6 臺機(jī)器人拼長城、首款智能體手機(jī)首秀：階躍把 AI 塞進(jìn)了現(xiàn)實(shí)世界｜WAIC 2026

81,920 塊積木，6 臺機(jī)器人，連續(xù) 15 小時。

階躍展區(qū)給今年 WAIC 備的開場，是一場 AI「體力活」。

前兩年一家模型公司的展臺，大概就會看到滿墻參數(shù)和榜單第一。階躍這次有點(diǎn)意思，它把手機(jī)、汽車和機(jī)器人一股腦搬了進(jìn)來，其中還有一臺拿了本屆「鎮(zhèn)館之寶」的智能體手機(jī)。

看著是四個方向，其實(shí)都在回答同一個問題：大模型已經(jīng)有了一顆足夠聰明的「大腦」，怎么給它接上一副真能動的身體？

在階躍展區(qū)，我們搶先看到了答案——

它會看、會聽、有記憶，也能調(diào)用工具替人辦事。在手機(jī)里，它試著接管 App 之間的瑣碎操作；同源的智能體邏輯能在手機(jī)和電腦之間接力；坐進(jìn)汽車，它開始琢磨道路、目的地和人臨時冒出來的念頭；到了機(jī)器人這兒，模型得把計(jì)劃變成物理世界里真實(shí)、連續(xù)的動作。

階躍這次給的答案很直接。模型不能只待在云端，Agent 也不能只活在聊天框里。模型、系統(tǒng)、終端，得擰成一件事。

APPSO 這就帶你看看階躍這個展臺有什么好玩的東西，你也可以根據(jù)階躍給出的同款路線來體驗(yàn)。

階躍展區(qū)位于本屆 WAIC 的核心展館世博 H1，融合了目前階躍最重要的幾大業(yè)務(wù)：端云協(xié)同的 Step 模型矩陣、STEPX Neo 大模型原生智能體手機(jī) 、智能體原生操作系統(tǒng) Step AOS、AI 模型實(shí)驗(yàn)室、車機(jī)模型體驗(yàn)，以及最新的具身智能應(yīng)用場景。

特別是在最新成立的階躍終端所負(fù)責(zé)的智能體手機(jī)展臺，人流相當(dāng)密集。STEPX Neo 并非第一臺「AI 手機(jī)」，但卻是不同于其他手機(jī)的全新物種，也引來了大批參展者駐足。

階躍 Amoo——造型既熟悉又足夠有辨識度的智能體，成為了全場的主角。這正好代表了階躍在本次 WAIC 上參展的基調(diào)：

擁有多種級別和不同能力的階躍模型家族，共同托起了一個強(qiáng)有力的 Agent，讓它可以落地到不同的場景，接管整個世界。

大模型開始找「身體」

過去兩年，大模型公司最愛展示的是一塊屏幕。

左邊輸入問題，右邊吐出答案。模型會寫代碼、做數(shù)學(xué)題、生成圖片和視頻，排行榜上的分?jǐn)?shù)一路漲。

可人真正生活的世界，不是一個無限延伸的對話框。

訂一次差旅，信息散在日歷、地圖、航旅、酒店和支付 App 里；干一份活，需求在手機(jī)上收到，文件卻躺在電腦里；坐進(jìn)車，導(dǎo)航、座艙和輔助駕駛又是幾套各管各的系統(tǒng)。至于機(jī)器人面對的，是會移動、會出錯、按不了撤銷鍵的物理世界。

從「回答問題」到「完成任務(wù)」，中間隔著感知、記憶、規(guī)劃和執(zhí)行。

這也解釋了，階躍為什么要搭一套看著有點(diǎn)「過于完整」的模型體系。

階躍現(xiàn)在已經(jīng)形成 Pro、Flash、Edge 三層 Step 模型矩陣。Pro 啃復(fù)雜推理，把能力上限拉滿；Flash 面向高頻 Agent 工作流，在速度和成本之間找平衡；Edge 鉆進(jìn)手機(jī)、汽車這些終端，管本地感知和即時反應(yīng)。

橫著看，這套矩陣又覆蓋了語言、多模態(tài)理解與生成、語音、圖像、視頻和音樂，累計(jì)發(fā)了超過 40 款模型，多模態(tài)占了八成以上，圈內(nèi)給它起了個外號，多模態(tài)卷王。

Step 3.7 Flash 是面向 Agent 的高效大腦，StepAudio 系列管實(shí)時對話、語音理解與生成，視覺模型讓設(shè)備看懂屏幕和環(huán)境，Step Edge 全家桶則把文本、視覺、語音、GUI 操作和圖像生成一起帶到本地。

