这是什么

Google 这周开源 ARTEMIS，在自家 100 多项任务的基准上跑出 99% 完成率——数字亮眼，但基准是 Google 自己设计的，第三方还没验证。

ARTEMIS 核心能力一句话：给它一句自然语言指令，它就在一部 Android 手机上完成跨应用操作——改设置、跨 App 搬运数据、跑完测试流程——不需要人预先写脚本。

几个值得拎出来的设计：

双模式执行：简单任务走 Flash（3-5 秒/步），复杂任务走 Pro（15-40 秒/步，带规划和校验的多智能体协作）。本质是用两套架构应对“双峰分布”的任务复杂度。

原生 MCP 集成（MCP 是让 AI 模型调用外部工具的统一协议）：对接 Claude Code、Windsurf 等 AI 编程工具，写代码的同时可让 AI 在真机上跑测试。

代码层面：ARTEMIS 标注包含 Minitap 公司 mobile-use 项目的代码，不是从零发明。增量主要在工程整合和模式拆分。

行业怎么看

支持声音：Google 选择开源，把“AI 操作移动设备”视为基础设施级能力，让生态先长出来。MCP 集成降低开发者门槛，99% 完成率如果属实，Agent 在受限场景下的可靠性已接近传统脚本自动化。

但值得保留几分清醒：

基准 99% 不等于生产 99%。AndroidWorld 是 Google 自家设计，App 选择和任务对 Agent 友好。真实企业 App 更复杂、版本碎片化更多，生产完成率可能掉到 70-80%——大模型基准惊艳但落地折戟的常见模式。

真正瓶颈在工具链，不在模型。难点不在“理解指令”，在“准确识别屏幕元素”“处理弹窗和异常”。ARTEMIS 主要靠 accessibility 树（系统给视障用户的结构化界面信息）做定位，国内 App 对无障碍支持不完善，这条路径在中国可能直接失效。

移动测试是利基市场。ARTEMIS 真正的潜在影响是把能力下沉到客服、数据采集、跨应用工作流——但这些场景的合规和可靠性要求远高于测试。

对普通人的影响

对企业 IT：移动 App 测试团队最直接受影响。如果能在基准外保持 80%+ 完成率，可减少手工测试人力，团队角色从“写脚本”转向“设计测试场景”。短期更可能是辅助 QA，而非完全替代。

对个人职场：我们注意到，移动 App 开发、测试、产品迭代的人值得跟踪。3-6 个月内头部互联网公司招聘可能开始出现“AI Agent 集成”相关要求。越早理解 Agent 工作流的人在团队调整中越主动。

对消费市场：C 端用户短期不会直接感受到 ARTEMIS。但它是“AI 替你操作手机”这类产品的技术底座——当某个 App 宣称“一句话帮我订咖啡、查账单、填表”，背后大概率是这类技术。未来 12-18 个月值得观察哪家国内厂商先做出真正可用的消费级 Agent 产品。