AI行业这两年的走向，让人越来越摸不着头脑。

大模型的能力曲线在陡峭地向上攀升。推理、长上下文、多模态、工具调用，各项指标不断刷新着榜单。Agent框架也早已从实验室的玩具，变成了业界公认的基础设施。

但这些升级，普通用户基本没感觉。对大多数人来说，这些AI技术仍然藏在一个孤零零的对话框里，像个英雄无用武之地。

这就构成了当下AI行业最吊诡的“参数悖论”：模型在刷榜，场景却在空转。怎么解决这种“参数越强、体感越弱”的反差，成了今年WAIC上绕不开的核心话题。

7月13日，阶跃星辰用一场发布会，给出了自己的答案。

关注行业动向的读者应该已经注意到了，当晚阶跃在发布会上甩出了几个王炸。

一口气发布了全球首款大模型原生AI终端品牌STEPX、全球首个智能体原生操作系统Step AOS、新一代个人智能体阶跃Amoo。其中最引人瞩目的，当然是首次亮相的大模型原生智能体手机——STEPX Neo。

至此，这家向来低调的模型公司，正式补齐了从模型、系统到终端的“模软硬”三位一体闭环。STEPX Neo也获得了首批《人工智能终端智能化分级》系列国家标准L3级别测试证书，这是当前开放测试的最高级别，称得上是AI终端智能化水平的国家级标杆。

在WAIC现场，我们把生活交给了STEPX Neo

STEPX Neo出现在今年的WAIC现场，关注度极高，展台前围满了观众。它也是WAIC十大“镇馆之宝”之一。

它到底和过去印象里的AI手机、AI眼镜之类的产品有什么不同？

先说体感：快速，智能，懂你。

在WAIC展台现场，我们尝试把一件生活琐事交给STEPX Neo：“帮我找个地方给车充电，再点杯喝的送到家。”

执行过程中有个细节值得注意：STEPX Neo并没有像传统GUI Agent那样，逐屏识别、逐步点击。在查询充电桩、调用点单服务等环节，它可以直接调用支付宝等软件开放的服务能力。任务执行从模拟人工操作，转向了结构化的服务调用，减少了界面变化和长链点击带来的不稳定性，跳出了过去那种“脚本式”的执行逻辑。

另一个功能让我们发现，Amoo对多模态信息的识别以及与任务的相关性执行，做得相当出色。一句话，就能实现看到演唱会海报，直接完成抢票、定机酒的一条龙操作。

一切水到渠成。在几乎没有意识到的情况下，就已经迈入了一种人与智能体、人与终端全新的交互模式。

这正是阶跃强调的转变——智能体时代交互范式的转变，从“过程交互”走向“结果交互”，开创了AI时代交互的“iPhone时刻”。

过去我们操作手机，本质是替机器把一个大任务拆成几十个小指令，App与App之间的墙，最后都得靠我们用手指去翻越。而在Step AOS上，你只需要把意图说清楚，推进各种步骤和App协调的苦力活，交给智能体。用户关注的，不再是操作的过程，而是心想事成的结果。

再比如，公司同事Frank急着催要一份文件，但自己也忙得够呛。在这种场景下，Amoo就成了忙碌工作中的救星。它知道公司的地址，算好距离和费用，直接呼叫跑腿。

当生活中的偏好，能在用户许可的边界内被系统理解，Amoo就不必每次都从“你想喝什么”开始问起。它可以根据长期偏好和实时场景，准备好合适的选项。看起来只是少点了几次屏幕，背后却跨过了记忆、决策、服务调用和权限控制四个环节。

这也解释了为什么阶跃没有把Amoo定义为另一个语音助手。助手等待明确指令，完成一个动作；智能体理解一个人，在持续上下文里推进一件事。两者的差距，根植于底层系统，在于它是否拥有一条完整的行动链路。

STEPX Neo这部终端里的个人智能体阶跃Amoo，“养”得越久，就越懂你。这几乎是理解阶跃STEPX整套产品哲学的钥匙。

原生AI终端，让智能体成为原住民

智能体要真正走进日常生活、走进真实世界，需要翻过三堵墙。

这三堵墙，都不是靠模型再多几个参数、或者在某个App里多加一个AI按钮就能推倒的。

行业里主流的做法是“OS+AI”，在现成的安卓或Linux系统上，给智能体开一扇门，让它以访客的身份进来打个下手。而阶跃走的是另一条路——不破不立，以“人机共生”为原则，为智能体从零构建了一整套运行环境。

