转型、上车、补票，阶跃赶上末班车

撰文| 郝 鑫

编辑| 吴先之

“把CV做烂的那帮人，转身投入到了大模型。”

AI1.0时代的旷视研究院曾经聚集起了一批有技术、有理想、有冲劲的年轻人，正是这些人成为了点燃大模型的火种。

前旷视副总裁陈雪松曾加入智谱，负责算法量产的周昕宇与杨植麟一起创办了月之暗面。同样从旷视研究院出来，何蔚然是现Kimi推理系统负责人，张祥雨是阶跃星辰联合创始人，俞刚是阶跃星辰语音和AIGC算法负责人。

更激进的是联合创始人印奇，目前兼任千里科技和阶跃星辰的董事长。

一位旷视老兵告诉我们，从旷视出来的人几乎默认了1.0时代的失败，“对他们来说，大模型是孤注一掷的二次创业”。

本是同根生的他们，如今为了背后的公司各自为战。智谱打响了上市第一枪，公司市值一度冲向8800亿港元；DeepSeek对外开放融资打得行业措手不及，月之暗面和阶跃星辰被迫加紧IPO速度，争夺逐渐收紧的大模型红利窗口。

目前上市路线更加清晰的是阶跃星辰，今年4月份完成了股份制改造，并拆除了红筹架构。5月份，完成了近25亿美元的Pre-IPO轮融资。据其内部文件显示，该公司计划于今年6月30日前向香港交易所递表，2026年底前完成上市，2027年年中解禁。

尝尽Agent和Coding红利的Anthropic，IPO前新一轮融资投后估值9650亿美元。在此背景下，所谓的“大模型第三股”已经黯然失色。

关键的赛点来到了，谁将成为Agent第一股？需要强调的是，这个title并非名义上，而是要体现在商业化上。

后发、失误和卷土重来

在这几家中，阶跃星辰与旷视的关系最为紧密。

智谱、月之暗面成立初期，旷视向其输送了大量技术、销售的人员。据相关人士介绍，“由于圈子有限，招聘背调拉个群问几个人，就能知道大概”。

阶跃星辰的特殊性在于，一方面自身的算法团队和商业化落地脱胎于旷视体系，在创业初期便得到了旷视的深度扶持。

据旷视内部人士透露，2024年曾有旷视研究院的高层在未正式离职的情况下，外出为阶跃星辰提供技术指导。

其次，旷视出身的印奇对阶跃星辰拥有绝对掌控力，这使得阶跃的战略方向与旷视系的产业资源形成了高度协同。

然而，事与愿违，阶跃星辰的故事并未按剧本上演。

阶跃星辰在成立首年几乎完全隐身，直至2024年3月才首次正式亮相。2023年上演了百模大战，公众、资本和开发者的注意力高度集中。智谱、MiniMax提前卡位发布模型、上线产品，月之暗面、百川智能、零一万物以闪电融资、高速迭代以及强势运营快速抢占声量。

虽然阶跃星辰是同一时刻入场，但在“大鱼吃小鱼”的创业环境下，还是错失了市场声量与品牌认知的黄金窗口期。模型待发，曝光不足也间接影响了后面的融资节奏。阶跃星辰在2023年完成了天使轮融资，但后续B轮融资直至2024年底才完成，比同期对手晚了整整一年。

2024年阶跃星辰结束了长久的沉寂，接连发布Step-1、Step-2、Step-1.5V等系列模型，确立了“多模态卷王”的技术地位。同时孵化并上线了C端智能助手“跃问”和角色扮演类Agent“冒泡鸭”，构成了早期“超级模型+超级应用”的战略。

问题也随之浮现，尽管有了明确的技术标签，但C端应用始终未成爆款。在此期间，阶跃星辰两条腿走路，一边大力扶持AI应用开发者，为其提供底层多模态技术支持，打造爆款应用，但大多昙花一现；另一边试图通过社群、小程序的方式，激活“歌词爆改机”等自研产品大爆属性，不过声量依然有限。

再加上前有Kimi出圈，后有DeepSeek和大厂的阻击，阶跃星辰的C端线基本宣告失败。一个标志性事件是，2024年12月，“冒泡鸭”停止大范围投入，团队合并至对话产品“跃问”（现更名为“阶跃AI”）。

面对C端的残酷竞争，阶跃星辰也做出了战略调整：收缩C端战线，All in“AI+终端”，这也成为了其迈向商业化的转折点。

公司的B轮融资，投资方开始转向国资，这表明其获得了更高层次的资源支持。CEO姜大昕也首次对外明确了以“汽车、手机、具身智能、IoT”为四大核心的终端场景。

2026年1月26日，阶跃星辰迎来了资本和战略的双重高光时刻。这一天，印奇正式加盟并出任董事长。另有媒体曝出，阶跃星辰已完成超50亿元的B+轮融资，刷新国内AI赛道单笔融资纪录。

印奇的到来，补上了阶跃星辰产业落地和商业化的拼图。

从多模态卷王到AI终端

阶跃星辰虽然从声量上不如智谱、MiniMax，但占据了一个特殊的生态位：多模态基础模型、推理效率优化和AI终端落地。

截至目前，阶跃星辰共发布了Step1到Step3系列模型。

Step1系列定位原生多模态基础模型，聚焦文字、图像等基础模态的理解与生成。参数量相对较小，注重基础多模态能力，适用于简单的图像理解、文本问答等基础任务，是后续模型的基础能力铺垫。

