AI终端的「iPhone时刻」什么时候来？我们在WAIC看到了全新的可能

编辑｜冷猫

过去两年，AI 行业给人的感受越来越割裂。

大模型的能力曲线急剧上扬。推理、长上下文、多模态、工具调用不断刷新基准，Agent 框架也从实验项目变成了基础设施。

但这些不断提升的模型能力，普通用户却没有相应的感知。对于普通人而言，这些 AI 仍然是一个孤立的对话框，大模型英雄仍无用武之地。

这构成了当下 AI 行业最明显的「参数悖论」：模型在刷榜，场景却在空转。如何解决这一种「参数越强、体感越弱」的反差，成了今年 WAIC 上绕不开的话题。

7 月 13 日，阶跃星辰用一场发布会，给出了它的答案。

相信敏锐关注行业动向的读者们已经知道了，当晚阶跃在发布会上甩出了几个王炸。

阶跃一口气发布了全球首款大模型原生 AI 终端品牌 STEPX、全球首个智能体原生操作系统 Step AOS、新一代个人智能体阶跃 Amoo。其中最引人注目，也引发了大家热议的，正是大模型原生智能体手机 STEPX Neo的首次亮相。

至此，这家一向低调的模型公司，正式补齐了从模型、系统到终端的「模软硬」三位一体闭环，STEPX Neo获得了首批《人工智能终端智能化分级》系列国家标准L3级别测试证书，这也是当前开放测试的最高级别，是AI终端智能化水平的国家级标杆。

在 WAIC 现场，我们把生活交给了 STEPX Neo

STEPX Neo 出现在今年的 WAIC 现场，受到了广泛关注，展台上围满了观展群众。同时 STEPX Neo 也是WAIC 十大「镇馆之宝」之一。

它到底和过去印象里的 AI 手机、AI 眼镜之类的产品有什么不同？

先说体感：快速，智能，懂你。

在 WAIC 展台现场，我们尝试把一件生活琐事交给 STEPX Neo：「帮我找个地方给车充电，再点杯喝的送到家。」

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

执行过程中，一个细节值得注意：STEPX Neo 并没有像传统 GUI Agent 那样逐屏识别、逐步点击。在查询充电桩、调用点单服务等环节，它能够直接调用支付宝等软件开放的服务能力。任务执行由模拟人工操作转向结构化的服务调用，减少了界面变化和长链点击带来的不稳定性，也跳出了过去那种「脚本式」的执行逻辑。

还有一个功能让我们发现 Amoo 对于多模态信息的识别，和任务的相关性执行做得非常出色。一句话，就能实现看到演唱会海报，直接完成抢票定机酒的一条龙操作。

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

一切都是这么水到渠成。在我们几乎没有意识到的情况下，就已经迈入了一种人与智能体，人与终端的一种全新的交互模式。

这正是阶跃强调的一种转变，智能体时代交互范式的转变，从「过程交互」走向「结果交互」，开创了 AI 时代交互的「iPhone 时刻」。

过去我们操作手机，本质是替机器把一个大任务拆成几十个小指令，App 与 App 之间的墙，最后都由我们用手指去翻越。而在 Step AOS 上，你只需要把意图说清楚，推进各种步骤和 App 协调的苦力活，交给智能体。用户关注的，不再是操作的过程，而是心想事成的结果。

再比如，公司同时 Frank 急着催我要一份文件，但我也忙的够呛。在这种场景下，Amoo 就是忙碌工作中的救星。它知道公司的地址，算好距离和费用，直接呼叫跑腿。

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

当我生活中的偏好，能够在用户许可的边界内被系统理解，Amoo 就不必每次都从「你想喝什么」开始问起。它可以根据长期偏好和实时场景准备合适的选项。看起来只是少点了几次屏幕，背后却跨过了记忆、决策、服务调用和权限控制四个环节。

这也解释了为什么阶跃没有把 Amoo 定义为另一个语音助手。助手等待明确指令，完成一个动作；智能体理解一个人，在持续上下文里推进一件事。两者的差距，根植于底层系统，在于其是否拥有一条完整的行动链路。

STEPX Neo 这部终端里的个人智能体阶跃 Amoo，「养」得越久，它就懂你的更多。这几乎是理解阶跃 STEPX 整套产品哲学的钥匙。

原生 AI 终端，让智能体成为原住民

横在智能体走进日常生活，走进真实世界道路上的，是三堵墙。

这三堵墙都不是靠模型再多几个参数、或者在某个 App 里多加一个 AI 按钮就能推倒的。

行业里主流的做法是「OS + AI」，在现成的安卓或 Linux 系统上，给智能体开一扇门，让它以访客的身份进来打个下手。而阶跃走的是另一条路，不破不立，以「人机共生」为原则，为智能体从零构建了一整套运行环境。

