AI 终端混战：谁在做加法，谁在重写规则|gui|安卓|手机|操作系统|新模型|智能体

“从如何「拆 app 的墙」到重新定义交互规则。”

作者丨张进

编辑丨林海峰

继 OpenAI 近日被曝正在加速研发首款 AI 智能体手机之后，又一模型厂商入局 AI 终端赛道。

7 月 13 日，基础大模型公司阶跃星辰（以下简称“阶跃”）在上海举办“新一代智能体战略发布会”，正式推出其首个大模型原生 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 Agentic System（也即“Step AOS”），以及个人智能体 Amoo 和首款大模型原生智能体手机 STEPX Neo。

过去一年，AI 终端赛道持续升温，AI 眼镜、AI 耳机、AI 玩具等品类投融资事件不断，国内外厂商也纷纷加码，例如理想汽车推出 AI 眼镜 Livis，阿里一次性发布 6 款夸克 AI 眼镜，Google 首次公布智能眼镜 Project Aura 的关键细节，荣耀另辟蹊径推出机器人 Robot phone。而随着字节的豆包手机上市后在二手市场火热，这场 AI 终端热潮达到新的高点。

进入 2026 年，OpenAI 被曝正在加速研发首款 AI 智能体手机，目标在 2027 年上半年实现量产；近日，阶跃也正式入局，推出首款 AI 智能体手机及配套终端布局。两大模型厂商同步加码，全球 AI 产业的竞争正从模型能力的比拼延伸至终端入口的竞争。

在多方混战中，因各自站位不同，布局 AI 终端背后各有考量，使用的战略和技术方案也各异。

多方入局 AI 终端混战：

模型厂商和手机厂商最焦虑

多方下场，其中行动最激进的当属 OpenAI。

7 月 10 日，苹果公司向美国加州北区联邦地区法院提起诉讼，指控 OpenAI 及其多名高管联同苹果前员工，在挖角过程中系统性窃取苹果公司硬件核心技术。苹果在诉状里直接指出，这不是个别员工的小动作，而是 OpenAI 高层授意的系统性盗窃。

OpenAI 正不惜代价、大举进军 AI 手机赛道，其野心昭然：想打造“模型+系统+硬件”闭环，复刻苹果模式。

其最大的软肋是没有自有分发渠道，ChatGPT 依赖苹果、谷歌的应用商店与操作系统，掌控权在他人手中，随时可能被降权。

而 OpenAI 下场做硬件，本质是想摆脱“寄生在他人系统里的 app”身份，直接成为用户第一入口，从而绕开应用商店的审批与抽成。通过硬件建立用户粘性和数据闭环，避免沦为无定价权、无用户关系的纯 API 供应商。

相较 OpenAI，苹果焦虑更甚，硬件人才频繁被模型巨头挖角，传统手机业务受 AI 冲击，必须向 AI 手机转型。苹果布局 AI 手机是防御性的，核心是守住已有的 iOS 系统和 iPhone 硬件构成的现有入口（它缺的只是模型能力），从而避免下一代交互方式被 AI 企业抢占。

如果有一天，用户打开手机，第一个看的不是iOS或Android界面，而是 OpenAI 的 AI 层，游戏规则彻底改变：这意味着 AI 助手取代操作系统变成连接人和手机的“真正的交互入口”，如果苹果的 AI 能力跟不上，哪怕用户手里的设备依然还是 iPhone，实际的交互权也会旁落到别的 AI 上，iPhone 就从入口退化为“一块屏幕”。这时，谁的 AI 能力更强，谁就接近真正的“入口”。

这是传统手机厂商面临的共同焦虑，以至于国内小米、华为、oppo 等一众手机厂商近几年纷纷加大在 AI 上的投入。

在这场终端入口争夺战中，占据了硬件和操作系统生态的头部手机厂商拥有天然优势，但硬币拥有两面，对于苹果、小米这样的巨头来说， app 生态成为转型过程中最大的掣肘。

“一句话”操作 app 这种交互方式，本质上是让 AI agent 代替用户完成操作，绕开了 app 原有的界面与交互路径。这意味着开发者精心设计的产品体验、广告位、内购转化等环节都可能被架空，因此这种模式必然会遭到 app 开发者的抵制，手机厂商也不得不权衡开发者的利益。

为了不跟 app 厂商正面冲突，一些头部手机厂商设计智能体手机时选择“MCP 协议方案”——把 app 功能变成可被 AI 跨应用调用的模型，但需要 app 厂商“主动开门”，可因为数据隐私与流量入口等问题，目前愿意开门的很少。