Step2系列采用MoE结构，强调训练效率与综合能力提升。参数量达万亿级，适用于需要较强逻辑推理和复杂文本生成的任务，如代码辅助、文学创作、复杂问题解答等。

Step3系列定位新一代基础模型，核心聚焦推理效率、成本优化和多模态综合能力。采用系统架构创新，在国产芯片上推理效率可达DeepSeek-R1的300%，显著降低推理成本。适用于对推理速度和成本敏感的场景，如智能终端交互、车机系统、实时多模态应用等，更注重模型在实际业务中的落地能力。

阶跃星辰刚发布的Step3.7Flash模型，拿下了Artificial Analysis榜单多个第一，正是这三者协同效应的完美结合。

Step3.7Flash原生支持多模态理解，能直接看懂UI、图表、文档，这意味着Agent可以直接“看懂”屏幕并执行操作，是“AI操作手机”战略想法的直接体现；采用MoE架构，生成速度高达409 tokens/s，极致的推理效率和低成本，让海量终端部署成为可能；面向生产级Agent设计，专为高频、多轮的终端交互场景优化。在端到端响应时长测试中，Step3.7Flash完成规定测评任务仅需 7.1秒，可适配手机、汽车等需要快速响应的终端需求。

Step3.7Flash被官方定义为“Agent生产级模型”，体现了阶跃星辰Agent的转向。

光子星球发现，阶跃现阶段招聘高度聚焦于“Agent+终端 +Coding”三大实战场景。具体来看，三个方向恰好对应了阶跃星辰想要打通的“感知—决策—执行”闭环。

Agent方向，阶跃星辰正大规模招募AI Agent系统工程师和后训练算法人才；终端方向，重点布局手机App Agent与车载智能体，岗位描述中反复出现，内存、功耗、首响速度关键词，直指端侧落地的工程化瓶颈；Coding方向，同时招聘AI Coding算法工程师与Coding Agent产品经理，目标是让Agent真正理解并产出高质量代码。

上述招聘清晰表明，阶跃星辰不再满足于做一个“多模态卷王”，而是要将多模态感知、高效推理与终端场景深度融合，打造真正可落地、可规模化、面向生产的Agent系统。Step3.7Flash不过是这场战役的第一声号角。

印奇的排除法

有投资人评价掌舵人印奇，“经历过1.0时代的人，一开始就排除了许多错误选项，而这就是成功的开端”。

排除纯技术供应商与项目制定制的To B模式。阶跃星辰聚焦“AI+终端”，与吉利、OPPO等头部客户进行深度产品级共创，目标是形成标准化、可复用的解决方案，而非一单一单地做项目。

排除依赖单一场景或政策驱动的垂直赛道。阶跃星辰押注通用多模态大模型，目标是覆盖汽车、手机、机器人等广泛终端场景。每个场景都足够大，且相互之间可产生协同效应，而非依赖单一赛道。

即便如此，阶跃星辰仍走在一条相对艰难的道路上。

目前端侧市场有三种主要打法。第一种售卖模型能力，作为技术供应商授权高效端侧模型或按量收费。特点是模式相对轻巧，交付周期短，客户扩展快。只要模型性能足够强、功耗足够低，就能在众多终端厂商中快速铺开，形成规模效应。

第二种是大厂的平台式模式，背靠大厂的算力、模型和内容生态，按Token调用量售卖服务，同时附带云资源。这种按量计费的商业模式几乎没有扩张边际成本，理论上可以服务成千上万的开发者。

阶跃星辰属于第三种售卖系统解决方案，与终端厂商深度共创、联合开发。意味着每拿下一个大客户，都需要经历数月的联合研发、系统适配和商务磨合。

某大模型汽车解决方案负责人告诉我们，做To B的定制化交付要比C端更复杂，仅OTA版本的审核，走完整个流程都需要几个月的时间。而且To B交付的要求也更高，因为不能频繁迭代，第一个版本就需要达到较高的效果。

“一个正常的大模型项目交付，6个月是一个比较稳妥、可量产的周期。”

这种商业模式最大的弊病是，高价值但规模性弱。假设阶跃星辰每服务一个大客户，都需要投入一个专门的团队进行半年的联合研发，那其营收增长就与团队规模呈线性关系，而不是像API模式那样可以指数级扩张。中国的手机品牌、汽车品牌数量有限，能成为深度合作伙伴的客户本身就有天花板。

更关键的是，这种深度绑定并不等于独家绑定，吉利依然可以选择同时接入豆包或千问，OPPO也可以自研端侧模型。阶跃星辰投入大量资源建立起来的系统级嵌入，随时面临被替换或边缘化的风险。或许正是考虑到该方面的风险，阶跃星辰通过资本方式绑定了大量的产业上下游企业。

当然，上述的三种模式没有明确的界线，生态位上的玩家都可以与客户达成深度定制的合作。无论坐标向上或向下，终会趋向阶跃星辰的选择。

就我们目前了解，能够做深度定制化的AI公司还是相对有限。而一旦阶跃星辰成功在百万台车、千万台手机上跑通自己的Agent系统，替换成本将高到让客户难以转身。一套“系统+数据+工程”的组合拳，足以形成难以逾越的护城河。

微信号｜TMTweb

公众号｜光子星球

别忘了扫码关注我们！