階躍入局，重構智能體時代操作系統

衡宇 發自 上海
量子位 | 公眾號 QbitAI

2026年，全球操作系統產業，迎來60年來的最大一次范式重構。

• 榮耀在MWC上海首次提出“Agentic OS”概念，明確要以AI Agent為核心重構操作系統架構
• 華為發布HarmonyOS 7，將“邁向Agent時代”作為核心戰略
• OpenAI在5月下旬展示了一款內部代號為“Atlas Phone”的設備機，明確以大模型為核心重構終端交互架構，加速推進原生Agent體系向終端系統底層滲透
• 蘋果將Siri升級為系統級智能入口
• 谷歌推進Gemini Intelligence深度嵌入Android

從大模型廠商到終端巨頭，幾乎所有頭部核心玩家都在，爭奪下一代操作系統的定義權。

聚光燈也讓一個深層矛盾暴露在行業面前。

今天的智能體不再滿足于聊天與思考，它們已經能夠代人行動、替人做事。

但在硬幣的另一面，如今絕大多數系統依然死死抱守著60年不變的設計原點，即“人點擊、機器響應”的邏輯。

智能體要替人做事，需要跨應用調度、跨設備協同、調系統資源、獲取權限授權、記上下文……基于舊邏輯誕生的操作系統無法給能自主規劃、持續執行的智能體提供足夠的生長空間。

是時候給Agent一套自己的原生操作系統了。

7月13日，大模型領域頭部玩家階躍星辰扔出了重磅炸彈，正式發布面向智能體時代的大模型原生AI終端品牌STEPX，并同步推出全球首個智能體原生操作系統Step AOS（Step Agentic-native OS）。

它把智能體能力的核心概括為一條乘法公式。

△階躍Step模型矩陣 × 階躍Step Agentic-native OS

技術發布中，階躍星辰還同步推出了基于模型矩陣與Step AOS打造的新一代個人智能體階躍Amoo，并同場亮相了大模型原生智能體手機STEPX Neo，宣告構建起“模、軟、硬”三位一體的技術閉環。

終端廠商、互聯網公司都在做AI終端，階躍則是從模型公司位置切進系統和硬件并率先落地的玩家。

這篇文章我們就是想和大家一起討論一下，Agent時代的系統能力，究竟由誰來定義？

舊系統存在困住Agent的三堵墻

過去60年，人機交互從命令行走向圖形界面，再到觸控與自然語言交互，系統服務的對象始終都是人。

但隨著AI技術浪潮一浪高過一浪，Agent成為操作系統新的服務對象。

我們說Agent在舊系統里跑不動，主要基于三點考慮——它們迎面撞上了傳統操作系統中三堵無法逾越的厚墻。

第一堵墻是記憶墻。

傳統OS的數據和生態被天然割裂在各層級的應用沙箱、不同的硬件設備以及各自為戰的賬號體系中。

這導致App級別的Agent注定只能擁有局部記憶。

記憶墻的存在讓數據無法流通，Agent會像患了短期失憶癥一樣，無法在跨應用、跨端之間形成統一、連貫的長期記憶體系。

第二堵墻是決策墻。

Agent的決策天然有快慢之分。

設鬧鐘、找照片、打開設備這類高頻操作，要求端側在百毫秒級完成響應。面對復雜規劃、長文本分析和多步驟任務，系統又需要調用云端推理能力，完成更深的判斷。

一個聰明的Agent決策，既需要端側毫秒級的即時感知與低延遲響應，又需要云端極深層次的復雜推理與全局規劃。

然而，舊系統內部缺乏一套統一、高效的端云協同調度機制，快與慢無法有機結合，以至于Agent在處理跨應用復雜長程任務時效率極其低下。

第三堵墻是行動墻。

在傳統OS上，Agent沒有合法的系統身份，只能悲哀地利用視覺或無障礙通道去模擬人類的“點擊”。

系統根本沒有給Agent留出原生的可信行動通道，更無法賦予它們完整、可管、可審計的超級權限以及操作失敗后的回滾機制。

只會“模擬點擊”的Agent，對“替你辦完事”心有余而力不足。

Agent時代的OS競爭，絕不是簡單的系統入口之爭，更是底層行動環境的范式之爭。

誰能把記憶、決策與行動組織成系統能力，誰才可能定義下一代終端體驗。

模型公司重構系統，核心在“用模型做中樞”

