AI 終端混戰(zhàn)：誰在做加法，誰在重寫規(guī)則

“從如何「拆 app 的墻」到重新定義交互規(guī)則。”

作者丨張進

編輯丨林海峰

繼 OpenAI 近日被曝正在加速研發(fā)首款 AI 智能體手機之后，又一模型廠商入局 AI 終端賽道。

7 月 13 日，基礎大模型公司階躍星辰（以下簡稱“階躍”）在上海舉辦“新一代智能體戰(zhàn)略發(fā)布會”，正式推出其首個大模型原生 AI 終端品牌 STEPX，并同步推出全球首個智能體原生操作系統(tǒng) Step Agentic System（也即“Step AOS”），以及個人智能體 Amoo 和首款大模型原生智能體手機 STEPX Neo。

過去一年，AI 終端賽道持續(xù)升溫，AI 眼鏡、AI 耳機、AI 玩具等品類投融資事件不斷，國內外廠商也紛紛加碼，例如理想汽車推出 AI 眼鏡 Livis，阿里一次性發(fā)布 6 款夸克 AI 眼鏡，Google 首次公布智能眼鏡 Project Aura 的關鍵細節(jié)，榮耀另辟蹊徑推出機器人 Robot phone。而隨著字節(jié)的豆包手機上市后在二手市場火熱，這場 AI 終端熱潮達到新的高點。

進入 2026 年，OpenAI 被曝正在加速研發(fā)首款 AI 智能體手機，目標在 2027 年上半年實現(xiàn)量產(chǎn)；近日，階躍也正式入局，推出首款 AI 智能體手機及配套終端布局。兩大模型廠商同步加碼，全球 AI 產(chǎn)業(yè)的競爭正從模型能力的比拼延伸至終端入口的競爭。

在多方混戰(zhàn)中，因各自站位不同，布局 AI 終端背后各有考量，使用的戰(zhàn)略和技術方案也各異。

01

多方入局 AI 終端混戰(zhàn)：

模型廠商和手機廠商最焦慮

多方下場，其中行動最激進的當屬 OpenAI。

7 月 10 日，蘋果公司向美國加州北區(qū)聯(lián)邦地區(qū)法院提起訴訟，指控 OpenAI 及其多名高管聯(lián)同蘋果前員工，在挖角過程中系統(tǒng)性竊取蘋果公司硬件核心技術。蘋果在訴狀里直接指出，這不是個別員工的小動作，而是 OpenAI 高層授意的系統(tǒng)性盜竊。

OpenAI 正不惜代價、大舉進軍 AI 手機賽道，其野心昭然：想打造“模型+系統(tǒng)+硬件”閉環(huán)，復刻蘋果模式。

其最大的軟肋是沒有自有分發(fā)渠道，ChatGPT 依賴蘋果、谷歌的應用商店與操作系統(tǒng)，掌控權在他人手中，隨時可能被降權。

而 OpenAI 下場做硬件，本質是想擺脫“寄生在他人系統(tǒng)里的 app”身份，直接成為用戶第一入口，從而繞開應用商店的審批與抽成。通過硬件建立用戶粘性和數(shù)據(jù)閉環(huán)，避免淪為無定價權、無用戶關系的純 API 供應商。

相較 OpenAI，蘋果焦慮更甚，硬件人才頻繁被模型巨頭挖角，傳統(tǒng)手機業(yè)務受 AI 沖擊，必須向 AI 手機轉型。蘋果布局 AI 手機是防御性的，核心是守住已有的 iOS 系統(tǒng)和 iPhone 硬件構成的現(xiàn)有入口（它缺的只是模型能力），從而避免下一代交互方式被 AI 企業(yè)搶占。

