一家做大模型的公司，为什么最后去造了手机？

2026年7月13日，阶跃星辰在上海一口气发了四样东西：一个智能体原生操作系统 Step AOS、一个个人智能体"阶跃 Amoo"、一个 AI 终端品牌 STEPX，外加一台手机 STEPX Neo。做模型的，真去碰硬件了。

很多人第一反应是"跨界"“不务正业”。但把它过去27个月的动作连起来看，你会发现这不是跨界，是能力长到了那一步——被上一步的局限一路逼过来的。

阶跃终端品牌发布会

这条线其实很清楚：多模态"卷王"（能看、能听、能生成）→ Agent（会拆任务、调工具、操作界面）→ 终端大脑（同一套能力下沉到手机、电脑、汽车）。官方自己有个说法叫"1+N"——"1"是 Step 3 这棵基座树，"N"是多模态全家桶。

一、起点：闷头11个月，然后三连发

2023年4月6日，阶跃星辰在上海徐汇注册，名字取自数学里的"阶跃函数"——在0和1之间瞬间跳一档的那种曲线。创始人姜大昕，在微软干了16年，走之前是微软全球副总裁、STCA 副院长兼首席科学家，管过必应的全球搜索和自然语言理解。ChatGPT 出来后他觉得"这是划时代变革，必须自己下场"，拉了两个老搭档——朱亦博管系统（前字节 AI Infra，万卡集群那套），焦斌星管数据（前必应核心搜索），加上首席科学家张祥雨（ResNet 作者之一）。一支典型的微软系队伍。

成立之后，这家公司闷头干了11个月，几乎没声音。直到2024年3月才第一次公开亮相，一出手就是三连发。这种"不抢首发、憋大招"的节奏，后来差不多成了阶跃的常态。

最早露面的是两款语言模型。Step-1，千亿参数 Dense 架构，2023年训、2024年3月公开，是它的第一款基座，先把底子立起来。紧接着 Step-2，万亿参数 MoE，2024年3月给预览、7月 WAIC 转正——国内创业公司里第一个冲到万亿级 MoE 的。这件事信号大于参数：阶跃一开始就没打算在千亿 Dense 那一档停住，它要验证的是 MoE 在中文场景能不能跑出不一样的性价比。

但这两款有个共同短板：能聊、能写、能答，离"能看图、能听声、能剪视频"还差一截。基座再强，单模态也撑不起"1+N"里那个 N。于是多模态线接了上来。

二、多模态卷王：N 是怎么一件件挂上去的

2023年11月训完、2024年3月公开的 Step-1V（千亿级多模态），先把"看"补齐，当时对标 GPT-4V。但真正让外界记住"多模态卷王"这个标签的，是2025年2月18日那一晚——阶跃同场开源了两款模型：Step-Video-T2V（300亿参数，与吉利联合开源，当时全球最大的开源视频生成模型）和 Step-Audio（行业首个产品级开源语音交互模型）。

一个视频、一个语音，同晚双开源。这不是偶然。

别人卷单模态，它卷"视频+语音"两开源；别人卷闭源商用，它挑产品级开源。此后 N 继续补：Step1X-Edit（19B，2025年4月开源图像编辑）、看图思考的 Step-R1-V-Mini、支持语音原生工具调用的 Step-Audio 2 mini（2025年9月）；到2026年上半年又开始往小里压——Step Image Edit 2（3.5B，4月）、Step-3 VL-10B、Step-Audio-R1.1（均5月29日）。图、视频、语音、编辑、多模态推理，各占一块，N 基本成型。

智能体

多模态死磕到这个程度，跟姜大昕的搜索背景有关。搜索的下一步本就是"能看懂页面、能听懂语音、能生成答案"，单模态文本撑不起这个场景。所以多模态对阶跃不是"特色功能"，是它认为 AGI 的默认形态。这一点也埋了个伏笔：等它后来转向 Agent，感知这一层是不缺的。

阶跃在多模态上选的是"开源换生态心智"，Step-Video、Step-Audio、Step1X-Edit 全开源，和更偏闭源 API 先跑商业化的同行不太一样。这条路能不能收回成本另说，至少开发者社区先认了。
但多模态只解决了"能看能听"。用户要的不是"模型能描述这张图"，是"模型帮我把这张图里的发票报了"。这一步局限，得靠 Agent 补。

