# 6 台机器人拼长城、首款智能体手机首秀：阶跃把 AI 塞进了现实世界｜WAIC 2026 - 作者：APPSO - 发布时间：2026-07-18 12:01 - 分类：软件 - 原文：https://www.ifanr.com/1672344 [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af815ab47c.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af815ab47c.png) ***APPSO 发自 WAIC 2026 现场*** 81,920 块积木，6 台机器人，连续 15 小时。 阶跃展区给今年 WAIC 备的开场，是一场 AI「体力活」。 前两年一家模型公司的展台，大概就会看到满墙参数和榜单第一。阶跃这次有点意思，它把手机、汽车和机器人一股脑搬了进来，其中还有一台拿了本届「镇馆之宝」的智能体手机。 看着是四个方向，其实都在回答同一个问题：**大模型已经有了一颗足够聪明的「大脑」，怎么给它接上一副真能动的身体？** 在阶跃展区，我们抢先看到了答案—— 它会看、会听、有记忆，也能调用工具替人办事。在手机里，它试着接管 App 之间的琐碎操作；同源的智能体逻辑能在手机和电脑之间接力；坐进汽车，它开始琢磨道路、目的地和人临时冒出来的念头；到了机器人这儿，模型得把计划变成物理世界里真实、连续的动作。 阶跃这次给的答案很直接。模型不能只待在云端，Agent 也不能只活在聊天框里。模型、系统、终端，得拧成一件事。 APPSO 这就带你看看阶跃这个展台有什么好玩的东西，你也可以根据阶跃给出的同款路线来体验。 [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af85727df1.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af85727df1.png) 阶跃展区位于本届 WAIC 的核心展馆世博 H1，融合了目前阶跃最重要的几大业务：端云协同的 Step 模型矩阵、STEPX Neo 大模型原生智能体手机 、智能体原生操作系统 Step AOS、AI 模型实验室、车机模型体验，以及最新的具身智能应用场景。 特别是在最新成立的阶跃终端所负责的智能体手机展台，人流相当密集。STEPX Neo 并非第一台「AI 手机」，但却是不同于其他手机的全新物种，也引来了大批参展者驻足。 阶跃 Amoo——造型既熟悉又足够有辨识度的智能体，成为了全场的主角。这正好代表了阶跃在本次 WAIC 上参展的基调： **拥有多种级别和不同能力的阶跃模型家族，共同托起了一个强有力的 Agent，让它可以落地到不同的场景，接管整个世界。** [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af86e83900.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af86e83900.png) ## 大模型开始找「身体」 过去两年，大模型公司最爱展示的是一块屏幕。 左边输入问题，右边吐出答案。模型会写代码、做数学题、生成图片和视频，排行榜上的分数一路涨。 可人真正生活的世界，不是一个无限延伸的对话框。 订一次差旅，信息散在日历、地图、航旅、酒店和支付 App 里；干一份活，需求在手机上收到，文件却躺在电脑里；坐进车，导航、座舱和辅助驾驶又是几套各管各的系统。至于机器人面对的，是会移动、会出错、按不了撤销键的物理世界。 从「回答问题」到「完成任务」，中间隔着感知、记忆、规划和执行。 这也解释了，阶跃为什么要搭一套看着有点「过于完整」的模型体系。 [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af88481671.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af88481671.png) 阶跃现在已经形成 Pro、Flash、Edge 三层 Step 模型矩阵。Pro 啃复杂推理，把能力上限拉满；Flash 面向高频 Agent 工作流，在速度和成本之间找平衡；Edge 钻进手机、汽车这些终端，管本地感知和即时反应。 横着看，这套矩阵又覆盖了语言、多模态理解与生成、语音、图像、视频和音乐，累计发了超过 40 款模型，多模态占了八成以上，圈内给它起了个外号，多模态卷王。 Step 3.7 Flash 是面向 Agent 的高效大脑，StepAudio 系列管实时对话、语音理解与生成，视觉模型让设备看懂屏幕和环境，Step Edge 全家桶则把文本、视觉、语音、GUI 操作和图像生成一起带到本地。 **换句话说，阶跃没有拿一个模型硬塞进所有终端，它先备齐不同尺寸、不同模态、不同速度的「脑区」，再按任务组合。** 别人做的模型矩阵像是各不相干的产品线，而阶跃造了一台会自动换挡的变速箱。 阶跃在 WAIC 前夕刚发的 Step Edge端侧模型全家桶，在涵盖图像理解、OCR、GUI 操控的 29 项权威基准评测里拿了同类端侧模型第一，把 Qwen3-VL、MiniCPM-V 这些主流对手压在身后。 找照片、设闹钟、调系统这种高频小事，交给它，本地工具调用最低能压到 0.1 秒；碰上跨应用规划、长链路推理，再把活交给云端模型。敏感的文字、视觉和语音留在本地，复杂任务又不必被端侧那点算力卡住。 快的留在手上，难的送上云端。 印奇认为，「如果不做大模型，做不好小模型。」这套端云结合，简单把大模型「压小」塞进设备远远不够，得让 Agent 自己拎得清，什么时候动手，什么时候该找更强的大脑帮忙。 **模型这层备齐，才有了统一的落点：让 AI 离开聊天框，进到终端里。** [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af89d3b836.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af89d3b836.png) ## 第一副身体，是一台不想让你老盯着看的手机 整个展区里，最可能成为人气中心的，无疑是前几天发布的大模型原生首款智能体手机 STEPX Neo，这是它第一次在线下公开亮相。 [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af8b04b3c5.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af8b04b3c5.png) 在现场，阶跃不仅提供了完整的功能和技术逻辑讲解，更提供了真机 demo。[APPSO 昨天已深度使用这台手机完成了各种智能体任务，](https://www.ifanr.com/1672281)但看到它在现场拥挤的网络和复杂的展示环境下，仍然能够以极低的延迟执行各种简单或复杂的指令，印象非常深刻。 开展前，STEPX Neo 已经拿下本届 WAIC「镇馆之宝」，也是目前唯一通过首批《人工智能终端智能化分级》国家标准 L3 级测试的智能体手机。同批入选的还有中科曙光的全国产十万卡超算这些硬货，一台手机能挤进去，本身就说明它靠的不是硬件参数。 [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af8c0bafc5.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af8c0bafc5.png) **阶跃真正想改的，是我们用手机的方式。** 你只要说一句「帮我安排下周去上海见客户的差旅行程，不要早起」，换传统手机，你得自己查日历、看天气、比机票、找酒店，再一个个 App 填信息；在 STEPX Neo 上，阶跃 Amoo 先听懂「见客户」和「不要早起」这两个条件，再拆任务、调服务，最后把一份能直接确认付款的行程单递回来。 阶跃管这叫「结果交互」。人只管把想要的结果说清楚，中间的活交给智能体。印奇说得更直接：「你尽量少去看它，能够比较少地跟它交互，就能完成任务。我们并不想它一直获得你的注意力。」 一台上来就劝你少看它的手机，在这个所有 App 都在抢屏幕时间的年代，属实有点反骨。 听着像个更强的语音助手？差得远。普通助手住在系统里的一间「客房」，干点事就得申请权限，还翻不过 App 之间那堵数据墙。阶跃 Amoo 在 Step AOS 里是系统级的原住民。印奇的比方是：「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。」 Step AOS 从底层重做了三件事：把散在各处的数据整理成 Agent 读得懂的记忆，把不同大小的端云模型统一调度，再把通讯、应用、文件和系统能力拆成能自由组合的原子服务。 于是阶跃 Amoo 不只是能听懂一句话，还能记住偏好、规划步骤、真正执行。 权限越大，越吓人。阶跃为此加了「可信、可见、可控、可逆」四道闸：过程能审计，权限用完就收，碰到付款、删除这种敏感操作必须交还给你确认，办错了还能撤回。 这是 STEPX Neo 最值得关注的地方。它的处理器、影像、续航还没完全揭晓，价格和开卖时间也没定。但阶跃已经先把一个问题抛了出来： **哪天手机的第一入口不再是 App，变成一个懂你的智能体，操作系统该从哪儿重新盖起？