面對三堵墻，行業普遍的做法是走“OS+AI”路線，在既有OS上接入大模型，讓AI以助手、插件或入口的身份出現。

然而在階躍星辰看來，這條路徑能迅速補齊部分體驗，但系統的骨架依然圍繞人和應用設計，Agent無法發揮最大的作用：

在舊系統上給Agent開一扇門，它永遠只是訪客。
唯有為Agent蓋一座房子，它才是原住民。

結合實際需求和自身優勢，階躍推出的定位為全球首個智能體原生操作系統Step AOS，選擇了另一種攻破方式。

“別人在舊系統上加AI，階躍為AI重新設計系統。”

通過向上從零打造Agent的運行環境，向下重構并兼容Android、Linux、RTOS等傳統系統，Step AOS從底座層面將計算、數據、應用與服務三大資源進行了全面重構，模型不再停留在系統表層，感知、記憶、規劃、執行與安全開始由模型能力直接生長為系統原語。

系統設計起點的差別，帶來了Step AOS擊碎“三堵墻”的核心優勢。

1、計算重構：破決策墻，系統供給引擎支撐端云協同

計算層面，系統供給引擎把CPU、GPU、NPU等端側異構算力與云端算力納入統一調度。

針對簡單的設鬧鐘、找照片等即時任務，由專為終端硬件定制的Step Edge端側基座模型在端側百毫秒內閉環，執行成功率超99%，實現零云端開銷與極致的隱私保護。

一旦面對復雜推理與多步編排任務，調度路由會逐級無縫升入云端，交由旗艦模型Pro系列和標準模型Flash系列接管，形成完美的端云協同多腦體系。

通過級聯調度，Step AOS能實現“能端則端、需云則云”。

2、數據重構：破記憶墻，統一語義數據層支撐跨端記憶

Step AOS打破了傳統應用沙箱造成的數據阻隔，建立了統一語義數據層。

該層能對跨應用、跨設備的用戶感知、行為及個人數據進行全量采集與統一匯聚，并加工為語義文件，配合高速混合數據庫極速傳輸，為Agent提供統一記憶的基礎。

對用戶而言，差別在于每次對話不必從零開始，Agent可以理解正在發生的事，也能在長期使用中積累對人的認識。

在此之上，Step AOS構建了“雙域三步記憶結構”。

雙域，指的是用戶域沉淀事實、情景與畫像，Agent域沉淀垂域知識、認知與個性、方法與經驗。

三步，則是通過“記、理、憶”三步鏈路在后臺自動整理演化，形成短期、中期和長期的上下文能力。

相關能力已在PersonalMem、LongMemEval等記憶評測中達到SOTA級表現，簡單問答最快10.3ms召回，復雜任務最快800ms召回。

3、應用與服務重構：破行動墻，原子能力倉庫實現自由編排

Step AOS將現有傳統操作系統中面向人的繁復功能與應用能力，徹底拆解成了數千個系統級和應用級的最小原子化服務能力單元。

通過高兼容性的Agent工具調度框架與統一標準協議（如MCP、A2A協議），階躍Amoo這類超級Agent可以直接調用這些原子能力，根據用戶的復雜意圖自由編排、并行執行任務鏈。

當服務能力可以被統一發現、調度和驗證，Agent就徹底擺脫了模擬點擊的限制，真正擁有了系統級的行動能力。

MCP、A2A、CLI與統一API等協議被納入調度框架，生態服務可以以更適合Agent調用的形式接入。

這也意味著，未來的競爭，會從預裝多少App，逐漸轉向誰能提供更多可信、可組合、可閉環的原子能力。

模型公司做系統，天然具備一項核心優勢：每一項系統能力都有對應的模型深度適配。

在Step AOS里，階躍模型矩陣階作為能力基座，貫穿Step AOS的計算調度、數據處理與服務調用全鏈路。

第一，Pro、Flash、Edge構成分層模型梯隊，分別面向深度推理、常規交互與端側低延遲響應。

第二，音頻、視覺、終端交互等多模態模型共同承擔感知任務。

第三，Agent遇到簡單需求時，端側模型快速執行。遇到復雜問題時，云端模型接手推理與規劃。兩者共享同一套能力體系，系統可以更自然地完成意圖傳遞、上下文接續與隱私邊界控制。

模型公司做系統的價值也在這一層開始顯現——記憶如何注入推理上下文，端云如何切分任務，安全如何介入行動生成過程，都可以由模型側和系統側共同設計。

模型成為了系統架構的發力點。

同時，由于Step AOS提取的是操作系統的資源本質而非依附于特定系統代碼，它天然具備跨終端形態（手機、PC、IoT等）的部署能力，讓設備共享同一套記憶、決策與安全框架。

