剛剛，全球首臺「真·Agent原生手機」來了！

新智元報道

【新智元導讀】截胡OpenAI，中國黑馬搶先交卷！今天，全球首款大模型 原生AI智能體手機STEPX Neo亮相，底層搭載智能體原生系統Step AOS，直接顛覆60年來的傳統人機交互邏輯。

全球第一臺大模型原生智能體手機，出現了！

就在今天，階躍星辰在發布會上一口氣拋出三樣東西——

• 全球首個大模型原生AI終端品牌STEPX；

• 全球首個智能體原生操作系統Step AOS；

• 全球首款大模型原生智能體手機STEPX Neo。

隨著模型能力逐漸拉平，頂尖玩家開始集體卷向更難啃的硬骨頭：終端。

國內外大廠幾乎同時覺醒，唯有把「模型+軟件+硬件」擰成一個閉環，才可能拿到通往智能體時代的那張入場券。

于是，當OpenAI把自家AI硬件排到2027年的時候，一家成立僅三年的中國公司，搶先把這具「AI終端的身體」造了出來。

發布會還沒散場，STEPX Neo就沖上了熱搜。所有人的目光，都落在這臺手機上。

但熱鬧歸熱鬧，我們認為更有意思的，是它底下那套Step AOS。

因為它所代表的，是一次范式的躍遷。

系統革命

AI手機不缺，缺的是「原生」

現在你能買到的所謂AI手機，剝開外衣，不過是給傳統安卓機外掛了一個大模型插件，AI說到底還只是一個App。

你喚醒它，它答話；你想讓它替你把事辦完，它辦不了。

然而，頭部玩家早就不滿足于此。最近半年，所有人都把手伸進了系統層。

谷歌是最典型的一個。

I/O大會上，它干脆把Android從「操作系統」改口叫「智能系統」，推出Gemini Intelligence，讓Agent能跨App調任務、自動填表。

微軟在Build上端出基于AOSP重造的Project Solara，主打智能體動態生成界面、用對話取代點App。還有一批廠商，也都在自家系統上推進各自的Agentic OS。

這是實打實的進步。但再往里一層，有件事沒人動過——操作系統的主角，仍然是人。

從內核調度到權限模型再到UI，智能體想在里面辦事，唯一的辦法是假裝自己是雙手：模擬點擊、模擬滑動、模擬一個人類用戶。

而這個「假裝」，會在三個地方結結實實地卡住。

• 記憶：數據被一個個App各自鎖著，端和端之間也不通氣。智能體只能攢一點局部記憶，你一換應用、一換設備，它就把你忘了；

• 決策：簡單事該端側秒回，復雜事該云端細想，可老系統里這兩套各干各的，沒人統一調度，快慢接不上力；

• 行動：沒有原生接口，智能體只能裝作手指去戳屏幕；沒有合法身份，它連授權都拿不到。真要動手之前，系統還欠它一條可信的通道、一份可管可回溯的超級權限。

這三個卡點，是過去六十年人機交互的默認前提。因為在此之前，人是唯一的用戶。

所以在舊系統上給AI打多少補丁，都繞不開這個前提。除非你把主角換掉。

這正是階躍的答案：不是教智能體怎么更像人，而是把系統的地基整個換掉，從零為智能體打造新環境。

它把這件事拆成一道乘法，進而實現指數倍的提升——

Step模型矩陣 × Step Agentic-native OS

Step AOS的底色，就在這道乘法里：AI終端品牌STEPX推出的全球首個「智能體原生」（Agentic-native）操作系統。

區別于行業主流的「AI+OS」，它做的是「AI is the OS」。

先看公式左邊。

智能體要當你的伙伴，頭一件事是得有顆聰明的大腦。

階躍三年前作為「中國基模的最后一個入局者」入場，卻早早押注智能體時代，用「1+N」布下一整套模型梯隊：旗艦Pro、標準Flash、端側Edge，一個不落。

作為業界公認的「多模態卷王」，它的音頻模型Step Audio 2.5系列擠進全球前三，視覺語言模型Step VL做到行業SOTA，把音頻、圖像、視頻、終端交互全模態收進同一張矩陣。