如果有一天，用戶打開手機，第一個看的不是iOS或Android界面，而是 OpenAI 的 AI 層，游戲規(guī)則徹底改變：這意味著 AI 助手取代操作系統(tǒng)變成連接人和手機的“真正的交互入口”，如果蘋果的 AI 能力跟不上，哪怕用戶手里的設備依然還是 iPhone，實際的交互權也會旁落到別的 AI 上，iPhone 就從入口退化為“一塊屏幕”。這時，誰的 AI 能力更強，誰就接近真正的“入口”。

這是傳統(tǒng)手機廠商面臨的共同焦慮，以至于國內小米、華為、oppo 等一眾手機廠商近幾年紛紛加大在 AI 上的投入。

在這場終端入口爭奪戰(zhàn)中，占據(jù)了硬件和操作系統(tǒng)生態(tài)的頭部手機廠商擁有天然優(yōu)勢，但硬幣擁有兩面，對于蘋果、小米這樣的巨頭來說， app 生態(tài)成為轉型過程中最大的掣肘。

“一句話”操作 app 這種交互方式，本質上是讓 AI agent 代替用戶完成操作，繞開了 app 原有的界面與交互路徑。這意味著開發(fā)者精心設計的產(chǎn)品體驗、廣告位、內購轉化等環(huán)節(jié)都可能被架空，因此這種模式必然會遭到 app 開發(fā)者的抵制，手機廠商也不得不權衡開發(fā)者的利益。

為了不跟 app 廠商正面沖突，一些頭部手機廠商設計智能體手機時選擇“MCP 協(xié)議方案”——把 app 功能變成可被 AI 跨應用調用的模型，但需要 app 廠商“主動開門”，可因為數(shù)據(jù)隱私與流量入口等問題，目前愿意開門的很少。

美國市場則不同，在跟 app 廠商博弈中，蘋果和 Google 手機更加強勢，直接從操作系統(tǒng)入手，逼著所有 app 把門打開。

例如蘋果開發(fā)了一套 app intents 框架，你的 app 想被 Siri 調用，就必須按照蘋果的規(guī)則，把“發(fā)郵件”“改照片”這些能力一一登記下來。代價是這套遷移需要時間，開發(fā)者得一個個功能地去改。

Google 手機走的是“A2A（智能體互聯(lián)）”路線——在操作系統(tǒng)層面定義一套新規(guī)則，讓 app 主動開放接口，并在其監(jiān)督下被調用。這套規(guī)則能被推行，關鍵在于操作系統(tǒng)對應用生態(tài)的協(xié)調權：App 廠商要在安卓生態(tài)內生存，就得適配這套新規(guī)。

當前最直接有效的方法是豆包 AI 手機采用的“GUI Agent + 系統(tǒng)級權限”路線。去年年底，“豆包” AI 手機橫空出世，迅速引爆科技圈，首批 3 萬臺在發(fā)售當日售罄。

其硬件配置并無驚艷之處，引發(fā)討論的是其內置的 AI 助手“豆包手機助手”實現(xiàn)了跨應用自動執(zhí)行復雜任務，用戶只需要對豆包手機助手說一句“幫我訂一杯最便宜的咖啡”，它便能在多個外賣平臺間比價、下單，全程除了付款只需要人工確認一步，其余全自動完成。

這種復雜長鏈條的跨 app 編排能力，此前手機廠商在發(fā)布會 PPT 上講了很多年，豆包是第一個相對流暢落地的。

“GUI Agent + 系統(tǒng)級權限”路線的關鍵是豆包拿到了 Android 系統(tǒng)的高危權限 INJECT_EVENTS 權限，相當把豆包助手設置成了操作系統(tǒng)的一部分，允許它像人一樣點擊滑動、輸入。這樣智能體在操作手機時，不需要 app 廠商配合開放接口，便能隨意操作任何 app。成功繞開了 app 接口授權難題。

但該路線本質是應用層整合而非底層技術突破，一旦 app 廠商針對性防御，這個方案就會失靈：上市僅僅幾天后豆包 AI 手機便遇阻，微信、淘寶、美團等頭部 app 紛紛限制其登錄和 AI 操作，理由是安全風控。

