过去几年，大模型行业的竞争几乎都围绕同一个坐标系展开：谁的模型更强。

参数规模、榜单排名、推理能力、多模态水平、调用成本，构成了这一阶段最核心的衡量标准。模型公司不断刷新能力边界，也推动大模型从算力卡/数据中心走向产业应用。

但当基础模型能力逐渐趋同，行业开始进入新的阶段。

越来越多从业者意识到，模型能力本身并不等于用户价值。一个模型即便能够理解、推理、生成，如果始终停留在聊天框里，它能创造的价值仍然有限。相比回答问题，人们更期待 AI 能够主动调用工具、连接服务、完成任务，真正成为现实世界中人类的伙伴。

今年，大模型开始集体从“生成答案”往“交付结果”发力。这也是大模型独角兽阶跃星辰正在跨越的一道门槛。

7月13日，阶跃在上海正式发布面向智能体时代的大模型原生AI终端品牌STEPX，并同步推出全球首个智能体原生操作系统Step AOS（Step Agentic-native OS）和个人智能体伙伴阶跃Amoo，正式打通了从基座模型、智能体系统到硬件终端的完整链路。与此同时，大模型原生智能体手机（Agentic Phone）STEPX Neo在现场同步亮相。

从表面看，这是一家大模型公司下场做终端。但如果放在行业演进的脉络里，这更像是一次对“智能体时代的下一站在哪里”的回答。

1.阶跃的下一步，把模型变成行动能力

阶跃故事的起点定在大模型。作为中国基模最后一个入局者，三年时间，阶跃不断搭建起模型版图：从旗舰级 Pro 系列、标准版 Flash 系列到端侧 Edge 系列，形成完整的大模型矩阵；在多模态方向，则覆盖了文本、语音、图像、视频和行动能力。

有了这些能力还不够，智能体要想自主完成任务，还需要长期记忆、任务拆解、环境感知、工具调用、跨应用协同、权限管理和执行反馈等。换句话说，基础模型决定智能上限，但只有当模型进入终端、连接服务、形成系统，智能才会真正变成用户可感知、可托付、可持续的体验。

从聪明的大脑，到聪明的伙伴，还需一个桥梁——系统。放眼当前市面上的产品，在处处为人设计的环境里，智能体处处碰壁。具体表现为三堵墙：

首先是记忆墙，传统操作系统中，各层级数据不流通，端与端之间的数据更是彼此割裂，App级的智能体注定只有“局部记忆”。只有重构操作系统层，才能让智能体拥有统一、跨应用、跨设备的记忆体系。

其次是决策墙，好的决策既需要端侧的快反应：即时响应、实时感知；也需要云端的深思考，去做复杂推理和全局规划，而两者在传统系统里缺乏统一协同的调度机制，效率不够高。唯有智能体系统级的端云协同，快慢结合，才能既有效率，又有质量。

其三是行动墙，智能体在行动前，需要系统给予两样东西，可信的行动通道，可管、可回溯的超级权限。原因很简单，没有原生接口，智能体只能模拟点击；没有合法身份，智能体拿不到授权。

基于这些痛点问题，Step AOS应运而生，它要解决的不是“如何把 AI 加进旧系统”，而是“如何让系统更适合 Agent 高效执行”。在这样的系统里，模型能力不再只是某个功能模块，而是可以贯穿感知、理解、规划、执行和反馈的全过程；应用、工具和服务也不再只是孤立入口，而是能够被智能体理解、调度和组合的能力单元。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。

2.三层革新，为智能体重构生长环境

我们展开来看，Step AOS带来了三层革新：新设施、新能力和新交互。

第一层，是新设施。在这里，Step AOS 给计算、数据、应用及服务三个地方进行了重构。

在计算层面，统一计算资源池调度 CPU、GPU、NPU 等异构算力，对端侧模型和系统服务提供弹性的高性能算力供给，让端侧模型和服务调度实现相对最优供给。

在数据层面，统一语义数据层将感知、行为与个人数据加工为统一语义文件，配合高速混合数据库实现极速传输。对智能体来说，数据不再只是分散在各个应用里的碎片，而是可以被理解、检索和调用的上下文。

在应用及服务层面，原子能力引擎将原有系统的功能和服务拆解为适合 Agent 调度和编排的原子化服务，并提供高效服务引擎和同意协议开放平台，向生态开放。

这意味着，系统资源不再只是为人使用的App 服务，而是开始为智能体的任务执行服务。

第二层是新能力。如果说新设施解决的是智能体“住在哪里”的问题，那么新能力解决的就是智能体“能不能真正做事”的问题。在这个层面，Step AOS 发布的三大关键技术能力，分别是记忆、决策执行和安全。

记忆让智能体真正懂用户。Step AOS 构建了双域三步记忆结构：用户域让智能体记得用户、理解用户；智能体域让其自身知识与经验持续成长。记忆遵循“记—理—忆”三步链路，在日常交互中随时记录，在后台自动整理沉淀，并在需要时精准召回。

这意味着，用户不需要每次都重新交代背景和偏好，智能体可以在长期互动中逐渐形成对用户的理解。AI 伙伴之所以成为伙伴，首先要从记得你开始。

决策与执行，则让智能体真正替用户办事。Step AOS 采用端云多脑体系，让简单事快反应、复杂事深思考。比如设闹钟、找照片等即时任务，可以由端侧模型快速完成；复杂推理与多步骤规划，则交由云端模型接管。这样既能保证低延迟和高效率，又能让隐私数据尽可能留在设备侧。

这背后反映的是智能体执行任务时必须面对的现实约束：不是所有任务都需要云端深度推理，也不是所有数据都适合离开本地。真正可用的智能体系统，必须在效率、能力和隐私之间找到平衡。

安全则是智能体获得行动权的前提。Step AOS 提出了智能体四维安全体系：可信、可见、可控、可逆。

其中，可信，意味着操作在可信执行环境中完成，数据不出安全边界；可见，意味着每一步操作可审计、可回溯；可控，意味着权限按需授予、用完即收，智能体记忆也可删除；可逆，意味着误操作可以一键撤回。

智能体越能干，用户越需要确定它不会越界。因为当 AI 只是回答问题时，风险主要来自内容是否准确；但当 AI 开始替用户行动时，风险就会延伸到权限、账户、数据、支付、隐私和真实世界结果。能力越强，边界越重要。四维安全体系，正是用户愿意把任务交给智能体的基础。

第三层是新交互。Step AOS 最终要改变的，是人与机器的相处方式。

过去的人机交互，本质上是“过程交互”。用户需要把一个目标拆成多个动作：打开应用、找到入口、输入信息、确认选择、等待结果。机器只负责响应每一步操作。但智能体交互希望走向“结果交互”。

用户不再需要逐步下达指令，只需表达任务意图，智能体完成其余链路，并主动输出任务规划、执行进度与建议。

这一范式建立在三大支柱之上：多模态交互、上下文记忆和结果交付。

多模态交互让用户可以通过语音、视觉、文字等自然方式表达需求；上下文记忆自动补全身份、偏好与情境，让交互无需每次从零开始；结果交付则让智能体根据用户所处的环境与状态主动适配，把任务真正完成。

三者叠加，用户得以用最简单的语言完成更复杂的任务。交互的本质，也由此从“人操作机器”，变成“用户意图直达优质服务”。