三、两次加速：Flash 系列把成本压下来

讲 Agent 之前，得先把 Flash 系列说清楚，它是 Agent 化的直接推手，也最容易被写混。
先是2025年7月开源的 Step-3，MoE 总参321B、激活38B，主打在国产芯上的推理效率——这是"1"那棵基座树的换代。

真正的转折在2026年：Step-3.5 Flash（2月2日，总参196B、激活11B，约350 tokens/s，姜大昕称之为"Agent 加速器"；4月2日又出了个 2603 小更，token 成本降14%–56%），到 Step-3.7 Flash（5月29日开源，196B 总参+1.8B 视觉编码器、激活11B，速度提到约400 tokens/s、256K 上下文，定位"生产级 Agent 基座"，能集成 Claude Code、OpenClaw 这类框架）。

Flash 存在的意义，是一笔经济账。总参撑住能力上限，但每次只激活11B，单次推理不吃满，速度快、成本低，Agent 才"敢"高频多轮地调它——一条真实任务链可能要几十次视觉识别、十几次搜索验证，模型不够快不够省，任务根本跑不完。

3.5 Flash 开源两天登上 OpenRouter 热榜，一个月拿下 OpenClaw 调用量全球第一，说明市场已经在用新的尺子量模型：不只看单点峰值，更看长跑里的速度、稳定和成本。

模型矩阵到这一步，形成了后来印奇讲的三层：Pro（云端，高难推理、长链规划）+ Flash（云端，高频 Agent 工作流）+ Edge（端侧，本地执行）。

三层齐了，能力才好往终端上落。

四、转向 Agent：从"会答"到"会做"

2025年下半年起，阶跃的产品明显从"补模态"转向"干任务"。

补"手"的关键是 GUI 模型。Step-GUI Edge（前身 Gelab-Zero，2025年11月29日开源，4B 参数）是首款能真正部署到手机上的 GUI 模型，配 GUI-MCP 协议，能跨200多个 App 执行操作；配套的云侧 Step-GUI（8B，2025年12月17日）负责复杂规划，和端侧"云想端做"协同。

这一步补的是"Agent 有大脑没有手"——模型能规划，但要在手机上点外卖、填表单、切 App，得有个能看懂屏幕、会模拟触控的小模型跑在本地。

PC 那头也有落点：阶跃AI 桌面伙伴（Mac 版2025年9月、Windows 版2026年1月）能调16款 MCP 工具、自主联网搜索、处理本地文件。

到2026年7月12日（发布会前一天），阶跃把端侧补齐——Step Edge 端侧模型全家桶：基础、Audio、GUI、Gen 四款，加上自研 NPU 推理引擎，端侧工具调用最低0.1秒，官方称在29项同类端侧评测里第一。Edge 不发，终端就落不下去；Edge 一发，第三幕的门才推开。

STEPX

五、终端大脑：Step AOS、Amoo 和那台还没量产的手机

阶跃不是2026年7月才突然想做终端的。早在2024年底，姜大昕就把"汽车、手机、具身、IoT"定为四大终端场景，落地方式一开始是给别人赋能——把自家模型装进 OPPO、荣耀等品牌的手机（据此前报道，与约60%头部手机品牌合作、模型装机量超4200万台），汽车则绑吉利、千里科技（银河 M9 上市3个月销量近4万辆）。印奇本人还兼着千里科技董事长，"大脑（阶跃）+肢体（千里）"是他那套打法的两头。

但做到2025年下半年，阶跃发现一个问题：以模型供应商的身份塞进别人的终端，现有手机生态很难完整承载"模型+系统+智能体"的协同。印奇说他请教了一圈终端朋友，“结论非常统一——都让我们别碰硬件。我们本来很想听劝，但最终还是做了。”

于是有了7月13日那场发布会。主角不是新模型，是系统和硬件：

Step AOS，被称作全球首个"智能体原生操作系统"。它不是在安卓上套个 AI 壳，而是在安卓层和 App 之间插一层，把通讯、应用、文件、系统能力按 MCP 拆成原子单元，交给智能体直接调用。印奇用"三堵墙"解释它要解决什么：

