AI終端的「iPhone時刻」什么時候來？我們在WAIC看到了全新的可能

編輯｜冷貓

過去兩年，AI 行業給人的感受越來越割裂。

大模型的能力曲線急劇上揚。推理、長上下文、多模態、工具調用不斷刷新基準，Agent 框架也從實驗項目變成了基礎設施。

但這些不斷提升的模型能力，普通用戶卻沒有相應的感知。對于普通人而言，這些 AI 仍然是一個孤立的對話框，大模型英雄仍無用武之地。

這構成了當下 AI 行業最明顯的「參數悖論」：模型在刷榜，場景卻在空轉。如何解決這一種「參數越強、體感越弱」的反差，成了今年 WAIC 上繞不開的話題。

7 月 13 日，階躍星辰用一場發布會，給出了它的答案。

相信敏銳關注行業動向的讀者們已經知道了，當晚階躍在發布會上甩出了幾個王炸。

階躍一口氣發布了全球首款大模型原生 AI 終端品牌 STEPX、全球首個智能體原生操作系統 Step AOS、新一代個人智能體階躍 Amoo。其中最引人注目，也引發了大家熱議的，正是大模型原生智能體手機 STEPX Neo的首次亮相。

至此，這家一向低調的模型公司，正式補齊了從模型、系統到終端的「模軟硬」三位一體閉環，STEPX Neo獲得了首批《人工智能終端智能化分級》系列國家標準L3級別測試證書，這也是當前開放測試的最高級別，是AI終端智能化水平的國家級標桿。

在 WAIC 現場，我們把生活交給了 STEPX Neo

STEPX Neo 出現在今年的 WAIC 現場，受到了廣泛關注，展臺上圍滿了觀展群眾。同時 STEPX Neo 也是WAIC 十大「鎮館之寶」之一。

它到底和過去印象里的 AI 手機、AI 眼鏡之類的產品有什么不同？

先說體感：快速，智能，懂你。

在 WAIC 展臺現場，我們嘗試把一件生活瑣事交給 STEPX Neo：「幫我找個地方給車充電，再點杯喝的送到家。」

https://mp.weixin.qq.com/s/RoR7CrueNroh6bvMI-aOfA

執行過程中，一個細節值得注意：STEPX Neo 并沒有像傳統 GUI Agent 那樣逐屏識別、逐步點擊。在查詢充電樁、調用點單服務等環節，它能夠直接調用支付寶等軟件開放的服務能力。任務執行由模擬人工操作轉向結構化的服務調用，減少了界面變化和長鏈點擊帶來的不穩定性，也跳出了過去那種「腳本式」的執行邏輯。

還有一個功能讓我們發現 Amoo 對于多模態信息的識別，和任務的相關性執行做得非常出色。一句話，就能實現看到演唱會海報，直接完成搶票定機酒的一條龍操作。

https://mp.weixin.qq.com/s/RoR7CrueNroh6bvMI-aOfA

一切都是這么水到渠成。在我們幾乎沒有意識到的情況下，就已經邁入了一種人與智能體，人與終端的一種全新的交互模式。

這正是階躍強調的一種轉變，智能體時代交互范式的轉變，從「過程交互」走向「結果交互」，開創了 AI 時代交互的「iPhone 時刻」。

過去我們操作手機，本質是替機器把一個大任務拆成幾十個小指令，App 與 App 之間的墻，最后都由我們用手指去翻越。而在 Step AOS 上，你只需要把意圖說清楚，推進各種步驟和 App 協調的苦力活，交給智能體。用戶關注的，不再是操作的過程，而是心想事成的結果。

再比如，公司同時 Frank 急著催我要一份文件，但我也忙的夠嗆。在這種場景下，Amoo 就是忙碌工作中的救星。它知道公司的地址，算好距離和費用，直接呼叫跑腿。

https://mp.weixin.qq.com/s/RoR7CrueNroh6bvMI-aOfA

當我生活中的偏好，能夠在用戶許可的邊界內被系統理解，Amoo 就不必每次都從「你想喝什么」開始問起。它可以根據長期偏好和實時場景準備合適的選項。看起來只是少點了幾次屏幕，背后卻跨過了記憶、決策、服務調用和權限控制四個環節。

這也解釋了為什么階躍沒有把 Amoo 定義為另一個語音助手。助手等待明確指令，完成一個動作；智能體理解一個人，在持續上下文里推進一件事。兩者的差距，根植于底層系統，在于其是否擁有一條完整的行動鏈路。

STEPX Neo 這部終端里的個人智能體階躍 Amoo，「養」得越久，它就懂你的更多。這幾乎是理解階躍 STEPX 整套產品哲學的鑰匙。

原生 AI 終端，讓智能體成為原住民

橫在智能體走進日常生活，走進真實世界道路上的，是三堵墻。

這三堵墻都不是靠模型再多幾個參數、或者在某個 App 里多加一個 AI 按鈕就能推倒的。

行業里主流的做法是「OS + AI」，在現成的安卓或 Linux 系統上，給智能體開一扇門，讓它以訪客的身份進來打個下手。而階躍走的是另一條路，不破不立，以「人機共生」為原則，為智能體從零構建了一整套運行環境。

