6 台机器人拼长城、首款智能体手机首秀：阶跃把 AI 塞进了现实世界｜WAIC 2026

81,920 块积木，6 台机器人，连续 15 小时。

阶跃展区给今年 WAIC 备的开场，是一场 AI「体力活」。

前两年一家模型公司的展台，大概就会看到满墙参数和榜单第一。阶跃这次有点意思，它把手机、汽车和机器人一股脑搬了进来，其中还有一台拿了本届「镇馆之宝」的智能体手机。

看着是四个方向，其实都在回答同一个问题：大模型已经有了一颗足够聪明的「大脑」，怎么给它接上一副真能动的身体？

在阶跃展区，我们抢先看到了答案——

它会看、会听、有记忆，也能调用工具替人办事。在手机里，它试着接管 App 之间的琐碎操作；同源的智能体逻辑能在手机和电脑之间接力；坐进汽车，它开始琢磨道路、目的地和人临时冒出来的念头；到了机器人这儿，模型得把计划变成物理世界里真实、连续的动作。

阶跃这次给的答案很直接。模型不能只待在云端，Agent 也不能只活在聊天框里。模型、系统、终端，得拧成一件事。

APPSO 这就带你看看阶跃这个展台有什么好玩的东西，你也可以根据阶跃给出的同款路线来体验。

阶跃展区位于本届 WAIC 的核心展馆世博 H1，融合了目前阶跃最重要的几大业务：端云协同的 Step 模型矩阵、STEPX Neo 大模型原生智能体手机 、智能体原生操作系统 Step AOS、AI 模型实验室、车机模型体验，以及最新的具身智能应用场景。

特别是在最新成立的阶跃终端所负责的智能体手机展台，人流相当密集。STEPX Neo 并非第一台「AI 手机」，但却是不同于其他手机的全新物种，也引来了大批参展者驻足。

阶跃 Amoo——造型既熟悉又足够有辨识度的智能体，成为了全场的主角。这正好代表了阶跃在本次 WAIC 上参展的基调：

拥有多种级别和不同能力的阶跃模型家族，共同托起了一个强有力的 Agent，让它可以落地到不同的场景，接管整个世界。

大模型开始找「身体」

过去两年，大模型公司最爱展示的是一块屏幕。

左边输入问题，右边吐出答案。模型会写代码、做数学题、生成图片和视频，排行榜上的分数一路涨。

可人真正生活的世界，不是一个无限延伸的对话框。

订一次差旅，信息散在日历、地图、航旅、酒店和支付 App 里；干一份活，需求在手机上收到，文件却躺在电脑里；坐进车，导航、座舱和辅助驾驶又是几套各管各的系统。至于机器人面对的，是会移动、会出错、按不了撤销键的物理世界。

从「回答问题」到「完成任务」，中间隔着感知、记忆、规划和执行。

这也解释了，阶跃为什么要搭一套看着有点「过于完整」的模型体系。

阶跃现在已经形成 Pro、Flash、Edge 三层 Step 模型矩阵。Pro 啃复杂推理，把能力上限拉满；Flash 面向高频 Agent 工作流，在速度和成本之间找平衡；Edge 钻进手机、汽车这些终端，管本地感知和即时反应。

横着看，这套矩阵又覆盖了语言、多模态理解与生成、语音、图像、视频和音乐，累计发了超过 40 款模型，多模态占了八成以上，圈内给它起了个外号，多模态卷王。

Step 3.7 Flash 是面向 Agent 的高效大脑，StepAudio 系列管实时对话、语音理解与生成，视觉模型让设备看懂屏幕和环境，Step Edge 全家桶则把文本、视觉、语音、GUI 操作和图像生成一起带到本地。

换句话说，阶跃没有拿一个模型硬塞进所有终端，它先备齐不同尺寸、不同模态、不同速度的「脑区」，再按任务组合。

别人做的模型矩阵像是各不相干的产品线，而阶跃造了一台会自动换挡的变速箱。

阶跃在 WAIC 前夕刚发的 Step Edge端侧模型全家桶，在涵盖图像理解、OCR、GUI 操控的 29 项权威基准评测里拿了同类端侧模型第一，把 Qwen3-VL、MiniCPM-V 这些主流对手压在身后。

找照片、设闹钟、调系统这种高频小事，交给它，本地工具调用最低能压到 0.1 秒；碰上跨应用规划、长链路推理，再把活交给云端模型。敏感的文字、视觉和语音留在本地，复杂任务又不必被端侧那点算力卡住。

快的留在手上，难的送上云端。

印奇认为，「如果不做大模型，做不好小模型。」这套端云结合，简单把大模型「压小」塞进设备远远不够，得让 Agent 自己拎得清，什么时候动手，什么时候该找更强的大脑帮忙。