換句話說，階躍沒有拿一個模型硬塞進(jìn)所有終端，它先備齊不同尺寸、不同模態(tài)、不同速度的「腦區(qū)」，再按任務(wù)組合。

別人做的模型矩陣像是各不相干的產(chǎn)品線，而階躍造了一臺會自動換擋的變速箱。

階躍在 WAIC 前夕剛發(fā)的 Step Edge端側(cè)模型全家桶，在涵蓋圖像理解、OCR、GUI 操控的 29 項(xiàng)權(quán)威基準(zhǔn)評測里拿了同類端側(cè)模型第一，把 Qwen3-VL、MiniCPM-V 這些主流對手壓在身后。

找照片、設(shè)鬧鐘、調(diào)系統(tǒng)這種高頻小事，交給它，本地工具調(diào)用最低能壓到 0.1 秒；碰上跨應(yīng)用規(guī)劃、長鏈路推理，再把活交給云端模型。敏感的文字、視覺和語音留在本地，復(fù)雜任務(wù)又不必被端側(cè)那點(diǎn)算力卡住。

快的留在手上，難的送上云端。

印奇認(rèn)為，「如果不做大模型，做不好小模型。」這套端云結(jié)合，簡單把大模型「壓小」塞進(jìn)設(shè)備遠(yuǎn)遠(yuǎn)不夠，得讓 Agent 自己拎得清，什么時候動手，什么時候該找更強(qiáng)的大腦幫忙。

模型這層備齊，才有了統(tǒng)一的落點(diǎn)：讓 AI 離開聊天框，進(jìn)到終端里。

第一副身體，是一臺不想讓你老盯著看的手機(jī)

整個展區(qū)里，最可能成為人氣中心的，無疑是前幾天發(fā)布的大模型原生首款智能體手機(jī) STEPX Neo，這是它第一次在線下公開亮相。

在現(xiàn)場，階躍不僅提供了完整的功能和技術(shù)邏輯講解，更提供了真機(jī) demo。但看到它在現(xiàn)場擁擠的網(wǎng)絡(luò)和復(fù)雜的展示環(huán)境下，仍然能夠以極低的延遲執(zhí)行各種簡單或復(fù)雜的指令，印象非常深刻。

開展前，STEPX Neo 已經(jīng)拿下本屆 WAIC「鎮(zhèn)館之寶」，也是目前唯一通過首批《人工智能終端智能化分級》國家標(biāo)準(zhǔn) L3 級測試的智能體手機(jī)。同批入選的還有中科曙光的全國產(chǎn)十萬卡超算這些硬貨，一臺手機(jī)能擠進(jìn)去，本身就說明它靠的不是硬件參數(shù)。

階躍真正想改的，是我們用手機(jī)的方式。

你只要說一句「幫我安排下周去上海見客戶的差旅行程，不要早起」，換傳統(tǒng)手機(jī)，你得自己查日歷、看天氣、比機(jī)票、找酒店，再一個個 App 填信息；在 STEPX Neo 上，階躍 Amoo 先聽懂「見客戶」和「不要早起」這兩個條件，再拆任務(wù)、調(diào)服務(wù)，最后把一份能直接確認(rèn)付款的行程單遞回來。

階躍管這叫「結(jié)果交互」。人只管把想要的結(jié)果說清楚，中間的活交給智能體。印奇說得更直接：「你盡量少去看它，能夠比較少地跟它交互，就能完成任務(wù)。我們并不想它一直獲得你的注意力。」

一臺上來就勸你少看它的手機(jī)，在這個所有 App 都在搶屏幕時間的年代，屬實(shí)有點(diǎn)反骨。

聽著像個更強(qiáng)的語音助手？差得遠(yuǎn)。普通助手住在系統(tǒng)里的一間「客房」，干點(diǎn)事就得申請權(quán)限，還翻不過 App 之間那堵數(shù)據(jù)墻。階躍 Amoo 在 Step AOS 里是系統(tǒng)級的原住民。印奇的比方是：「在舊系統(tǒng)上給智能體開一扇門，它永遠(yuǎn)是訪客。為智能體蓋一座房子，它才是原住民。」

Step AOS 從底層重做了三件事：把散在各處的數(shù)據(jù)整理成 Agent 讀得懂的記憶，把不同大小的端云模型統(tǒng)一調(diào)度，再把通訊、應(yīng)用、文件和系統(tǒng)能力拆成能自由組合的原子服務(wù)。

于是階躍 Amoo 不只是能聽懂一句話，還能記住偏好、規(guī)劃步驟、真正執(zhí)行。

權(quán)限越大，越嚇人。階躍為此加了「可信、可見、可控、可逆」四道閘：過程能審計(jì)，權(quán)限用完就收，碰到付款、刪除這種敏感操作必須交還給你確認(rèn)，辦錯了還能撤回。