最新發布的Step Edge端側基座模型專為終端硬件定制，在29項權威基準評測中位列同類端側模型第一。

它可以獨立完成輕量化智能任務，復雜場景下聯動云端旗艦模型協同運算，兼顧低延遲、隱私安全與使用體驗。

有了大腦，還得有個能讓它施展的系統。這就是公式右邊，Step Agentic-native OS。

Step AOS里裝了什么

Step AOS是一套三層架構，從下往上，恰好對應三件過去從未有過的新東西——新設施、新能力、新交互。

• 底層是「資源供給底座」，把為人準備的系統，重造成給人和智能體用的；

• 中層，長出記憶、決策與行動、安全三大核心能力；

• 頂層，是一套意圖驅動的自然交互，把整套系統的本事，用最省力的方式交到你手上。

底座：把系統資源，頭一回交給智能體

傳統操作系統里，算力、數據、服務這些資源，服務對象是「人和App」。

Step AOS的底層是資源供給底座，從硬件和傳統操作系統中提取計算、數據、應用與服務，面向智能體重新供給。

計算，是一臺「統一計算資源池」。

把端側的CPU、GPU、NPU和云端算力納進同一套調度框架，端上扛百毫秒級的快反應，云上接深度推理和復雜規劃。

數據，是一層「統一語義數據層」。

過去數據被一個個App沙箱各自鎖死，這一層在系統層面把跨應用、跨設備的數據匯到一起、統一治理，給「統一記憶」備好了原料。

應用與服務，是「原子能力引擎×系統服務框架」。

把系統和App里那些面向人的功能，拆成數千個最小能力單元，每個都是獨立、無狀態的節點，智能體能實時組合、自由編排、并行執行。

它還原生兼容MCP、A2A、CLI等協議，支持漸進式裝載與統一API，第三方工具即插即用——舊世界的能力，被重新長進了系統里。

關鍵在于，這一層拆的是各家系統「共有的資源本質」，而不是某一個系統的具體實現。

所以Step AOS天生就能跨端：手機、PC、IoT，同一套底座，隨處可落。這也是它敢說「跨端統一記憶、端云協同」的架構前提。

新能力：記憶、決策與行動、安全

設施鋪好，系統才能「生長」出真正的智能體能力：記憶、決策與執行、安全。

在這里，它有一個親切的名字——階躍Amoo，STEPX在AI時代打造的新一代個人智能體，跨多端、原生多模態。

· 記憶：記得全、記得清、憶得準、憶得快

智能體最怕兩件事：失憶，和記錯。

記得全，靠「雙域」結構。一半用來記你：你說過的事實、經歷過的場景、是個什么樣的人；另一半用來記它自己：懂哪些領域、養出了什么脾氣、攢下了哪些打法。

記得清，靠一條「記、理、憶」三步鏈路。隨手抽取、后臺整理、需要時立刻想起。這就像人的記憶，白天記錄、睡眠里沉淀、要用時喚醒，越用越順。

憶得準，是硬指標。在PersonalMem、LongMemEval這些國際公認的評測基準上，它都摸到了SOTA級別。

憶得快，更是快得離譜。隨口一問，日常問答記憶召回最快僅需15毫秒，實現從秒級到百毫秒級（50-150ms）的提升。

· 決策與執行：該快的快，該深的深

簡單事和復雜事，不該用同一顆腦子。為此，Step AOS搞了個「端云多腦」。

端側那顆把語音、語言、動作打成一片，百毫秒級響應，成功率壓到99%以上。設鬧鐘、找照片、開應用這類即時活，直接在手機上就地辦完，一個字節都不用上云。

碰到復雜推理、長文分析、多步規劃，交給云端深度推理循環，STEPX的Pro、Flash主力模型配上多模態垂類模型一起算。

此外，在這兩顆腦子中間，還夾著一層「級聯調度」當路由：多級模型逐級分流，高頻請求端側直接閉環，復雜任務才逐級升入云端。

在「能端則端、需云則云、端云接力」之間動態選路，確保只有真正需要深度算力的活，才勞駕云端。

說到底，架構好不好，看任務辦沒辦成。而下面這三項權威評測，量的恰恰都是成功率：

在Android Daily上，GUI任務成功率國內第一；在Claw Eval上，Claw任務成功率國內第一；在Step AOS-E2E-BMK上，終端任務執行成功率國內第一。