在設計 AI 智能體手機時，無論是 MCP 方案，蘋果的 app intents 框架，還是豆包的“GUI Agent + 系統(tǒng)級權限”的路線，本質都是為了拆掉系統(tǒng)里 app 的圍墻，方便各家的智能體調用。

而大模型廠商階躍不同，他們認為智能體時代，真正的 AI 終端，應該從“重構其底層范式”出發(fā)——讓系統(tǒng)就不能只為“人”而造，一個“人機共生”的系統(tǒng)尤為關鍵。

所以選擇從零打造一個為智能體設計的生存環(huán)境：不是“給手機加 AI”，不是“讓智能體當訪客”，而是“讓智能體成為系統(tǒng)的原住民”。全球首個智能體原生操作系統(tǒng) Step AOS（Step Agentic-native OS）應運而生。

02

范式革命：從零打造一個智能體系統(tǒng)

當前行業(yè)的“AI手機”，普遍做法是“傳統(tǒng) OS + AI”——把大模型接入操作系統(tǒng)，但智能體在系統(tǒng)里永遠是一個訪客，無法突破三堵墻的障礙。

記憶墻、決策墻和行動墻。智能體記不住用戶，難以自主完成復雜任務的判斷，更無法系統(tǒng)的替用戶完成各種任務。

這三堵墻是過去六十年里人機交互的慣性產(chǎn)物，要打破這三堵墻，重點在于“人和終端和智能體的交互”。而Google “A2A”、“GUI Agent + 系統(tǒng)級權限”等前述方案本質上都是在舊系統(tǒng)上給 AI 打補丁，還是「人的操作」。

為此，階躍從零打造了智能體原生操作系統(tǒng) Step AOS（Step Agentic-native OS）。

Step AOS 整體由階躍 Step 模型矩陣提供能力支持，階躍智能體原生 OS（Agent-native OS）提供行動底座。這是?業(yè)唯?的 AI×OS 的乘法架構，而非簡單的 AI+OS 的加法疊加，從而帶來指數(shù)倍的系統(tǒng)能力提升。（如下圖所示）。

Step AOS 與其他方案最根本的區(qū)別在于：它為了智能體的完美運行，從零開始重構系統(tǒng)底層，將模型作為“大腦”，全面貫穿智能體完整能力鏈路的各關鍵節(jié)點。

這帶來智能體的三層革新：新設施、新能力、新交互。

新設施是指，傳統(tǒng)操作系統(tǒng)的?切資源都圍繞“?操作應?”來設計，Step AOS 則專?為智能體重新分配硬件資源、重新調度Android、Linux、RTOS 等系統(tǒng)能力。其中，原?能?引擎將原有系統(tǒng)的功能和服務拆解為適合 agent 調度和編排的原?化服務，并提供?效服務引擎和同意協(xié)議開放平臺，向?態(tài)開放。

在此之上，帶來記憶、決策執(zhí)行與安全三大關鍵技術能力。記憶讓智能體真正懂??，決策與執(zhí)?讓它?效替??辦事，安全讓??放?把?動權交給它。

記憶方面，Step AOS 構建了雙域三步記憶結構：??域讓智能體記得??、理解??，智能體域讓其??知識與經(jīng)驗持續(xù)成?。

記憶遵循“記―理―憶”三步鏈路，?常交互中隨時記錄，后臺?動整理沉淀，需要時精準召回，???需反復交代，智能體越?越懂你。該能?已在 Personamem、LongMemEval 等國際評測基準上達到 SOTA ?平，?常問答記憶召回最快僅需 15 毫秒，為同類最快。

通過上述智能體能力的提升，Step AOS 重新定義了?與機器的相處?式——交互的部分重點不在于 agent 協(xié)議、A2A 交互等發(fā)生的變化，而在于人和終端和智能體的交互范式的變革。即人給予更少的輸入，智能體根據(jù)上下文記憶、主動行動等，提供更多的輸出。

