新智元报道

【新智元导读】截胡OpenAI，中国黑马抢先交卷！今天，全球首款大模型 原生AI智能体手机STEPX Neo亮相，底层搭载智能体原生系统Step AOS，直接颠覆60年来的传统人机交互逻辑。

全球第一台大模型原生智能体手机，出现了！

就在今天，阶跃星辰在发布会上一口气抛出三样东西——

• 全球首个大模型原生AI终端品牌STEPX；

• 全球首个智能体原生操作系统Step AOS；

• 全球首款大模型原生智能体手机STEPX Neo。

随着模型能力逐渐拉平，顶尖玩家开始集体卷向更难啃的硬骨头：终端。

国内外大厂几乎同时觉醒，唯有把「模型+软件+硬件」拧成一个闭环，才可能拿到通往智能体时代的那张入场券。

于是，当OpenAI把自家AI硬件排到2027年的时候，一家成立仅三年的中国公司，抢先把这具「AI终端的身体」造了出来。

发布会还没散场，STEPX Neo就冲上了热搜。所有人的目光，都落在这台手机上。

但热闹归热闹，我们认为更有意思的，是它底下那套Step AOS。

因为它所代表的，是一次范式的跃迁。

系统革命

AI手机不缺，缺的是「原生」

现在你能买到的所谓AI手机，剥开外衣，不过是给传统安卓机外挂了一个大模型插件，AI说到底还只是一个App。

你唤醒它，它答话；你想让它替你把事办完，它办不了。

然而，头部玩家早就不满足于此。最近半年，所有人都把手伸进了系统层。

谷歌是最典型的一个。

I/O大会上，它干脆把Android从「操作系统」改口叫「智能系统」，推出Gemini Intelligence，让Agent能跨App调任务、自动填表。

微软在Build上端出基于AOSP重造的Project Solara，主打智能体动态生成界面、用对话取代点App。还有一批厂商，也都在自家系统上推进各自的Agentic OS。

这是实打实的进步。但再往里一层，有件事没人动过——操作系统的主角，仍然是人。

从内核调度到权限模型再到UI，智能体想在里面办事，唯一的办法是假装自己是双手：模拟点击、模拟滑动、模拟一个人类用户。

而这个「假装」，会在三个地方结结实实地卡住。

• 记忆：数据被一个个App各自锁着，端和端之间也不通气。智能体只能攒一点局部记忆，你一换应用、一换设备，它就把你忘了；

• 决策：简单事该端侧秒回，复杂事该云端细想，可老系统里这两套各干各的，没人统一调度，快慢接不上力；

• 行动：没有原生接口，智能体只能装作手指去戳屏幕；没有合法身份，它连授权都拿不到。真要动手之前，系统还欠它一条可信的通道、一份可管可回溯的超级权限。

这三个卡点，是过去六十年人机交互的默认前提。因为在此之前，人是唯一的用户。

所以在旧系统上给AI打多少补丁，都绕不开这个前提。除非你把主角换掉。

这正是阶跃的答案：不是教智能体怎么更像人，而是把系统的地基整个换掉，从零为智能体打造新环境。

它把这件事拆成一道乘法，进而实现指数倍的提升——

Step模型矩阵 × Step Agentic-native OS

Step AOS的底色，就在这道乘法里：AI终端品牌STEPX推出的全球首个「智能体原生」（Agentic-native）操作系统。

区别于行业主流的「AI+OS」，它做的是「AI is the OS」。

先看公式左边。

智能体要当你的伙伴，头一件事是得有颗聪明的大脑。

阶跃三年前作为「中国基模的最后一个入局者」入场，却早早押注智能体时代，用「1+N」布下一整套模型梯队：旗舰Pro、标准Flash、端侧Edge，一个不落。

作为业界公认的「多模态卷王」，它的音频模型Step Audio 2.5系列挤进全球前三，视觉语言模型Step VL做到行业SOTA，把音频、图像、视频、终端交互全模态收进同一张矩阵。