那么，“OS+AI”到底怎么了？

这种方式只是让传统系统获得一些智能，却并非以智能体交互为中心的新模式。举个例子，Apple Intelligence就是经典的“OS+AI”路线。苹果通过将生成式模型接入Siri、写作工具和系统应用，并尝试让开发者开放应用能力，使AI能在iOS生态内完成更多任务。

但即便号召力强如苹果，仍未能够实现“软硬模”的打通。在更复杂的任务上，苹果仍需要引入ChatGPT、Gemini这类第三方大模型。外部模型补齐了能力，却也让用户感受到模型切换与功能边界，软、硬件与模型之间尚未形成一套完全统一的体验。

在WAIC上，我们发现，在AI手机这一产品方向上，除了传统的“OS+AI”路线，也出现了一条以豆包手机为代表的“能力嫁接”路线。模型公司、硬件企业以及软件生态的深度合作，成为一种智能体终端更快速的探索方式。

这种模式能够快速将智能体能力引入手机，但未来的挑战也很明显：智能体、系统软件和硬件很难深度绑定，深度融合。

智能体不是一个开箱即用的完美产品，它更像一株需要你亲手去养的植物。人机共生，共生的核心，落在“共”字上。应用和系统相互隔离，智能体能力无法共享，就谈不上“共生”。

“在旧系统上给智能体开一扇门，它永远是访客。为智能体盖一座房子，它才是原住民。”

阶跃搭建了Step AOS，面向智能体重新组织底层资源，向下兼容Android、Linux、RTOS等系统，让Agent在不同终端上拥有一致的运行逻辑。

其核心可以概括为三层变化：新设施、新能力、新交互。

重排智能体使用资源的方式

先看新设施。传统操作系统把计算、数据、应用和服务分别交给不同模块管理，Step AOS则把它们加工成智能体可以理解和调用的资源。

在计算侧，统一计算资源池负责调度CPU、GPU、NPU等异构算力。即时、隐私敏感的任务优先在端侧完成，需要复杂推理和多步规划时，再由云端模型接手。端和云不再是两套割裂的能力，而是同一个智能体的“快反应”与“深思考”。

在数据侧，统一语义数据层把感知信息、用户行为和个人数据，转化为智能体可理解的语义信息。对Agent来说，它面对的不再是一个个彼此封闭的文件和字段，而是与时间、人物、场景和任务有关的上下文。

在应用与服务侧，原子能力引擎把原有系统功能和外部服务，拆成可调度、可编排的能力单元。阶跃与携程、支付宝、滴滴、美团等首批生态伙伴的合作，采用协议接口而非简单模拟GUI点击。这样做，让服务调用拥有更明确的数据边界、授权机制和执行反馈。

比如作为媒体，探展之后面对手机里堆积的照片、零散的记录，整理素材往往是一项令人头疼的工作。但在系统级资源调动的能力加持下，这些繁琐步骤可以被串联起来：Amoo能调用系统中的应用和数据，结合阶跃强大的多模态基座模型，理解你的探展路线，自动匹配不同时间拍摄的照片，甚至可以识别并筛掉模糊、重复的低质量素材，匹配过往的写作习惯，一键一句话搞定。

支撑这些调度的，是阶跃的“1+N”模型矩阵。其中，Step Edge是专为终端定制的端侧基座模型，覆盖图像理解、GUI定位、工具使用、空间推理等能力，可以独立完成轻量任务，并在复杂场景下与云端旗舰模型协同。按照阶跃披露的数据，本地工具调用可低至百毫秒，简单任务的端侧执行成功率超过99%。

系统级资源经过重新组织后，Step AOS与智能体Amoo，才有可能接住那些步骤繁多、横跨多个应用的复杂任务。

给智能体补上记忆、决策与安全

地基重铺之后，Step AOS要补齐的是智能体真正进入生活所需的新能力。

首先是记忆。Step AOS设计了“双域三步”记忆结构。用户域用于理解人的身份、偏好和情境，智能体域则沉淀它自己的知识与经验；记忆按照“记、理、忆”三步运行，在交互中记录，在后台整理，在需要时召回。按照阶跃公布的测试结果，这套能力在PersonaMem、LongMemEval等国际评测上达到SOTA，日常问答的最快记忆召回时间为15毫秒。

其次是决策。端侧Step Edge等模型负责唤醒、设闹钟、找照片等需要快速响应或涉及敏感数据的任务，复杂推理和多步骤规划再交给云端旗舰模型。端侧即时任务可在百毫秒级完成，执行成功率超过99%；Step Edge在29项端侧模型基准中位列同类模型第一。