其核心設計是交互范式從“操作驅動”轉向“意圖驅動”。傳統(tǒng)操作系統(tǒng)中，用戶通過 GUI 逐步下達操作指令，在智能體的 NUI 交互中，用戶只需表達任務意圖，理解、規(guī)劃、執(zhí)行的完整鏈條由智能體承擔。

這一范式轉換在信息流上表現(xiàn)為輸入與輸出的比例反轉。傳統(tǒng)交互中，用戶需通過大量操作來輸入信息，機器僅被動響應，輸出有限。在智能體交互中，用戶的輸入被壓縮至一句意圖表達，記憶會自動補全用戶身份、偏好與情境等其他輸入；同時，智能體的主動思考使輸出顯著增加：任務規(guī)劃、執(zhí)行進度、推理依據(jù)乃至主動建議。

驅動這?切的，是階躍星?覆蓋基礎模型與多模態(tài)模型的 Step“1+N”模型矩陣。其中，剛剛發(fā)布的 Step Edge 端側基座模型專為終端硬件定制，在 29 項權威基準評測中位列同類端側模型第?。

Step AOS 不是讓一個大模型干所有事，而是一個模型矩陣讓每?件事都有最合適的模型。這是階躍作為?模型公司的原?優(yōu)勢，終端?商不具備、也建不起來的壁壘。

基于 Step AOS 的三層能力，階躍同步推出的新一代個人智能體階躍 Amoo，擁有操作系統(tǒng)級?份，能夠跨應?調度、端云協(xié)同，并在多臺設備間?縫接續(xù)任務。Step AOS 已經(jīng)搭載于同場亮相的大模型原生智能體?機 STEPX Neo。

STEPX Neo 通過了首批《人工智能終端智能化分級》系列國家標準 L3 級別測試，這也是當前開放測試的最高級別。截至目前，STEPX Neo 是已公開唯一獲得 L3 級證書的智能體手機。

?此，在 AI 終端，階躍構建起從模型、系統(tǒng)到終端的“模軟硬”三位?體技術閉環(huán)。

03

智能體時代，一個“共生”的未來

雖然做“智能體時代唯一的用戶入口”極具吸引力，但勢必是對現(xiàn)有商業(yè)世界的一場龐大變革，似乎還太遙遠。所以，這場 AI 終端入口的競爭，目前更多是被“恐懼”所推動。

手機廠商怕淪為純硬件公司，大模型公司不想淪為無定價權、無用戶關系的純 API 供應商，兩股恐懼匯入同一條賽道。

當年 Nokia 認為 Android 不一定是自己的方向，沒能及時轉身，被拋棄在智能手機時代之外。今天，蘋果面臨同樣進退兩難的境遇：既想保住 iOS 的封閉生態(tài)，又想抓住 AI 時代的機會。手機廠商的困境不是看不清方向，而是受制于現(xiàn)有的收入結構和組織關系，被綁住了手腳。

只有如階躍這樣沒有負擔的大模型廠商，一上來就對操作系統(tǒng)底層“動刀”，也才可能造出真正的 AI 終端新產(chǎn)品。

而在這場競爭中，app 廠商的處境比較微妙，一直是移動互聯(lián)網(wǎng)時代規(guī)則的制定者，卻面臨成為“被調用的接口”的威脅，但當下其籌碼還足夠大，它們手里握著的內容和服務本身仍不可替代。

在階躍看來，智能體之所以能夠理解意圖并且完成任務，是因為智能體在記憶和成長的過程中已經(jīng)完成了大量的前置工作，這就包括對用戶使用 app 的不斷學習、理解和調用。

所以，智能體時代并不意味著 app 會消失，而是以另一種方式存在，更加潛移默化地為用戶提供服務。

與此同時，隨著“人機”關系的改變，在用戶授權信任的前提下，A2A（Agent-to-Agent）會成為新的生態(tài)合作范式。

對于階躍來說，它更希望打造一個“共生”的未來。