最新发布的Step Edge端侧基座模型专为终端硬件定制，在29项权威基准评测中位列同类端侧模型第一。

它可以独立完成轻量化智能任务，复杂场景下联动云端旗舰模型协同运算，兼顾低延迟、隐私安全与使用体验。

有了大脑，还得有个能让它施展的系统。这就是公式右边，Step Agentic-native OS。

Step AOS里装了什么

Step AOS是一套三层架构，从下往上，恰好对应三件过去从未有过的新东西——新设施、新能力、新交互。

• 底层是「资源供给底座」，把为人准备的系统，重造成给人和智能体用的；

• 中层，长出记忆、决策与行动、安全三大核心能力；

• 顶层，是一套意图驱动的自然交互，把整套系统的本事，用最省力的方式交到你手上。

底座：把系统资源，头一回交给智能体

传统操作系统里，算力、数据、服务这些资源，服务对象是「人和App」。

Step AOS的底层是资源供给底座，从硬件和传统操作系统中提取计算、数据、应用与服务，面向智能体重新供给。

计算，是一台「统一计算资源池」。

把端侧的CPU、GPU、NPU和云端算力纳进同一套调度框架，端上扛百毫秒级的快反应，云上接深度推理和复杂规划。

数据，是一层「统一语义数据层」。

过去数据被一个个App沙箱各自锁死，这一层在系统层面把跨应用、跨设备的数据汇到一起、统一治理，给「统一记忆」备好了原料。

应用与服务，是「原子能力引擎×系统服务框架」。

把系统和App里那些面向人的功能，拆成数千个最小能力单元，每个都是独立、无状态的节点，智能体能实时组合、自由编排、并行执行。

它还原生兼容MCP、A2A、CLI等协议，支持渐进式装载与统一API，第三方工具即插即用——旧世界的能力，被重新长进了系统里。

关键在于，这一层拆的是各家系统「共有的资源本质」，而不是某一个系统的具体实现。

所以Step AOS天生就能跨端：手机、PC、IoT，同一套底座，随处可落。这也是它敢说「跨端统一记忆、端云协同」的架构前提。

新能力：记忆、决策与行动、安全

设施铺好，系统才能「生长」出真正的智能体能力：记忆、决策与执行、安全。

在这里，它有一个亲切的名字——阶跃Amoo，STEPX在AI时代打造的新一代个人智能体，跨多端、原生多模态。

· 记忆：记得全、记得清、忆得准、忆得快

智能体最怕两件事：失忆，和记错。

记得全，靠「双域」结构。一半用来记你：你说过的事实、经历过的场景、是个什么样的人；另一半用来记它自己：懂哪些领域、养出了什么脾气、攒下了哪些打法。

记得清，靠一条「记、理、忆」三步链路。随手抽取、后台整理、需要时立刻想起。这就像人的记忆，白天记录、睡眠里沉淀、要用时唤醒，越用越顺。

忆得准，是硬指标。在PersonalMem、LongMemEval这些国际公认的评测基准上，它都摸到了SOTA级别。

忆得快，更是快得离谱。随口一问，日常问答记忆召回最快仅需15毫秒，实现从秒级到百毫秒级（50-150ms）的提升。

· 决策与执行：该快的快，该深的深

简单事和复杂事，不该用同一颗脑子。为此，Step AOS搞了个「端云多脑」。

端侧那颗把语音、语言、动作打成一片，百毫秒级响应，成功率压到99%以上。设闹钟、找照片、开应用这类即时活，直接在手机上就地办完，一个字节都不用上云。

碰到复杂推理、长文分析、多步规划，交给云端深度推理循环，STEPX的Pro、Flash主力模型配上多模态垂类模型一起算。

此外，在这两颗脑子中间，还夹着一层「级联调度」当路由：多级模型逐级分流，高频请求端侧直接闭环，复杂任务才逐级升入云端。

在「能端则端、需云则云、端云接力」之间动态选路，确保只有真正需要深度算力的活，才劳驾云端。

说到底，架构好不好，看任务办没办成。而下面这三项权威评测，量的恰恰都是成功率：

在Android Daily上，GUI任务成功率国内第一；在Claw Eval上，Claw任务成功率国内第一；在Step AOS-E2E-BMK上，终端任务执行成功率国内第一。

