你有一张三年前的照片，想找出当时穿的那件外套，但不记得是哪天拍的。放在以前，你得翻遍整个相册。现在你只需要对 Gemini 说一句“帮我找到穿蓝色牛仔外套的照片”——它就能做到。不止如此，你还能让它把那件外套的背景 P 掉，把这张照片加入一个叫做“2023 年穿搭”的共享相册，再顺手把照片里那张演唱会海报上的日期存进日历。
这一切，不再需要动手点按一个按钮。
一张演唱会海报引发的自动化
2026 年 9 月 5 日，谷歌 Google Photos 负责人 Shimrit Ben-Yair 正式宣布：Gemini Spark 现已支持管理用户 Google Photos 照片库。用户可以直接通过自然语言指令，让 Gemini Spark 编辑图片、整理相册、根据精选照片自动创建共享相册，还可以识别演唱会宣传单等照片中的信息，将相关活动自动转换为日历预约。
谷歌官方给出了一段让人印象深刻的示例提示词：“找到上个月我们 Big Sur 公路旅行的前 10 张照片。优化日落镜头，把它们加入一个名为‘Coastal Drive 2026’的共享相册，然后把链接通过邮件发给妈妈。”来源：Google 官方支持论坛
这不仅仅是在 AI 里加个照片搜索功能。
Gemini Spark 是谷歌在今年 5 月 Google I/O 2026 上发布的旗舰级 AI Agent 产品，定位是“全天候运行的个人 AI 助手”。与传统聊天式 AI 不同，Spark 运行在 Google Cloud 虚拟机上，即便用户合上笔记本电脑，也能继续在后台执行任务。它通过 MCP 协议连接 30 多款应用，能主动监视信息、识别模式、执行多步骤工作流——而不是被动等待用户的下一条指令。
Spark 的订阅门槛不低。谷歌 AI 订阅目前分为三个层级：AI Plus（7.99 美元/月）、AI Pro（19.99 美元/月）和 AI Ultra（I/O 2025 定价 249.99 美元/月，I/O 2026 降至 199.99 美元/月）。此次 Google Photos 管理功能面向 AI Pro 和 Ultra 用户，目前仅限美国地区、仅支持英语。用户需要将 Google Photos 与 Gemini 关联，之后在 Gemini 应用顶部打开 Spark 功能，即可等待推送。
一个值得回味的细节是：谷歌早在 2024 年就开始测试 Ask Photos 功能——用自然语言搜索照片，比如“找一张有沙滩和狗的照片”。2026 年 3 月，谷歌还因为用户投诉 AI 搜索太慢、不够精准，被迫在搜索界面加了一个“切换回经典搜索”的按钮。从那时到现在，不过半年时间，谷歌已经从“帮你搜照片”进化到“帮你改照片、整理照片、安排行程”。
这种进化速度本身，就是一个信号。
从“搜照片”到“管照片”：AI 角色的质变
理解这次更新，不能只把它看作 Google Photos 多了一个功能。核心变化在于：AI 的角色从“搜索工具”变成了“个人数据管家”。
过去的 AI 图片功能，无论是谷歌的 Magic Editor、苹果的 Clean Up 工具还是 Adobe 的 Firefly，本质上都是“工具型 AI”——你告诉它做什么，它执行单一步骤。你可以让 AI 移除背景、消除路人、调整光线，但操作完，你的照片管理任务就结束了。
Gemini Spark + Google Photos 的突破在于“工作流”。它不止能编辑一张照片，还能根据你的指令执行一个完整的多步骤任务链：识别照片内容，提取关键信息，执行编辑，归类到相册，同步到日历，生成共享链接。这意味着 AI 的理解力从“像素层”跃升到了“语义层”——它读得懂照片里的信息，而不只是像素分布。
一个典型案例：演唱会海报识别。传统的 AI 图片识别能做到“这张图里有一张海报，海报上有文字”。但 Gemini Spark 能做到的是“这张海报上写着 2026 年 10 月 15 日在麦迪逊广场花园举办演唱会，创建一个日历事件，提醒我买票，把这张海报加入‘2026 演唱会’相册”。从识别到行动，一步到位。
谷歌还强调，所有编辑操作都会生成新的副本，原始照片不会被修改。隐私层面，用户可以在 Gemini 设置中随时断开 Photos 连接。
Gemini Spark 可以同时跨应用执行任务：从照片中提取文字写入 Docs，将截图中的收据信息导入 Sheets，再把整理好的相册通过 Gmail 分享——这些在一条提示词内即可完成。
竞争格局：谷歌的“回忆数据”护城河
