印奇挂帅阶跃星辰：大模型「季后赛」进入物理世界

APPSO 获悉，阶跃星辰近日完成了超 50 亿元人民币 B+ 轮融资，参与机构包括上国投先导基金、国寿股权、浦东创投、徐汇资本、无锡梁溪基金、厦门国贸、华勤技术等产业投资方。腾讯、启明创投、五源资本等老股东进一步跟投。

值得注意的是，这笔融资超过了月之暗面前不久宣布的 5 亿美元 C 轮，刷新了过去 12 个月中国大模型赛道单笔融资的最高纪录，甚至超过了智谱和 MiniMax 两家公司 IPO 的募资额。

最近一个月以来 AI 资本新闻此起彼伏：Manus 被 Meta 收购，月之暗面杨植麟高调表示「不缺钱」，智谱和 MiniMax 先后在港敲钟「上岸」。今天，阶跃这笔融资，再次搅动了 AI 赛道躁动的神经。

对比之下，阶跃前往的方向略有不同：当其他大模型玩家追寻确定性、抓住窗口期 IPO 上岸的同时，阶跃星辰拿着这笔重金。选择了一条更重、更慢的路：物理世界。

路线没有对错，但业内的判断已经成为共识：大模型竞争的常规赛已经结束。过去两年比拼的是参数量和 token——但从 2026 年开始，季后赛将围绕新的核心命题展开：

人工智能如何走出数据中心，进入真实世界，接管更多的物理终端。

越周期的人与公司

APPSO 认为，在融资之外，更值得关注的是人事变动。

一位来自「上一个 AI 周期」的关键人物，正式走到了台前：千里科技董事长印奇。

印奇早已深度参与阶跃星辰的战略规划，此次也获得了一个新身份：阶跃星辰董事长，全面负责公司战略与产业落地，与现有团队形成正和互补。

在此之前，阶跃团队配置的特点是技术能力强，产业经验稍弱：

• CEO 姜大昕是前微软全球副总裁和微软亚洲互联网工程院首席科学家，负责过必应搜索的研发，这意味着他不仅懂技术，也有将 AI 产品化落地到全球级大流量产品的经验，去年他成为了唯一来自中国大模型初创公司的 IEEE Fellow；
• 首席科学家张祥雨是深度学习领域基石论文 ResNet 的四位作者之一，对业界贡献不言而喻；
• CTO 朱亦博曾任 Google Cloud GPU 产品技术负责人，直接支持 Anthropic，更早之前在字节负责 AI Infra 建设，是国内少数有万卡集群从零构建实战经验的工程师。

这支团队用两年的时间杀出了「百模大战」，跻身中国大模型第一梯队。今天的阶跃，是国内少数几家仍在坚持预训练、探索基座模型更高智能上限的初创公司，且拥有类型最全的模型矩阵。

但技术领先不等于商业成功。当大模型竞争更加白热化的下半场，模型性能已经无法成为市场偏爱的唯一理由。如何让大模型进入真实应用场景、产生商业价值，成为新的分水岭。

一家公司想要穿越周期，需要懂得如何穿越周期的人。印奇正是阶跃需要的那块拼图。

10 多年前「深度神经网络」还是热词，研究者们首次意识到自己的研究和能力对于业界的巨大效用。2011 年，印奇和几位清华姚班同学共同创办旷视科技。

在中国 AI 创业者中，印奇是少有的「两栖物种」。与月暗、智谱等纯粹的学术派创始人，以及梁文锋等量化背景创始人不同，印奇最大的标签是「落地经验/能力」。旷视 IoT 业务服务国内超 100 座城市，业务拓展至全球十多个国家地区，AIoT 平台终端接入规模达到亿级。

印奇

印奇的名字近几年不常被 AI 圈人士提起，但确实没多少人比他更懂 AI 下一个周期的核心叙事：

大模型不止于学术论文和榜单排名，它必须进入物理世界，形成闭环。

这也解释了阶跃 all in 拓展模型边界之外的另一条主线：推动大模型进入手机、汽车等消费终端。数据显示，阶跃已与中国六成头部智能手机品牌深度合作，模型装机量突破 4200 万台，覆盖 OPPO、荣耀、中兴等品牌，日均服务 2000 万人次。

在汽车领域，阶跃与千里科技、吉利达成深度合作，将端到端语音模型集成到 AgentOS 智能座舱中。吉利银河 M9 上市 3 个月销量接近 4 万辆；按照阶跃的规划，其车载模型今年的装车量目标在百万辆级别。