所以「OS+AI」怎么了？

這種方式只是讓傳統的系統獲得一些智能，卻并非以智能體交互為中心的新模式。舉個例子，Apple Intelligence 就是經典的「OS+AI」路線。蘋果通過將生成式模型接入 Siri、寫作工具和系統應用，并嘗試讓開發者開放應用能力，使 AI 能在 iOS 生態內完成更多任務。

但即便號召力強如蘋果，仍未能夠實現「軟硬模」的打通，在更復雜的任務上，蘋果仍需要引入 ChatGPT、Gemini 這類第三方大模型。外部模型補齊了能力，卻也讓用戶感受到模型切換與功能邊界，軟、硬件與模型之間尚未形成一套完全統一的體驗。

在 WAIC 上，我們發現在 AI 手機這一產品方向上，除了傳統的「OS+AI」路線之外，也出現了一條以豆包手機為代表的「能力嫁接」路線。模型公司、硬件企業以及軟件生態的深度合作，成為一種智能體終端的更快速的探索方式。

這種模式能夠快速將智能體能力引入手機，但未來的挑戰也很明顯：智能體、系統軟件和硬件很難深度綁定，深度融合。

我們都知道，智能體不是一個開箱即用的完美產品，它更像一株需要你親手去養的植物。人機共生，共生的核心，落在「共」字上。應用和系統相互隔離，智能體能力無法共享，就談不上「共生」。

「在舊系統上給智能體開一扇門，它永遠是訪客。為智能體蓋一座房子，它才是原住民。」

階躍搭建了 Step AOS，面向智能體重新組織底層資源，向下兼容 Android、Linux、RTOS 等系統，讓 Agent 在不同終端上擁有一致的運行邏輯。

其核心可以概括為三層變化：新設施、新能力、新交互。

重排智能體使用資源的方式

先看新設施。傳統操作系統把計算、數據、應用和服務分別交給不同模塊管理，Step AOS 則把它們加工成智能體可以理解和調用的資源。

在計算側，統一計算資源池負責調度 CPU、GPU、NPU 等異構算力。即時、隱私敏感的任務優先在端側完成，需要復雜推理和多步規劃時，再由云端模型接手。端和云不再是兩套割裂的能力，而是同一個智能體的「快反應」與「深思考」。

在數據側，統一語義數據層把感知信息、用戶行為和個人數據轉化為智能體可理解的語義信息。對 Agent 來說，它面對的不再只是一個個彼此封閉的文件和字段，而是與時間、人物、場景和任務有關的上下文。

在應用與服務側，原子能力引擎把原有系統功能和外部服務拆成可調度、可編排的能力單元。階躍與攜程、支付寶、滴滴、美團、等首批生態伙伴的合作，采用協議接口而非簡單模擬 GUI 點擊。這樣做的意義，是讓服務調用擁有更明確的數據邊界、授權機制和執行反饋。

比如作為媒體，探展之后面對手機里堆積的照片、零散的記錄，整理素材往往是一項令人頭疼的工作。但在系統級資源調動的能力加持下，這些繁瑣步驟可以被串聯起來：它能夠調用系統中的應用和數據，結合階躍強大的多模態基座模型，理解你的探展路線，自動匹配不同時間拍攝的照片，甚至可以識別并篩掉模糊、重復的低質量素材，匹配過往的寫作習慣，一鍵一句話搞定。

https://mp.weixin.qq.com/s/RoR7CrueNroh6bvMI-aOfA

支撐這些調度的是階躍的「1+N」模型矩陣。其中，Step Edge 是專為終端定制的端側基座模型，覆蓋圖像理解、GUI 定位、工具使用、空間推理等能力，可以獨立完成輕量任務，并在復雜場景下與云端旗艦模型協同。按照階躍披露的數據，本地工具調用可低至百毫秒，簡單任務的端側執行成功率超過 99%。

系統級資源經過重新組織后，Step AOS 與智能體 Amoo 才有可能接住那些步驟繁多、橫跨多個應用的復雜任務。

給智能體補上記憶、決策與安全

地基重鋪之后，Step AOS 要補齊的是智能體真正進入生活所需的新能力。

首先是記憶。Step AOS 設計了「雙域三步」記憶結構。用戶域用于理解人的身份、偏好和情境，智能體域則沉淀它自己的知識與經驗；記憶按照「記、理、憶」三步運行，在交互中記錄，在后臺整理，在需要時召回。按照階躍公布的測試結果，這套能力在 PersonaMem、LongMemEval 等國際評測上達到 SOTA，日常問答的最快記憶召回時間為 15 毫秒。

其次是決策。端側 Step Edge 等模型負責喚醒、設鬧鐘、找照片等需要快速響應或涉及敏感數據的任務，復雜推理和多步驟規劃再交給云端旗艦模型。端側即時任務可在百毫秒級完成，執行成功率超過 99%；Step Edge 在 29 項端側模型基準中位列同類模型第一。