自然语言驱动的照片管理，正在成为 AI 巨头们的新战场。
苹果在 WWDC 2026 上展示了更激进的 AI 照片编辑方向——iOS 27 中，用户可以用自然语言描述对照片的修改意图。但苹果的路线更偏“编辑”而非“管理”：更关注如何用 AI 改变照片内容，而非跨应用的异步工作流。
微软尚未在 Copilot 中推出类似的 Google Photos 级整合，其 Microsoft Photos + Copilot 组合已具备基本的自然语言搜索能力。但微软缺乏谷歌在“照片 + 日历 + 邮件 + 共享”生态链条上的完整度。
真正的差异化在于：谷歌拥有 Google Photos 这个全球月活用户约 15 亿的平台（Petapixel, 2025 年 5 月），加上 Gmail、Google Calendar、Google Drive 形成的数据闭环。这是苹果和微软短期内无法复制的优势——谷歌手中握着全球最大的个人照片库，15 亿用户的回忆资产。
更关键的是，Gemini 自身的用户规模正在快速追赶。据福布斯中国报道，Gemini 应用在 2026 年 8 月正式突破 10 亿月活用户，成为谷歌史上增长最快的产品。Google Photos 的 15 亿用户与 Gemini 的 10 亿用户形成的高价值交叉池，是谷歌布局“AI 管家”最核心的用户底座。
为什么只给 Pro 和 Ultra 用户？
谷歌把 Spark 的 Google Photos 功能限制在 AI Pro 和 Ultra 订阅上，不是一个随意的决定。
AI Pro 每月 19.99 美元，AI Ultra 每月 199.99 美元。对于一个定价如此之高的 AI 订阅来说，单纯的聊天功能已经不足以支撑用户的付费意愿。谷歌必须让订阅用户感受到“这笔钱花在了哪里”——能帮我管理最私密数据的 AI，比一个能写诗的 AI 更让人愿意付费。
让 Gemini 学会管理照片，本质上是让两个产品产生化学反应的催化剂：你在 Photos 里用得越顺手，就越离不开 Gemini；你越依赖 Gemini，就越不可能降级到免费版。这种“能力锁入”效应，比任何营销推广都更直接有效。
从商业模式角度看，AI Agent 正在从“算力付费”转向“能力付费”。用户不再只是为 Token 使用量买单，而是为 AI 能替他们少做多少事买单。Google Photos 整合是谷歌证明“Gemini 值得每月 20 美元”的关键一役。
技术前提：Gemini 3.5 Flash 的速度突破
这一功能能够落地的技术前提，是 Gemini 3.5 Flash 的推出。谷歌在 I/O 2026 上发布了该模型，称其生成输出 Token 的速度约为其他前沿模型的 4 倍，专为 AI Agent 和复杂工作流场景构建。
照片编辑和相册管理涉及多重能力：多模态理解（看懂图片内容）、推理（理解用户意图）、工具调用（执行编辑、创建事件）。这需要模型在多个维度同时保持高质量输出。Gemini 3.5 Flash 在速度上的突破，使得“实时响应 + 后台持续运行”的双轨工作流成为可能——用户发出指令后秒级反馈编辑结果，同时 Spark 在后台继续整理剩余照片。
这也是为何谷歌将 Spark 定位为“全天候运行”而非“实时对话”。前者意味着 AI 可以在你睡觉时整理完所有照片，后者只意味着 AI 在你说话时才有用。两种定位，本质上是两种产品哲学。
这意味着什么
谷歌正在做一件此前苹果和微软都没有做到的事：把 AI 从“你说一句，它动一下”的被动工具，升级为“你提一个需求，它全包”的主动管家。
这对行业意味着两件事。
第一，AI 竞争正在从“模型参数竞赛”转向“Agent 工作流竞赛”。谁能把更多的个人数据场景串联起来，谁就能在用户的生活中占据更大的入口。GPT-5 的参数是 10 万亿还是 20 万亿，用户不关心；但“帮我整理这个月拍的所有照片并分享给家人”能不能一次完成，用户非常关心。
第二，订阅制的商业模式正在从“算力付费”转向“能力付费”。用户不再只是为 Token 使用量买单，而是为 AI 能替他们减少多少工作量买单。Google Photos 整合是谷歌证明“Gemini 值得每月 20 美元”的关键一役。
对于直接竞争者而言，苹果拥有硬件生态和隐私信任的护城河，微软拥有企业数据和办公场景。但谷歌手中握着全球最大的个人照片库——15 亿用户的回忆资产。谁更擅长处理“人的记忆”，谁就更有可能在个人 AI 管家的战争中占得先机。
照片不会说话。但 AI 已经开始替它们说话了。
快报