最后是安全。原子能力和系统级权限让智能体可以跨服务执行任务。但行动能力越强，安全越不能只靠一次笼统授权。Step AOS为此提出“可信、可见、可控、可逆”四维安全体系：操作在可信环境中完成，步骤可以审计回溯，权限按需授予、用完即收，误操作则可以撤回。阶跃还联合上海人工智能实验室发布智能体系统安全白皮书及端侧大模型网络安全指南，并参与相关国家标准研制。

WAIC现场的基础演示，刻意选择了“删除相册最后一张照片”。操作完成后，用户可以进入安全中心查看完整行为记录，并撤回刚才的操作。这是一套完整链路的安全策略，让智能体的每个操作透明、可查询，给足用户安全感。

把“操作软件”改成“交付结果”

有了新设施、新能力，阶跃Step AOS最终才能够实现开创“结果交互”的新范式。

多模态让智能体理解语音、文字、图像和当前屏幕；上下文记忆补上用户没有说出口的身份、偏好与情境；结果交付再把一个意图拆成计划、调用和确认。

所以，“结果交互”并不是手机取消界面，也不是用户从此不再参与过程。相反，系统需要把过程隐藏到恰当的程度：低风险、可逆的步骤自动推进，高风险的步骤及时确认，任务结束后再交付清晰结果。自动化太少，用户仍在替机器跑流程；自动化过头，用户又会失去掌控。

这也是Agent与传统App最显著的分界线。App把一种功能做成固定页面，用户自己决定调用顺序；Agent接收的是目标，它要根据情境临时组织功能。印奇在WAIC主论坛演讲中给出一个乘法关系：Agent能力 = 模型能力 × Agentic OS能力。任何一项不够强，模型的聪明都难以稳定转化成能力输出。

这是“结果交互”最出色的展示。用户只关心最终的汇报内容，而Amoo能直接替你综合信息、汇报改期，甚至直接完成汇报PPT的制作。不管过程如何，用户只需要得到一个完美的结果，这正是Step AOS和智能体Amoo能够做到的事。

“智能体，正在成为生产力的最小单元。”一个能感知、记忆、规划和执行的Agent，开始承担过去由用户在多个App之间手工完成的组织工作。手机从软件入口变成行动节点，这才是阶跃打造“原生AI终端”的意义。

“模软硬”三位一体，打造下一个“iPhone时刻”

把镜头拉远，阶跃打造一个全新的AI终端品牌，不只是造一部手机的事。

过去这一年，模型行业的空气里一直飘着一种焦虑。头部玩家陆续上市，生态越来越卷，基座模型之间的差距肉眼可见地在收窄。就连OpenAI和Anthropic这类顶级选手，都在考虑向硬件方向延伸。

2026年1月，印奇正式出任阶跃星辰董事长。印奇说，他的加入本质上是在加速一个既定战略的落地。也正因如此，阶跃过去一直很低调，直到这个节点，“我们已经准备好了，能够展示出我们整个战略全景”。

阶跃始终相信的路径，正是“模软硬”三位一体。模型是智能体时代的大脑，阶跃用Step AOS给了它四肢、神经和免疫系统，而终端，是把这个聪明的大脑真正带进物理世界的身体。

2007年的iPhone并没有发明触摸屏，也没有发明移动网络。它真正改变行业的，是把芯片、屏幕、操作系统、应用生态和多点触控，组织成一种普通人不需要说明书也会使用的体验。

AI的“iPhone时刻”也不应由某个模型多拿几分或某场Demo多跑几步来定义。模型、多模态、长期记忆、端云协同、工具调用，这些都只是技术基础。只有当一家公司把它们装进一个稳定、自然、可信的产品，让没有提示词知识、不了解模型架构的人也能使用，前沿技术才完成了从实验室能力到大众产品的最后一跃。

从这个角度看，STEPX Neo正是智能体“iPhone时刻”的起点。它证明了一家公司可以同时从模型、系统和硬件三个层面定义智能体体验，也让原本高高在上的模型能力，有了普惠所有人的终端形态。

人们不必知道端侧模型如何路由，也不必理解双域记忆和原子能力，只要一句自然的表达就能获得结果，并且随时知道机器做了什么、能让它停下来、也能撤回错误。若这件事由中国公司依靠自己的模型、系统、供应链与服务生态完成，它所走出的，才是一条真正属于中国的产品道路。

更不一样的是，阶跃同时握住了模型、系统和硬件的三张王牌。

也许有一天大家会发现，在智能体手机时代，是中国真正定义了下一代的产品体验，成了未来十到二十年的新范式。

正如印奇在WAIC演讲中所言：“AI最重要的意义，不是替代人，而是放大每个人的能力。”