印奇在阶跃草创阶段就深度参与公司的战略规划，陪跑至今。如今印奇的正式加入，意味着他本人长期布局的「AI+终端」战略，通过阶跃得以加速，进入全面执行阶段。

其本人旗下业务的组合，难免令人联想到 Elon Musk 的 xAI 和特斯拉/Optimus 组合：一个提供灵魂，一个构成身体。

聚焦多模态：进入物理世界的唯一门票

为什么「AI+终端」必须押注多模态？

从纯技术维度来看，多模态能力是大模型进入物理世界的「感官系统」。如果大模型是一个智能体，文本只是符号逻辑，多模态才真正构成眼睛、耳朵和嘴巴。只有具备多模态能力，AI 才能真正感知并融入人类的真实生活。

进一步看，实现这种感知能力有两条路径：一条是行业主流的「外挂」模式，即先进行视觉编码，再交给语言模型理解。这种方式虽然简单，但就像给盲人配个解说员，信息在转化中必然发生损耗、延迟。

而阶跃坚持的是「原生多模态」路线，直接从图文交错语料出发，进行端到端训练。这种模式不受拼接架构的局限，实现了更原生、自然的多模态理解和生成，让 AI 能够模仿人类的方式，去理解物理世界的因果逻辑。

除了视觉之外，这种「原生性」在阶跃的音频模型上同样有所体现。比如，最新的 Step-Audio-R1.1 通过 MGRD（模态锚定推理蒸馏）技术，让模型生成纯粹基于升学特征的推理链，解决了音频模型「思考越多错越多」的问题，生成效果在权威榜单 Artificial Analysis 上取得全球第一的成绩。

目前阶跃已经将第二代音频大模型装车，当你在车内说「我有点冷」，传统智能座舱将语音转文字，识别关键词，再执行预设指令；而新一代座舱能结合语调、情感、环境噪音等信息，推测用户的真实需求，而非简单的关键词匹配——比如，当你开着车门说冷，可能只需要关上车门就好。这种对原生多模态的坚持，并非跟风。早在 2023 年成立之初，阶跃就确定了语言大模型与多模态大模型同步研发的并行战略。这条道路没有捷径的，而阶跃的选择也为今天「AI+终端」的爆发埋下了伏笔。
从理解世界到主动交互

原生多模态是为了让大模型「理解世界」，而走向物理世界的下一步需要大模型学会「与世界交互」。

于是阶跃在 VLA（视觉-语言-动作）架构上深耕至今。其意义在于，让 AI 能看、能听，更能像人一样，在数字或物理环境中具备决策与执行能力。

为了实现这一理念，阶跃推出了业内首款可真正部署的开源 GUI 系列模型 Step-GUI。其中，40 亿参数量的端侧版本 Step-GUI-Edge 展现出极强的「以小搏大」能力，在主流基准测试中甚至能够超越 8 倍于其参数规模的模型。这意味着即便在消费级终端的算力受限情况下，大模型也能从容处身其中，变身为具备读屏和代操作能力的智能 agent。这也意味着所有手机厂商都能基于这套能力，开发类似于豆包手机助手的功能。

这种从感知到动作的进化，已在大规模商业落地中得到了认证。在手机终端上，阶跃被认为是最懂 AI 手机的大模型厂商。据 APPSO 了解，目前阶跃已于已于国内 60% 头部手机品牌达成深度合作，覆盖 OPPO、荣耀、中兴等品牌旗舰机型。

今天，市售手机的 AI 功能早已超出了去年「对话框」的范畴，开始深入到系统层面，比如 OPPO 的「一键问屏」、荣耀的「拍照问」、中兴的「长辈 AI 助手」等功能——大模型不仅能看懂屏幕、生成内容，还能跨应用完成复杂任务。

IDC 数据显示，2026 年中国市场 AI 手机渗透率将突破 50%，每两台中就有一台具备系统级的原生 AI 能力。

对于「大模型竞赛进入下一阶段」的业界共识，印奇和阶跃押注了一条更难但更具确定性的路：AI 必须嵌入物理世界的骨架才能长久生存。

在硅谷的平行世界中，马斯克整合 xAI 和特斯拉/Optimus，构建从前沿模型到物理终端的完整闭环。这条路需要重资产、重经营，也需要大多数模型公司不具备的产业资源。但在穿越过周期的人看来，这会是通往 AGI 的正解。

阶跃不必拥有所有的工厂，但必须深度在场。