模型这层备齐，才有了统一的落点：让 AI 离开聊天框，进到终端里。

第一副身体，是一台不想让你老盯着看的手机

整个展区里，最可能成为人气中心的，无疑是前几天发布的大模型原生首款智能体手机 STEPX Neo，这是它第一次在线下公开亮相。

在现场，阶跃不仅提供了完整的功能和技术逻辑讲解，更提供了真机 demo。但看到它在现场拥挤的网络和复杂的展示环境下，仍然能够以极低的延迟执行各种简单或复杂的指令，印象非常深刻。

开展前，STEPX Neo 已经拿下本届 WAIC「镇馆之宝」，也是目前唯一通过首批《人工智能终端智能化分级》国家标准 L3 级测试的智能体手机。同批入选的还有中科曙光的全国产十万卡超算这些硬货，一台手机能挤进去，本身就说明它靠的不是硬件参数。

阶跃真正想改的，是我们用手机的方式。

你只要说一句「帮我安排下周去上海见客户的差旅行程，不要早起」，换传统手机，你得自己查日历、看天气、比机票、找酒店，再一个个 App 填信息；在 STEPX Neo 上，阶跃 Amoo 先听懂「见客户」和「不要早起」这两个条件，再拆任务、调服务，最后把一份能直接确认付款的行程单递回来。

阶跃管这叫「结果交互」。人只管把想要的结果说清楚，中间的活交给智能体。印奇说得更直接：「你尽量少去看它，能够比较少地跟它交互，就能完成任务。我们并不想它一直获得你的注意力。」

一台上来就劝你少看它的手机，在这个所有 App 都在抢屏幕时间的年代，属实有点反骨。

听着像个更强的语音助手？差得远。普通助手住在系统里的一间「客房」，干点事就得申请权限，还翻不过 App 之间那堵数据墙。阶跃 Amoo 在 Step AOS 里是系统级的原住民。印奇的比方是：「在旧系统上给智能体开一扇门，它永远是访客。为智能体盖一座房子，它才是原住民。」

Step AOS 从底层重做了三件事：把散在各处的数据整理成 Agent 读得懂的记忆，把不同大小的端云模型统一调度，再把通讯、应用、文件和系统能力拆成能自由组合的原子服务。

于是阶跃 Amoo 不只是能听懂一句话，还能记住偏好、规划步骤、真正执行。

权限越大，越吓人。阶跃为此加了「可信、可见、可控、可逆」四道闸：过程能审计，权限用完就收，碰到付款、删除这种敏感操作必须交还给你确认，办错了还能撤回。

这是 STEPX Neo 最值得关注的地方。它的处理器、影像、续航还没完全揭晓，价格和开卖时间也没定。但阶跃已经先把一个问题抛了出来：

哪天手机的第一入口不再是 App，变成一个懂你的智能体，操作系统该从哪儿重新盖起？

从手机到电脑，Agent 不该困在一块屏幕上

手机给了阶跃 Amoo 一个随身入口。可人不会只在手机上干活。

在阶跃的展台上，「阶跃 AI」就给我们展示另一种和 AI 的相处模式：你在手机上发一句指令，电脑端接住，自动去排版文件、整理资料，甚至替你在飞书上发消息。指令、上下文、进度在两块屏之间同步，你不用把文件传来传去，也不用换台设备再把背景重讲一遍。

令 APPSO 感到意外的是，在多端 Agent 联动上并非首创者的阶跃，做出了比 Codex/ChatGPT 的 Remote Control、Claude Dispatch 等「前辈」们更加优秀和直观的多设备 agent 接力体验：

我们设计了一个复杂的跨端文件操作任务：「找到电脑上某个文件，编辑其中的内容，再转换格式发回手机端。」

推理、思考、拆解，仅用了短短数秒。然后，我们发现电脑就已经进入工作状态了。具体原理是阶跃桌面端 Agent 利用 computer use 能力来直接操作电脑。而更有趣的是，手机端也出现了一个「预览屏幕」，就像远程操控一样，但完全不需要用户自己来操控。

根据阶跃工作人员介绍，这个设计并非「必需品」，但它能够带给用户更直观的视觉上的「确认感」。

过去说多端协同，多半指剪贴板互通、文件接力、通知同步。说穿了，是把同一份东西在设备间搬来搬去。阶跃想做的更进一步：搬的不是文件，是任务本身。

这意味着手机不必缩成一台小 PC，PC 也不用照搬手机那套 App。每台设备只干自己擅长的部分，Agent 管理解目标、分配活儿、把结果交出来。

如果说 STEPX Neo 是给阶跃 Amoo 的一副新身体，阶跃 AI 更像它在设备之间穿行的方式。

同一个大脑，换一双手接着干。

坐进汽车后，Agent 要学会的不只是聊天

手机上点错了，最多多点两下。车里做错决策，对应的是一段真实的路。

这也是 AI+终端最难啃、又最值得认真做的一块。

在 WAIC 上，阶跃联手吉利、千里科技带来全新升级的汽车「超级智能体」，放在了一台极氪 8X 上展示。它想甩掉的，是那种只会调空调、放音乐的车载语音助手，把智能座舱、辅助驾驶和生活服务串成一条任务链。