** [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af8ea2c941.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af8ea2c941.png) ## 从手机到电脑，Agent 不该困在一块屏幕上 手机给了阶跃 Amoo 一个随身入口。可人不会只在手机上干活。 在阶跃的展台上，「阶跃 AI」就给我们展示另一种和 AI 的相处模式：你在手机上发一句指令，电脑端接住，自动去排版文件、整理资料，甚至替你在飞书上发消息。指令、上下文、进度在两块屏之间同步，你不用把文件传来传去，也不用换台设备再把背景重讲一遍。 [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af901106e0.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af901106e0.png) **令 APPSO 感到意外的是，在多端 Agent 联动上并非首创者的阶跃，做出了比 Codex/ChatGPT 的 Remote Control、Claude Dispatch 等「前辈」们更加优秀和直观的多设备 agent 接力体验：** 我们设计了一个复杂的跨端文件操作任务：「找到电脑上某个文件，编辑其中的内容，再转换格式发回手机端。」 推理、思考、拆解，仅用了短短数秒。然后，我们发现电脑就已经进入工作状态了。具体原理是阶跃桌面端 Agent 利用 computer use 能力来直接操作电脑。而更有趣的是，手机端也出现了一个「预览屏幕」，就像远程操控一样，但完全不需要用户自己来操控。 根据阶跃工作人员介绍，这个设计并非「必需品」，但它能够带给用户更直观的视觉上的「确认感」。 [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af913af43f.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af913af43f.png) 过去说多端协同，多半指剪贴板互通、文件接力、通知同步。说穿了，是把同一份东西在设备间搬来搬去。阶跃想做的更进一步：搬的不是文件，是任务本身。 这意味着手机不必缩成一台小 PC，PC 也不用照搬手机那套 App。每台设备只干自己擅长的部分，Agent 管理解目标、分配活儿、把结果交出来。 如果说 STEPX Neo 是给阶跃 Amoo 的一副新身体，阶跃 AI 更像它在设备之间穿行的方式。 **同一个大脑，换一双手接着干。** ## 坐进汽车后，Agent 要学会的不只是聊天 手机上点错了，最多多点两下。车里做错决策，对应的是一段真实的路。 这也是 AI+终端最难啃、又最值得认真做的一块。 在 WAIC 上，阶跃联手吉利、千里科技带来全新升级的汽车「超级智能体」，放在了一台极氪 8X 上展示。它想甩掉的，是那种只会调空调、放音乐的车载语音助手，把智能座舱、辅助驾驶和生活服务串成一条任务链。 [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af92acf464.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af92acf464.png) 一句「带我去接孩子，路上找家麦当劳，5 点前要到学校」，一点都不严谨。可系统得听懂里面的模糊意图，规划路线和时间，启动辅助驾驶，还得顺手把途中临时加的那顿麦当劳办了。 它既要会开车，也要会办事。 [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af95390915.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af95390915.png) 背后还是那套端云逻辑。Step 3.7 Flash 负责啃下模糊指令、规划任务，端到端语音模型让对话更自然，视觉模型看懂车内外环境再据此决策；接下来端侧模型还会让更多高频、隐私敏感的任务留在车端就地办。 **这套合作里还藏着一个关键的人。印奇同时是阶跃星辰董事长和千里科技董事长，「AI 大脑」和「终端载体」握在同一个人手里，这在国内车企和模型公司的合作里并不多见。** 手机、电脑和汽车的界面完全不同，但 Agent 面对的核心任务没变：搞懂人真正想干什么，再调动终端能力把事情办完。 这也是为什么，阶跃跟车厂的合作，比「把一个大模型接进车机」要重得多。大模型是脑，整车系统是身体。