這是 STEPX Neo 最值得關(guān)注的地方。它的處理器、影像、續(xù)航還沒完全揭曉，價格和開賣時間也沒定。但階躍已經(jīng)先把一個問題拋了出來：

哪天手機(jī)的第一入口不再是 App，變成一個懂你的智能體，操作系統(tǒng)該從哪兒重新蓋起？

從手機(jī)到電腦，Agent 不該困在一塊屏幕上

手機(jī)給了階躍 Amoo 一個隨身入口。可人不會只在手機(jī)上干活。

在階躍的展臺上，「階躍 AI」就給我們展示另一種和 AI 的相處模式：你在手機(jī)上發(fā)一句指令，電腦端接住，自動去排版文件、整理資料，甚至替你在飛書上發(fā)消息。指令、上下文、進(jìn)度在兩塊屏之間同步，你不用把文件傳來傳去，也不用換臺設(shè)備再把背景重講一遍。

令 APPSO 感到意外的是，在多端 Agent 聯(lián)動上并非首創(chuàng)者的階躍，做出了比 Codex/ChatGPT 的 Remote Control、Claude Dispatch 等「前輩」們更加優(yōu)秀和直觀的多設(shè)備 agent 接力體驗(yàn)：

我們設(shè)計(jì)了一個復(fù)雜的跨端文件操作任務(wù)：「找到電腦上某個文件，編輯其中的內(nèi)容，再轉(zhuǎn)換格式發(fā)回手機(jī)端。」

推理、思考、拆解，僅用了短短數(shù)秒。然后，我們發(fā)現(xiàn)電腦就已經(jīng)進(jìn)入工作狀態(tài)了。具體原理是階躍桌面端 Agent 利用 computer use 能力來直接操作電腦。而更有趣的是，手機(jī)端也出現(xiàn)了一個「預(yù)覽屏幕」，就像遠(yuǎn)程操控一樣，但完全不需要用戶自己來操控。

根據(jù)階躍工作人員介紹，這個設(shè)計(jì)并非「必需品」，但它能夠帶給用戶更直觀的視覺上的「確認(rèn)感」。

過去說多端協(xié)同，多半指剪貼板互通、文件接力、通知同步。說穿了，是把同一份東西在設(shè)備間搬來搬去。階躍想做的更進(jìn)一步：搬的不是文件，是任務(wù)本身。

這意味著手機(jī)不必縮成一臺小 PC，PC 也不用照搬手機(jī)那套 App。每臺設(shè)備只干自己擅長的部分，Agent 管理解目標(biāo)、分配活兒、把結(jié)果交出來。

如果說 STEPX Neo 是給階躍 Amoo 的一副新身體，階躍 AI 更像它在設(shè)備之間穿行的方式。

同一個大腦，換一雙手接著干。

坐進(jìn)汽車后，Agent 要學(xué)會的不只是聊天

手機(jī)上點(diǎn)錯了，最多多點(diǎn)兩下。車?yán)镒鲥e決策，對應(yīng)的是一段真實(shí)的路。

這也是 AI+終端最難啃、又最值得認(rèn)真做的一塊。

在 WAIC 上，階躍聯(lián)手吉利、千里科技帶來全新升級的汽車「超級智能體」，放在了一臺極氪 8X 上展示。它想甩掉的，是那種只會調(diào)空調(diào)、放音樂的車載語音助手，把智能座艙、輔助駕駛和生活服務(wù)串成一條任務(wù)鏈。

一句「帶我去接孩子，路上找家麥當(dāng)勞，5 點(diǎn)前要到學(xué)校」，一點(diǎn)都不嚴(yán)謹(jǐn)。可系統(tǒng)得聽懂里面的模糊意圖，規(guī)劃路線和時間，啟動輔助駕駛，還得順手把途中臨時加的那頓麥當(dāng)勞辦了。

它既要會開車，也要會辦事。

背后還是那套端云邏輯。Step 3.7 Flash 負(fù)責(zé)啃下模糊指令、規(guī)劃任務(wù)，端到端語音模型讓對話更自然，視覺模型看懂車內(nèi)外環(huán)境再據(jù)此決策；接下來端側(cè)模型還會讓更多高頻、隱私敏感的任務(wù)留在車端就地辦。

這套合作里還藏著一個關(guān)鍵的人。印奇同時是階躍星辰董事長和千里科技董事長，「AI大腦」和「終端載體」握在同一個人手里，這在國內(nèi)車企和模型公司的合作里并不多見。

手機(jī)、電腦和汽車的界面完全不同，但 Agent 面對的核心任務(wù)沒變：搞懂人真正想干什么，再調(diào)動終端能力把事情辦完。

這也是為什么，階躍跟車廠的合作，比「把一個大模型接進(jìn)車機(jī)」要重得多。大模型是腦，整車系統(tǒng)是身體。只有艙、駕、生活服務(wù)真打通，智能體才不只是副駕座上一個會聊天的聲音。