一句「带我去接孩子，路上找家麦当劳，5 点前要到学校」，一点都不严谨。可系统得听懂里面的模糊意图，规划路线和时间，启动辅助驾驶，还得顺手把途中临时加的那顿麦当劳办了。

它既要会开车，也要会办事。

背后还是那套端云逻辑。Step 3.7 Flash 负责啃下模糊指令、规划任务，端到端语音模型让对话更自然，视觉模型看懂车内外环境再据此决策；接下来端侧模型还会让更多高频、隐私敏感的任务留在车端就地办。

这套合作里还藏着一个关键的人。印奇同时是阶跃星辰董事长和千里科技董事长，「AI大脑」和「终端载体」握在同一个人手里，这在国内车企和模型公司的合作里并不多见。

手机、电脑和汽车的界面完全不同，但 Agent 面对的核心任务没变：搞懂人真正想干什么，再调动终端能力把事情办完。

这也是为什么，阶跃跟车厂的合作，比「把一个大模型接进车机」要重得多。大模型是脑，整车系统是身体。只有舱、驾、生活服务真打通，智能体才不只是副驾座上一个会聊天的声音。

身体像人，大脑像人，工作起来才像人

手机和汽车好歹还有成熟的操作系统和产业链托底。机器人面对的，是最不讲情面的现实世界。

一块积木偏 1 毫米，后面的结构就层层累积误差；一台机器人停顿，其他几台的分工得跟着重排；连着干 15 小时，任何一次识别或抓取失败，都可能让挑战当场中断。

所以今年阶跃展区最可能吸睛、也最「下笨功夫」的一项，是它携手原力灵机，让 6 台不同类型的机器人挑战协同拼装一座 3 米长的积木长城。

81,920 块微型积木，计划连续作业 15 小时。算下来每小时得拼 3413 块，平均每台机器人每 12 秒就要完成一次精准拼装，综合手速直逼熟练工。

我们到场时机器人已经进行了长达 7 小时的拼装工作，进度接近一半。

APPSO 注意到，一个颇为有趣的设计：这次挑战并不是人形机器人简单的定位、识别、寻址，而是一个涉及多地点、多机器人类型的复杂流程工作。

人形机器人从库位抓起单独的积木，拿到一旁的组装台；在组装台上，有机器手负责将零碎的积木拼装成整块，这样的组装台共有 4 组；等大块组装完成后，机器人再将其转移到最终拼装的「主舞台」的对应位置。

这种「团队协作」的感觉，也是具身智能机器人未来与彼此、与人一同工作，该有的样子。

6 台机器人得自主感知、独立决策、动态分工，在亚毫米尺度完成精细操作，这个精度已经超过人手的生理极限，人手自然抖动大约在 0.3 到 1 毫米。阶跃基础大模型当「大脑」，理解总目标、拆任务、排顺序；原力灵机 DM0.5 具身通用基础模型像「运动小脑」，把计划落成稳、准、微的动作。

一个负责想，一个负责做。而且要一直做下去。

我在阶跃展台，看到了大模型的下一站

把 STEPX Neo、阶跃 AI、极氪 8X 和 6 台机器人拆开看，每一个都够撑起一个独立展区。

但阶跃这次真正想证明的，是另一件事：这四样东西，其实是同一颗大脑，同一套端云模型，同一个操作系统。

换上手机、汽车或机器人的躯壳，就能在完全不同的场景里接着干活。

模型矩阵管「多聪明」，Step AOS 管「怎么落地」，终端管「在哪干活」。三层叠起来，AI 才算真的从聊天框里走出来，长出了能感知、能记忆、能动手的身体。

想清楚这条主线，「AI+终端」才不再只是把 AI 贴到硬件，就为了卖更高溢价上的一句营销口号。

端侧延迟够不够低，复杂任务能不能顺利上云；Agent 有没有系统权限，服务生态肯不肯开接口；车能不能量产上路，机器人能不能真扛住 15 小时。每一层都是真问题，也都比做一段漂亮 Demo 难得多。

当然，STEPX Neo 还得过真实用户和应用生态这一关，汽车智能体要在复杂路况里证明自己靠谱，机器人离走进工厂和家庭也还有一段长路，阶跃给的不是终局答案。

但这届 WAIC，这家国产模型公司至少把自己的方向说得足够清楚：

大模型的下一站，是手机、电脑、汽车和机器人，是每一副能替人感知、记忆和行动的身体。

过去两年，我们隔着屏幕问 AI，你能做什么。

现在，它开始走出屏幕，自己动手了。