所以「OS+AI」怎么了？

这种方式只是让传统的系统获得一些智能，却并非以智能体交互为中心的新模式。举个例子，Apple Intelligence 就是经典的「OS+AI」路线。苹果通过将生成式模型接入 Siri、写作工具和系统应用，并尝试让开发者开放应用能力，使 AI 能在 iOS 生态内完成更多任务。

但即便号召力强如苹果，仍未能够实现「软硬模」的打通，在更复杂的任务上，苹果仍需要引入 ChatGPT、Gemini 这类第三方大模型。外部模型补齐了能力，却也让用户感受到模型切换与功能边界，软、硬件与模型之间尚未形成一套完全统一的体验。

在 WAIC 上，我们发现在 AI 手机这一产品方向上，除了传统的「OS+AI」路线之外，也出现了一条以豆包手机为代表的「能力嫁接」路线。模型公司、硬件企业以及软件生态的深度合作，成为一种智能体终端的更快速的探索方式。

这种模式能够快速将智能体能力引入手机，但未来的挑战也很明显：智能体、系统软件和硬件很难深度绑定，深度融合。

我们都知道，智能体不是一个开箱即用的完美产品，它更像一株需要你亲手去养的植物。人机共生，共生的核心，落在「共」字上。应用和系统相互隔离，智能体能力无法共享，就谈不上「共生」。

「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。」

阶跃搭建了 Step AOS，面向智能体重新组织底层资源，向下兼容 Android、Linux、RTOS 等系统，让 Agent 在不同终端上拥有一致的运行逻辑。

其核心可以概括为三层变化：新设施、新能力、新交互。

重排智能体使用资源的方式

先看新设施。传统操作系统把计算、数据、应用和服务分别交给不同模块管理，Step AOS 则把它们加工成智能体可以理解和调用的资源。

在计算侧，统一计算资源池负责调度 CPU、GPU、NPU 等异构算力。即时、隐私敏感的任务优先在端侧完成，需要复杂推理和多步规划时，再由云端模型接手。端和云不再是两套割裂的能力，而是同一个智能体的「快反应」与「深思考」。

在数据侧，统一语义数据层把感知信息、用户行为和个人数据转化为智能体可理解的语义信息。对 Agent 来说，它面对的不再只是一个个彼此封闭的文件和字段，而是与时间、人物、场景和任务有关的上下文。

在应用与服务侧，原子能力引擎把原有系统功能和外部服务拆成可调度、可编排的能力单元。阶跃与携程、支付宝、滴滴、美团、等首批生态伙伴的合作，采用协议接口而非简单模拟 GUI 点击。这样做的意义，是让服务调用拥有更明确的数据边界、授权机制和执行反馈。

比如作为媒体，探展之后面对手机里堆积的照片、零散的记录，整理素材往往是一项令人头疼的工作。但在系统级资源调动的能力加持下，这些繁琐步骤可以被串联起来：它能够调用系统中的应用和数据，结合阶跃强大的多模态基座模型，理解你的探展路线，自动匹配不同时间拍摄的照片，甚至可以识别并筛掉模糊、重复的低质量素材，匹配过往的写作习惯，一键一句话搞定。

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

支撑这些调度的是阶跃的「1+N」模型矩阵。其中，Step Edge 是专为终端定制的端侧基座模型，覆盖图像理解、GUI 定位、工具使用、空间推理等能力，可以独立完成轻量任务，并在复杂场景下与云端旗舰模型协同。按照阶跃披露的数据，本地工具调用可低至百毫秒，简单任务的端侧执行成功率超过 99%。

系统级资源经过重新组织后，Step AOS 与智能体 Amoo 才有可能接住那些步骤繁多、横跨多个应用的复杂任务。

给智能体补上记忆、决策与安全

地基重铺之后，Step AOS 要补齐的是智能体真正进入生活所需的新能力。

首先是记忆。Step AOS 设计了「双域三步」记忆结构。用户域用于理解人的身份、偏好和情境，智能体域则沉淀它自己的知识与经验；记忆按照「记、理、忆」三步运行，在交互中记录，在后台整理，在需要时召回。按照阶跃公布的测试结果，这套能力在 PersonaMem、LongMemEval 等国际评测上达到 SOTA，日常问答的最快记忆召回时间为 15 毫秒。

其次是决策。端侧 Step Edge 等模型负责唤醒、设闹钟、找照片等需要快速响应或涉及敏感数据的任务，复杂推理和多步骤规划再交给云端旗舰模型。端侧即时任务可在百毫秒级完成，执行成功率超过 99%；Step Edge 在 29 项端侧模型基准中位列同类模型第一。

