰写一篇原创论文。
- 深度执行： 在几乎没有额外提示的情况下，AI 清洗了数据，提出了原创假设，进行了统计测试，并输出了一份 14 页的论文。
结果评估： Gemini 3 表现得像一名称职的研究生。
- 优点： 它甚至发明了一种利用自然语言处理来衡量“众筹创意独特性”的新方法，并为此编写和执行了代码。
- 缺点： 它的统计方法仍需改进，部分理论推导略显过度。
这表明，虽然 AI 能够完成惊人的工作，但它仍然需要一位“导师”来指引方向和把控质量。
结论：从“纠错”到“管理”
Gemini 3 的出现证明了 AI 的发展并未放缓。我们正在从“聊天机器人时代”迈向“数字同事时代”。
在这个新阶段，“人在回路中”（Human in the loop）的含义发生了质的变化：
- 过去： 人类主要负责修复 AI 犯下的愚蠢错误。
- 现在： 人类主要负责指导和管理 AI 的工作流程。
虽然 Gemini 3 并不完美，但它是一个能够思考和执行的合作伙伴。对于用户而言，最大的变化在于学会如何像管理团队成员一样，去管理这些智能代理。