记忆墙（数据锁在各个 App 围墙里，智能体跨应用调不出来——解法是双域记忆结构、召回最快15毫秒）、决策墙（设闹钟和规划一趟出国旅行不是一个算力量级——解法是端云多脑协同）、行动墙（AI 现在本质还是个 App、困在沙箱里——解法是原子能力引擎加"可信、可见、可控、可逆"四维安全）。

配套是个人智能体 阶跃 Amoo（跑在 AOS 上、跨应用调度、端云协同、多设备接续），和 AI 终端品牌 STEPX 的首款手机 STEPX Neo——定位"全球首款大模型原生智能体手机"，通过了《人工智能终端智能化分级》国标 L3、橙黑配色加双后摄、背面一块交互副屏，华勤技术代工。

印奇的判断标准很直白：拿掉 AI 还是台完整手机，那是"手机+AI"叠加；拿掉智能体就不成立，才算原生。7月17日 WAIC 是样机首秀。

第二天，千里科技宣布把 Step AOS、Amoo、Step Edge 引入车端。加上更早的车机座舱 Agent OS（2025年"聪明蛋"预览 → 2026年 WAIC 首秀），手机和汽车这两个终端，阶跃都用同一套"1+N + AOS + Edge"去铺

把四幕连起来看，阶跃的野心是：模型层（Step 3 / Flash / Edge）是大脑，系统层（Step AOS）是神经，终端层（手机、汽车，往后可能还有电脑）是四肢。

印奇说得也露骨——重头戏是 Step AOS 而不是手机，手机是让系统跑起来的载体，未来 AOS 和 Amoo 是要开放给别的厂商的。如果这条路走成，阶跃的收入重心就不是卖手机，是系统授权加智能体平台——这也是它冲港股"大模型第三股"的叙事支点。

走到哪一步了，接下来看什么

写到这可以给个判断，不喊口号。

阶跃这27个月的弧线是自洽的：姜大昕的搜索背景让它从第一天就选原生多模态而不是后拼，多模态叠上推理自然转到 Agent，Agent 要落地又自然走到端侧、系统、终端。每一步的上限，都是被上一步的局限逼出来的，不是追热点。这点在国内基座模型厂里不多见——同行有的偏 C 端爆款，有的偏政企与开源，阶跃是把"模型—Agent—终端"当成一条连续工程在推，一路推到了操作系统和硬件。累计发布超30款模型，从语言、多模态到端侧、系统、终端的完整技术栈，覆盖面在国内是独一份。

更难得的是节奏感——不抢首发，但每一段都在补上一段的短板，主线27个月没飘。在一个热点一周一换的行业里，能沿着自己的逻辑一直走下去，本身就是一种定力。

接下来真正值得盯的，是三个关键变量：

第一，Step AOS 能走多远。 印奇说得很直白：重头戏是操作系统，不是手机——手机只是让 AOS 跑起来的第一个载体。AOS 和 Amoo 未来要开放给别的终端厂商，一旦能进更多品牌、更多品类（手机之外还有车、IoT），"终端大脑"就真正立住了。这是阶跃和其他几家最不一样、也最有想象力的地方。

第二，从样机到量产的这一跳。 Neo 现在是样机、还在打磨，配套的100天共创计划8月20日联合 B 站上线，开放用户和开发者一起定义产品。这打法其实挺聪明——先不急着堆货，而是用共创把生态和真实场景先跑起来，再谈量产。这一跳走得稳不稳，是下半年最直接的看点。

狂想计划

第三，先手与窗口。 智能体手机是刚被打开的新品类，阶跃是国内第一个把"模型+系统+硬件"整套端出来的大模型厂。接下来这12到18个月，就看它能不能把"中国定义的智能体手机"这个样本真正立起来——这是先手，也是机会。

印奇在发布会上那句"AI 智能体的风来了"，风确实来了。阶跃赌的不是一台手机好不好卖，而是"智能体时代的终端该长什么样"这道更大的题。它先走了一步，下一幕，就看 Step AOS 能在 Neo 之外长出多少个新宿主——那会是这条进化线更值得期待的开始。