· 安全：能替你辦事的前提，是你敢托付

智能體越能干，人越會犯嘀咕：把行動權交出去，安全嗎？

階躍在這件事上花了大功夫，提出四條底線：可見、可信、可控、可逆。

這套安全實踐，階躍聯合上海人工智能實驗室，一起沉淀成了《新一代智能體系統安全技術白皮書》，共同研制智能體安全技術國家標準，在智能體能力躍遷的同時建立可信邊界。

技術做扎實，規則也立起來。

新交互：從「過程交互」到「結果交互」

對于用戶來說，真正摸到的，是最上面這層「智能體交互」。

它把范式從「過程交互」翻轉成了「結果交互」：過去你在終端交互里一步步下指令，如今你只需說清意圖，理解、規劃、執行的整條鏈，交給智能體。

交互的基本單元，從一次次點擊，升級成一句話的「任務級委托」。

多模態通道讓你用語音、視覺、文字自然表達，上下文記憶讓對話不必每次從零開始，情境感知讓它讀得懂你此刻的處境。

而這，才是「把操作系統的主角讓給智能體」的真正含義：機器開始適應人，而不再是人遷就機器。

App，會消失嗎？

系統范式的變遷聊到這里，繞不開一個近來被反復討論的觀點。

進入智能體時代，App是不是要消失了？既然智能體能替你跨應用把事辦完，你還需要一個個點開那些圖標嗎？

順著這場發布會透出的信息，階躍的答案是：不會消失，但會換一種活法。

幾十年來，人機交互一直在朝「輸入越來越省力」的方向走。

從鍵盤鼠標，到觸摸屏幕，再到今天的自然語音，我們輸入信息的方式，越來越貼合人的自然習慣，但輸入信息的密度，其實是越來越低的。

一句「幫我訂張明天回上海的高鐵票」，抵得過過去幾十次點擊。

那么問題來了：信息密度降下來了，智能體憑什么還能準確領會你的意圖，把事辦成？

答案是，智能體對你的長期理解。你怎么用各個App、有什么偏好、有什么習慣，它在記憶和成長的過程里，早就把這些前置工作做完了。

而這恰恰也決定了App的命運。

界面的本質，是一臺意圖翻譯器。

過去你腦子里的意圖，必須被拆成一串點擊、滑動、填表，才能被機器接收——那一排排圖標和按鈕，就是這套翻譯規則的化身。

如今翻譯這件事由智能體接管了，這臺翻譯器，自然就不必再擺在你面前。

所以App不會憑空消失，它只是從臺前退到幕后，更潛移默化地為用戶提供服務。你不再需要親自去操作它們，智能體替你調用它們。

界面在淡出，服務卻在「加厚」。

在用戶授權、信任的前提下，A2A（Agent-to-Agent）會成為新的生態合作范式：智能體之間互相調用、彼此對話、協同完成復雜任務，目的只有一個——給用戶更貼合需求的優質服務。

這也是為什么，STEPX從一開始就不打算做一座孤島。

它與攜程、支付寶、滴滴、美團、WPS、剪映等一批生態伙伴達成AI深度合作，把出行、政務、本地生活、辦公、內容創作等全場景服務整合進來。

換句話說，App沒有被殺死，只是被拆開，重新長進了系統里。

STEPX想造的，是一個「共生」的未來

行業熱到今天，關于未來的討論，多少有點劍拔弩張?！窤I會不會取代人類」的聲音，一直沒停過。

通過這場發布會，我能明顯感覺到階躍的回答，干脆且堅定：不會。

它把智能體定義為你的伙伴。

伙伴替你卸下重復操作的枷鎖，那些點了一萬遍的按鈕、填了一萬遍的表單，交給階躍Amoo；那些被切得七零八落的注意力，交還給你?；锇橐步拥米∧闼械钠嫠济钕?，十倍每個人的可能。

主角讓給智能體，是為了把人從操作里贖回來。

在STEPX看來，硬件只是階躍Amoo走進物理世界、來到你身邊的載體。智能體手機，也只是這個愿景的第一種形態。

模型×系統×硬件，再疊上生態，這個閉環一旦跑通，能被重做的就遠不止一部手機。

正如STEPX所說：「所有硬件，都值得用AI重做一遍?！?/p>

而Step AOS按下的，正是這場「重做」的啟動鍵。