最后是安全。原子能力和系统级权限让智能体可以跨服务执行任务。但行动能力越强，安全越不能只靠一次笼统授权。Step AOS 为此提出「可信、可见、可控、可逆」四维安全体系：操作在可信环境中完成，步骤可以审计回溯，权限按需授予、用完即收，误操作则可以撤回。阶跃还联合上海人工智能实验室发布智能体系统安全白皮书及端侧大模型网络安全指南，并参与相关国家标准研制。

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

WAIC 现场的基础演示刻意选择了「删除相册最后一张照片」，操作完成后，用户可以进入安全中心查看完整行为记录，并撤回刚才的操作。这是一套完整链路的安全策略，让智能体的每个操作的透明，可查询，给足用户安全感。

把「操作软件」改成「交付结果」

有了新设施，新能力，阶跃 Step AOS 最终才能够实现开创「结果交互」的新范式。

多模态让智能体理解语音、文字、图像和当前屏幕；上下文记忆补上用户没有说出口的身份、偏好与情境；结果交付再把一个意图拆成计划、调用和确认。

所以，「结果交互」并不是手机取消界面，也不是用户从此不再参与过程。相反，系统需要把过程隐藏到恰当的程度：低风险、可逆的步骤自动推进，高风险的步骤及时确认，任务结束后再交付清晰结果。自动化太少，用户仍在替机器跑流程；自动化过头，用户又会失去掌控。

这也是 Agent 与传统 App 最显著的分界线。App 把一种功能做成固定页面，用户自己决定调用顺序；Agent 接收的是目标，它要根据情境临时组织功能。印奇在 WAIC 主论坛演讲中给出一个乘法关系：Agent 能力 = 模型能力 × Agentic OS 能力。任何一项不够强，模型的聪明都难以稳定转化成能力输出。

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

这是「结果交互」最出色的展示，我们只关心我们的汇报内容，而 Amoo 替你直接综合信息，汇报改期，甚至直接替你完成了汇报 PPT 的制作。不管过程如何，用户只需要得到一个完美的结果，这也是 Step AOS 和智能体 Amoo 能够做到的事儿。

「智能体，正在成为生产力的最小单元。」一个能感知、记忆、规划和执行的 Agent，开始承担过去由用户在多个 App 之间手工完成的组织工作。手机由软件入口变成行动节点，才是阶跃打造「原生 AI 终端」的意义。

「模软硬」三位一体，打造下一个「iPhone 时刻」

把镜头拉远，阶跃打造一个全新的 AI 终端品牌，不只是造一部手机的事。

过去这一年，模型行业的空气里一直飘着一种焦虑。头部玩家陆续上市，生态越来越卷，基座模型之间的差距肉眼可见地在收窄。就连 OpenAI 和 Anthropic 这类顶级选手，都在考虑向硬件方向延伸。

2026 年 1 月，印奇正式出任阶跃星辰董事长。印奇说，他的加入本质上是在加速一个既定战略的落地，也正因如此，阶跃过去一直很低调，直到这个节点，「我们已经准备好了，能够展示出我们整个战略全景」。

阶跃始终相信的路径，正是「模软硬」三位一体。模型是智能体时代的大脑，阶跃用 Step AOS 给了它四肢、神经和免疫系统，而终端，是把这个聪明的大脑真正带进物理世界的身体。

2007 年的 iPhone 并没有发明触摸屏，也没有发明移动网络。它真正改变行业的，是把芯片、屏幕、操作系统、应用生态和多点触控组织成一种普通人不需要说明书也会使用的体验。

AI 的「iPhone 时刻」也不应由某个模型多拿几分或某场 Demo 多跑几步来定义。模型、多模态、长期记忆、端云协同、工具调用都技术基础。只有当一家公司把它们装进一个稳定、自然、可信的产品，让没有提示词知识、不了解模型架构的人也能使用，前沿技术才完成了从实验室能力到大众产品的最后一跃。

从这个角度看，STEPX Neo 正是智能体的「iPhone 时刻」的起点。它证明一家公司可以同时从模型、系统和硬件三个层面定义智能体体验，也让原本高高在上的模型能力有了普惠所有人的终端形态。

人们不必知道端侧模型如何路由，也不必理解双域记忆和原子能力，只要一句自然的表达就能获得结果，并且随时知道机器做了什么、能让它停下来、也能撤回错误。若这件事由中国公司依靠自己的模型、系统、供应链与服务生态完成，它所走出的，才是一条真正属于中国的产品道路。

更不一样的是，阶跃同时握住了模型、系统和硬件的三张王牌。

也许有一天大家会发现，在智能体手机时代，是中国真正定义了下一代的产品体验，成了未来十到二十年的新范式。

正如印奇在 WAIC 演讲中所言：「AI 最重要的意义，不是替代人，而是放大每个人的能力。」