階躍Amoo正是這一套體系面向用戶的承載者。

它被定義為新一代個人智能體，具備感知、記憶、規劃、連接與執行能力，目標是從被動響應的工具，進化為能長期理解用戶、持續提供服務的Agent伙伴。

AI原生系統的護城河：轉化效率、信任與生態共生

原生AI系統的競爭，本質是“模型能力向系統能力的轉化效率之爭”。

也就是說轉化鏈路越短、耦合越深，那么效率就會越高。

終端廠商和互聯網公司走OS+AI路線，模型作為插件被調用，轉化鏈路長且耦合淺。

Step AOS以模型為中樞，模型能力直接長成系統原語，轉化鏈路極短、極深，這構成了階躍第一重不可逾越的壁壘。

但在極短的轉化鏈路之外，整個AI行業正在面臨一個更宏大的時代命題：

當大模型從“給出建議”走向“執行動作”，我們該如何構建一個人機共生的全新社會協作網絡？

這背后，是所有入局Agent原生賽道的玩家都必須共同跨越的兩道時代鴻溝。

一個是信任，一個是生態。

這兩道關卡無關企業體量與賽道出身，決定了Agent系統能否真正從實驗室走向大眾生產生活，也定義了下一代操作系統的行業底線與天花板。

先來說說信任邊界，這是從“只讀時代”到“讀寫時代”的系統性安全底座。

Agent時代最大的系統性風險，是智能體獲得系統級權限后的失控可能。Agent越能干，其行動權越需要被嚴格治理。

當AI實現屏幕視覺識別、支付操作、信息收發與硬件操控等全維度能力后，面向APP設計的傳統被動式安全防御體系已然徹底失靈。

權限如何按需授予？操作如何可全鏈路追溯？誤操作如何挽回？用戶隱私如何在跨應用調度中不泄露？

目前全行業尚未形成統一的Agent安全治理標準。

人工智能行業也迫切需要從底層搭建全新的可信執行環境，配套完善動態化治理體系。

這并非是某家企業提升競爭力的附加優勢，而是AI從趣味應用進階為核心生產力工具的必備前提，更是構建人機協同社會的根本保障。

正是針對這一行業共同的痛點，Step AOS提出智能體四維安全體系，嚴格踐行了“可信（數據不出邊界）、可見（全鏈路審計）、可控（權限按需授予）、可逆（誤操作一鍵回滾）”的四維行動治理要素。

在Agent能力躍遷的同時，為這個時代的AI行動權劃定基礎紅線。

再來說說生態的打通。

傳統互聯網時代的核心是信息，移動互聯網時代的核心是應用，而Agent時代，核心是任務。

當用戶的使用習慣從逐一打開多款應用，轉變為向智能體下達一條指令，固有的應用壁壘必將被打破，延續了十余年的移動生態邏輯也將迎來底層重構。

未來行業生態不會走向寡頭壟斷的超級應用模式，而是由海量原子化能力、跨終端智能體共同構建、可靈活組合的協同網絡。

這已經成為全球科技產業的共識。近年來MCP、A2A等智能體調用協議相繼涌現，從大模型廠商到終端巨頭都在推動開放標準的建立，目的就是打破封閉的應用圍墻，讓不同體系的智能體與服務能力能夠自由對接。

階躍推進行業生態布局、重點面向能力協議、原子能力與Skill的自由編排，本質上正是響應這一全行業的發展趨勢，參與搭建一個能夠讓多元智能體協作共生的底層網絡。

目前，STEPX與攜程、支付寶、滴滴、美團、WPS等首批生態合作伙伴已達成AI深度合作，輕松實現一站式旅游出行、民生政務、本地生活、辦公提效、內容創作等全場景服務，為用戶帶來AI生態新體驗。

這條從底層重構系統的路徑，也為整個大模型產業的商業化打開了全新的想象空間。

當前大模型行業普遍面臨收入模式單一的瓶頸，純API售賣與上層應用軟件的增長逐漸見頂，而向終端硬件場景滲透、綁定實體產業載體，已經成為全行業探索的新增長曲線。

本次發布會上同場亮相的大模型原生智能體手機STEPX Neo，就是這條技術路徑的首個落地終端。

STEPX Neo 搭載Step AOS系統，內置階躍Amoo，可實現跨應用調度、端云協同決策、多設備任務無縫接續，真正做到替用戶完成全鏈路行動。

階躍用最純粹的AI原生思路，回答了一個行業最基礎的問題：

Agent走進真實世界，誰來提供有記憶、能思能行、可控可信的運行環境？

階躍給出的答案，是讓模型和系統共同成長。

從底層范式推演到終端落地，這也解釋了為何下一代Agent原生系統的率先突破，會誕生于大模型廠商之手。

這不僅是一家模型公司的自我進化，更是整個AI產業邁向AGI深水區的必經之路。

在AI原生紀元的起點，跑通Agent原生系統的玩家，將把握住通往物理世界與數字世界融合的樞紐。