只有舱、驾、生活服务真打通，智能体才不只是副驾座上一个会聊天的声音。 [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af965ed511.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af965ed511.png) ## 身体像人，大脑像人，工作起来才像人 手机和汽车好歹还有成熟的操作系统和产业链托底。机器人面对的，是最不讲情面的现实世界。 一块积木偏 1 毫米，后面的结构就层层累积误差；一台机器人停顿，其他几台的分工得跟着重排；连着干 15 小时，任何一次识别或抓取失败，都可能让挑战当场中断。 所以今年阶跃展区最可能吸睛、也最「下笨功夫」的一项，是它携手原力灵机，让 6 台不同类型的机器人挑战协同拼装一座 3 米长的积木长城。 81,920 块微型积木，计划连续作业 15 小时。算下来每小时得拼 3413 块，平均每台机器人每 12 秒就要完成一次精准拼装，综合手速直逼熟练工。 [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af9741ca32.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af9741ca32.png) 我们到场时机器人已经进行了长达 7 小时的拼装工作，进度接近一半。 **APPSO 注意到，一个颇为有趣的设计：这次挑战并不是人形机器人简单的定位、识别、寻址，而是一个涉及多地点、多机器人类型的复杂流程工作。** 人形机器人从库位抓起单独的积木，拿到一旁的组装台；在组装台上，有机器手负责将零碎的积木拼装成整块，这样的组装台共有 4 组；等大块组装完成后，机器人再将其转移到最终拼装的「主舞台」的对应位置。 **这种「团队协作」的感觉，也是具身智能机器人未来与彼此、与人一同工作，该有的样子。** [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af98abd9bb.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af98abd9bb.png) 6 台机器人得自主感知、独立决策、动态分工，在亚毫米尺度完成精细操作，这个精度已经超过人手的生理极限，人手自然抖动大约在 0.3 到 1 毫米。阶跃基础大模型当「大脑」，理解总目标、拆任务、排顺序；原力灵机 DM0.5 具身通用基础模型像「运动小脑」，把计划落成稳、准、微的动作。 一个负责想，一个负责做。而且要一直做下去。 ## 我在阶跃展台，看到了大模型的下一站 把 STEPX Neo、阶跃 AI、极氪 8X 和 6 台机器人拆开看，每一个都够撑起一个独立展区。 **但阶跃这次真正想证明的，是另一件事：这四样东西，其实是同一颗大脑，同一套端云模型，同一个操作系统。** **换上手机、汽车或机器人的躯壳，就能在完全不同的场景里接着干活。** [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af9a37ebb4.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af9a37ebb4.png) 模型矩阵管「多聪明」，Step AOS 管「怎么落地」，终端管「在哪干活」。三层叠起来，AI 才算真的从聊天框里走出来，长出了能感知、能记忆、能动手的身体。 想清楚这条主线，「AI+终端」才不再只是把 AI 贴到硬件，就为了卖更高溢价上的一句营销口号。 端侧延迟够不够低，复杂任务能不能顺利上云；Agent 有没有系统权限，服务生态肯不肯开接口；车能不能量产上路，机器人能不能真扛住 15 小时。每一层都是真问题，也都比做一段漂亮 Demo 难得多。 当然，STEPX Neo 还得过真实用户和应用生态这一关，汽车智能体要在复杂路况里证明自己靠谱，机器人离走进工厂和家庭也还有一段长路，阶跃给的不是终局答案。 但这届 WAIC，这家国产模型公司至少把自己的方向说得足够清楚： **大模型的下一站，是手机、电脑、汽车和机器人，是每一副能替人感知、记忆和行动的身体。** 过去两年，我们隔着屏幕问 AI，你能做什么。 现在，它开始走出屏幕，自己动手了。 [![](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af9b39824a.png)](https://s3.ifanr.com/wp-content/uploads/2026/07/img_6a5af9b39824a.png)