身體像人，大腦像人，工作起來才像人

手機(jī)和汽車好歹還有成熟的操作系統(tǒng)和產(chǎn)業(yè)鏈托底。機(jī)器人面對的，是最不講情面的現(xiàn)實(shí)世界。

一塊積木偏 1 毫米，后面的結(jié)構(gòu)就層層累積誤差；一臺機(jī)器人停頓，其他幾臺的分工得跟著重排；連著干 15 小時，任何一次識別或抓取失敗，都可能讓挑戰(zhàn)當(dāng)場中斷。

所以今年階躍展區(qū)最可能吸睛、也最「下笨功夫」的一項(xiàng)，是它攜手原力靈機(jī)，讓 6 臺不同類型的機(jī)器人挑戰(zhàn)協(xié)同拼裝一座 3 米長的積木長城。

81,920 塊微型積木，計(jì)劃連續(xù)作業(yè) 15 小時。算下來每小時得拼 3413 塊，平均每臺機(jī)器人每 12 秒就要完成一次精準(zhǔn)拼裝，綜合手速直逼熟練工。

我們到場時機(jī)器人已經(jīng)進(jìn)行了長達(dá) 7 小時的拼裝工作，進(jìn)度接近一半。

APPSO 注意到，一個頗為有趣的設(shè)計(jì)：這次挑戰(zhàn)并不是人形機(jī)器人簡單的定位、識別、尋址，而是一個涉及多地點(diǎn)、多機(jī)器人類型的復(fù)雜流程工作。

人形機(jī)器人從庫位抓起單獨(dú)的積木，拿到一旁的組裝臺；在組裝臺上，有機(jī)器手負(fù)責(zé)將零碎的積木拼裝成整塊，這樣的組裝臺共有 4 組；等大塊組裝完成后，機(jī)器人再將其轉(zhuǎn)移到最終拼裝的「主舞臺」的對應(yīng)位置。

這種「團(tuán)隊(duì)協(xié)作」的感覺，也是具身智能機(jī)器人未來與彼此、與人一同工作，該有的樣子。

6 臺機(jī)器人得自主感知、獨(dú)立決策、動態(tài)分工，在亞毫米尺度完成精細(xì)操作，這個精度已經(jīng)超過人手的生理極限，人手自然抖動大約在 0.3 到 1 毫米。階躍基礎(chǔ)大模型當(dāng)「大腦」，理解總目標(biāo)、拆任務(wù)、排順序；原力靈機(jī) DM0.5 具身通用基礎(chǔ)模型像「運(yùn)動小腦」，把計(jì)劃落成穩(wěn)、準(zhǔn)、微的動作。

一個負(fù)責(zé)想，一個負(fù)責(zé)做。而且要一直做下去。

我在階躍展臺，看到了大模型的下一站

把 STEPX Neo、階躍 AI、極氪 8X 和 6 臺機(jī)器人拆開看，每一個都夠撐起一個獨(dú)立展區(qū)。

但階躍這次真正想證明的，是另一件事：這四樣?xùn)|西，其實(shí)是同一顆大腦，同一套端云模型，同一個操作系統(tǒng)。

換上手機(jī)、汽車或機(jī)器人的軀殼，就能在完全不同的場景里接著干活。

模型矩陣管「多聰明」，Step AOS 管「怎么落地」，終端管「在哪干活」。三層疊起來，AI 才算真的從聊天框里走出來，長出了能感知、能記憶、能動手的身體。

想清楚這條主線，「AI+終端」才不再只是把 AI 貼到硬件，就為了賣更高溢價上的一句營銷口號。

端側(cè)延遲夠不夠低，復(fù)雜任務(wù)能不能順利上云；Agent 有沒有系統(tǒng)權(quán)限，服務(wù)生態(tài)肯不肯開接口；車能不能量產(chǎn)上路，機(jī)器人能不能真扛住 15 小時。每一層都是真問題，也都比做一段漂亮 Demo 難得多。

當(dāng)然，STEPX Neo 還得過真實(shí)用戶和應(yīng)用生態(tài)這一關(guān)，汽車智能體要在復(fù)雜路況里證明自己靠譜，機(jī)器人離走進(jìn)工廠和家庭也還有一段長路，階躍給的不是終局答案。

但這屆 WAIC，這家國產(chǎn)模型公司至少把自己的方向說得足夠清楚：

大模型的下一站，是手機(jī)、電腦、汽車和機(jī)器人，是每一副能替人感知、記憶和行動的身體。

過去兩年，我們隔著屏幕問 AI，你能做什么。

現(xiàn)在，它開始走出屏幕，自己動手了。