· 安全：能替你办事的前提，是你敢托付

智能体越能干，人越会犯嘀咕：把行动权交出去，安全吗？

阶跃在这件事上花了大功夫，提出四条底线：可见、可信、可控、可逆。

这套安全实践，阶跃联合上海人工智能实验室，一起沉淀成了《新一代智能体系统安全技术白皮书》，共同研制智能体安全技术国家标准，在智能体能力跃迁的同时建立可信边界。

技术做扎实，规则也立起来。

新交互：从「过程交互」到「结果交互」

对于用户来说，真正摸到的，是最上面这层「智能体交互」。

它把范式从「过程交互」翻转成了「结果交互」：过去你在终端交互里一步步下指令，如今你只需说清意图，理解、规划、执行的整条链，交给智能体。

交互的基本单元，从一次次点击，升级成一句话的「任务级委托」。

多模态通道让你用语音、视觉、文字自然表达，上下文记忆让对话不必每次从零开始，情境感知让它读得懂你此刻的处境。

而这，才是「把操作系统的主角让给智能体」的真正含义：机器开始适应人，而不再是人迁就机器。

App，会消失吗？

系统范式的变迁聊到这里，绕不开一个近来被反复讨论的观点。

进入智能体时代，App是不是要消失了？既然智能体能替你跨应用把事办完，你还需要一个个点开那些图标吗？

顺着这场发布会透出的信息，阶跃的答案是：不会消失，但会换一种活法。

几十年来，人机交互一直在朝「输入越来越省力」的方向走。

从键盘鼠标，到触摸屏幕，再到今天的自然语音，我们输入信息的方式，越来越贴合人的自然习惯，但输入信息的密度，其实是越来越低的。

一句「帮我订张明天回上海的高铁票」，抵得过过去几十次点击。

那么问题来了：信息密度降下来了，智能体凭什么还能准确领会你的意图，把事办成？

答案是，智能体对你的长期理解。你怎么用各个App、有什么偏好、有什么习惯，它在记忆和成长的过程里，早就把这些前置工作做完了。

而这恰恰也决定了App的命运。

界面的本质，是一台意图翻译器。

过去你脑子里的意图，必须被拆成一串点击、滑动、填表，才能被机器接收——那一排排图标和按钮，就是这套翻译规则的化身。

如今翻译这件事由智能体接管了，这台翻译器，自然就不必再摆在你面前。

所以App不会凭空消失，它只是从台前退到幕后，更潜移默化地为用户提供服务。你不再需要亲自去操作它们，智能体替你调用它们。

界面在淡出，服务却在「加厚」。

在用户授权、信任的前提下，A2A（Agent-to-Agent）会成为新的生态合作范式：智能体之间互相调用、彼此对话、协同完成复杂任务，目的只有一个——给用户更贴合需求的优质服务。

这也是为什么，STEPX从一开始就不打算做一座孤岛。

它与携程、支付宝、滴滴、美团、WPS、剪映等一批生态伙伴达成AI深度合作，把出行、政务、本地生活、办公、内容创作等全场景服务整合进来。

换句话说，App没有被杀死，只是被拆开，重新长进了系统里。

STEPX想造的，是一个「共生」的未来

行业热到今天，关于未来的讨论，多少有点剑拔弩张。「AI会不会取代人类」的声音，一直没停过。

通过这场发布会，我能明显感觉到阶跃的回答，干脆且坚定：不会。

它把智能体定义为你的伙伴。

伙伴替你卸下重复操作的枷锁，那些点了一万遍的按钮、填了一万遍的表单，交给阶跃Amoo；那些被切得七零八落的注意力，交还给你。伙伴也接得住你所有的奇思妙想，十倍每个人的可能。

主角让给智能体，是为了把人从操作里赎回来。

在STEPX看来，硬件只是阶跃Amoo走进物理世界、来到你身边的载体。智能体手机，也只是这个愿景的第一种形态。

模型×系统×硬件，再叠上生态，这个闭环一旦跑通，能被重做的就远不止一部手机。

正如STEPX所说：「所有硬件，都值得用AI重做一遍。」

而Step AOS按下的，正是这场「重做」的启动键。