印奇：你尽量少看它，它能完成任务就行。这台手机上来就劝你少玩

6台机器人，81920块积木，连续15个小时。阶跃展区给今年WAIC准备的开场，是一场体力活。前两年模型公司的展台大概满墙都是参数和榜单第一。阶跃这次把手机、汽车和机器人一股脑搬了进来，其中一台拿了本届“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，答案是这样的——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。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。

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”，却是不同于其他手机的全新物种，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，让它落地到不同场景，接管整个世界。

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。

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。有媒体已深度使用这台手机完成了各种智能体任务，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？