最后是安全。原子能力和系統級權限讓智能體可以跨服務執行任務。但行動能力越強，安全越不能只靠一次籠統授權。Step AOS 為此提出「可信、可見、可控、可逆」四維安全體系：操作在可信環境中完成，步驟可以審計回溯，權限按需授予、用完即收，誤操作則可以撤回。階躍還聯合上海人工智能實驗室發布智能體系統安全白皮書及端側大模型網絡安全指南，并參與相關國家標準研制。

https://mp.weixin.qq.com/s/RoR7CrueNroh6bvMI-aOfA

WAIC 現場的基礎演示刻意選擇了「刪除相冊最后一張照片」，操作完成后，用戶可以進入安全中心查看完整行為記錄，并撤回剛才的操作。這是一套完整鏈路的安全策略，讓智能體的每個操作的透明，可查詢，給足用戶安全感。

把「操作軟件」改成「交付結果」

有了新設施，新能力，階躍 Step AOS 最終才能夠實現開創「結果交互」的新范式。

多模態讓智能體理解語音、文字、圖像和當前屏幕；上下文記憶補上用戶沒有說出口的身份、偏好與情境；結果交付再把一個意圖拆成計劃、調用和確認。

所以，「結果交互」并不是手機取消界面，也不是用戶從此不再參與過程。相反，系統需要把過程隱藏到恰當的程度：低風險、可逆的步驟自動推進，高風險的步驟及時確認，任務結束后再交付清晰結果。自動化太少，用戶仍在替機器跑流程；自動化過頭，用戶又會失去掌控。

這也是 Agent 與傳統 App 最顯著的分界線。App 把一種功能做成固定頁面，用戶自己決定調用順序；Agent 接收的是目標，它要根據情境臨時組織功能。印奇在 WAIC 主論壇演講中給出一個乘法關系：Agent 能力 = 模型能力 × Agentic OS 能力。任何一項不夠強，模型的聰明都難以穩定轉化成能力輸出。

https://mp.weixin.qq.com/s/RoR7CrueNroh6bvMI-aOfA

這是「結果交互」最出色的展示，我們只關心我們的匯報內容，而 Amoo 替你直接綜合信息，匯報改期，甚至直接替你完成了匯報 PPT 的制作。不管過程如何，用戶只需要得到一個完美的結果，這也是 Step AOS 和智能體 Amoo 能夠做到的事兒。

「智能體，正在成為生產力的最小單元。」一個能感知、記憶、規劃和執行的 Agent，開始承擔過去由用戶在多個 App 之間手工完成的組織工作。手機由軟件入口變成行動節點，才是階躍打造「原生 AI 終端」的意義。

「模軟硬」三位一體，打造下一個「iPhone 時刻」

把鏡頭拉遠，階躍打造一個全新的 AI 終端品牌，不只是造一部手機的事。

過去這一年，模型行業的空氣里一直飄著一種焦慮。頭部玩家陸續上市，生態越來越卷，基座模型之間的差距肉眼可見地在收窄。就連 OpenAI 和 Anthropic 這類頂級選手，都在考慮向硬件方向延伸。

2026 年 1 月，印奇正式出任階躍星辰董事長。印奇說，他的加入本質上是在加速一個既定戰略的落地，也正因如此，階躍過去一直很低調，直到這個節點，「我們已經準備好了，能夠展示出我們整個戰略全景」。

階躍始終相信的路徑，正是「模軟硬」三位一體。模型是智能體時代的大腦，階躍用 Step AOS 給了它四肢、神經和免疫系統，而終端，是把這個聰明的大腦真正帶進物理世界的身體。

2007 年的 iPhone 并沒有發明觸摸屏，也沒有發明移動網絡。它真正改變行業的，是把芯片、屏幕、操作系統、應用生態和多點觸控組織成一種普通人不需要說明書也會使用的體驗。

AI 的「iPhone 時刻」也不應由某個模型多拿幾分或某場 Demo 多跑幾步來定義。模型、多模態、長期記憶、端云協同、工具調用都技術基礎。只有當一家公司把它們裝進一個穩定、自然、可信的產品，讓沒有提示詞知識、不了解模型架構的人也能使用，前沿技術才完成了從實驗室能力到大眾產品的最后一躍。

從這個角度看，STEPX Neo 正是智能體的「iPhone 時刻」的起點。它證明一家公司可以同時從模型、系統和硬件三個層面定義智能體體驗，也讓原本高高在上的模型能力有了普惠所有人的終端形態。

人們不必知道端側模型如何路由，也不必理解雙域記憶和原子能力，只要一句自然的表達就能獲得結果，并且隨時知道機器做了什么、能讓它停下來、也能撤回錯誤。若這件事由中國公司依靠自己的模型、系統、供應鏈與服務生態完成，它所走出的，才是一條真正屬于中國的產品道路。

更不一樣的是，階躍同時握住了模型、系統和硬件的三張王牌。

也許有一天大家會發現，在智能體手機時代，是中國真正定義了下一代的產品體驗，成了未來十到二十年的新范式。

正如印奇在 WAIC 演講中所言：「AI 最重要的意義，不是替代人，而是放大每個人的能力。」