美国市场则不同，在跟 app 厂商博弈中，苹果和 Google 手机更加强势，直接从操作系统入手，逼着所有 app 把门打开。

例如苹果开发了一套 app intents 框架，你的 app 想被 Siri 调用，就必须按照苹果的规则，把“发邮件”“改照片”这些能力一一登记下来。代价是这套迁移需要时间，开发者得一个个功能地去改。

Google 手机走的是“A2A（智能体互联）”路线——在操作系统层面定义一套新规则，让 app 主动开放接口，并在其监督下被调用。这套规则能被推行，关键在于操作系统对应用生态的协调权：App 厂商要在安卓生态内生存，就得适配这套新规。

当前最直接有效的方法是豆包 AI 手机采用的“GUI Agent + 系统级权限”路线。去年年底，“豆包” AI 手机横空出世，迅速引爆科技圈，首批 3 万台在发售当日售罄。

其硬件配置并无惊艳之处，引发讨论的是其内置的 AI 助手“豆包手机助手”实现了跨应用自动执行复杂任务，用户只需要对豆包手机助手说一句“帮我订一杯最便宜的咖啡”，它便能在多个外卖平台间比价、下单，全程除了付款只需要人工确认一步，其余全自动完成。

这种复杂长链条的跨 app 编排能力，此前手机厂商在发布会 PPT 上讲了很多年，豆包是第一个相对流畅落地的。

“GUI Agent + 系统级权限”路线的关键是豆包拿到了 Android 系统的高危权限 INJECT_EVENTS 权限，相当把豆包助手设置成了操作系统的一部分，允许它像人一样点击滑动、输入。这样智能体在操作手机时，不需要 app 厂商配合开放接口，便能随意操作任何 app。成功绕开了 app 接口授权难题。

但该路线本质是应用层整合而非底层技术突破，一旦 app 厂商针对性防御，这个方案就会失灵：上市仅仅几天后豆包 AI 手机便遇阻，微信、淘宝、美团等头部 app 纷纷限制其登录和 AI 操作，理由是安全风控。

在设计 AI 智能体手机时，无论是 MCP 方案，苹果的 app intents 框架，还是豆包的“GUI Agent + 系统级权限”的路线，本质都是为了拆掉系统里 app 的围墙，方便各家的智能体调用。

而大模型厂商阶跃不同，他们认为智能体时代，真正的 AI 终端，应该从“重构其底层范式”出发——让系统就不能只为“人”而造，一个“人机共生”的系统尤为关键。

所以选择从零打造一个为智能体设计的生存环境：不是“给手机加 AI”，不是“让智能体当访客”，而是“让智能体成为系统的原住民”。全球首个智能体原生操作系统 Step AOS（Step Agentic-native OS）应运而生。

范式革命：从零打造一个智能体系统

当前行业的“AI手机”，普遍做法是“传统 OS + AI”——把大模型接入操作系统，但智能体在系统里永远是一个访客，无法突破三堵墙的障碍。

记忆墙、决策墙和行动墙。智能体记不住用户，难以自主完成复杂任务的判断，更无法系统的替用户完成各种任务。

这三堵墙是过去六十年里人机交互的惯性产物，要打破这三堵墙，重点在于“人和终端和智能体的交互”。而Google “A2A”、“GUI Agent + 系统级权限”等前述方案本质上都是在旧系统上给 AI 打补丁，还是「人的操作」。

为此，阶跃从零打造了智能体原生操作系统 Step AOS（Step Agentic-native OS）。

Step AOS 整体由阶跃 Step 模型矩阵提供能力支持，阶跃智能体原生 OS（Agent-native OS）提供行动底座。这是⾏业唯⼀的 AI×OS 的乘法架构，而非简单的 AI+OS 的加法叠加，从而带来指数倍的系统能力提升。（如下图所示）。

Step AOS 与其他方案最根本的区别在于：它为了智能体的完美运行，从零开始重构系统底层，将模型作为“大脑”，全面贯穿智能体完整能力链路的各关键节点。

这带来智能体的三层革新：新设施、新能力、新交互。

新设施是指，传统操作系统的⼀切资源都围绕“⼈操作应⽤”来设计，Step AOS 则专⻔为智能体重新分配硬件资源、重新调度Android、Linux、RTOS 等系统能力。其中，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。

在此之上，带来记忆、决策执行与安全三大关键技术能力。记忆让智能体真正懂⽤⼾，决策与执⾏让它⾼效替⽤⼾办事，安全让⽤⼾放⼼把⾏动权交给它。

记忆方面，Step AOS 构建了双域三步记忆结构：⽤⼾域让智能体记得⽤⼾、理解⽤⼾，智能体域让其⾃⾝知识与经验持续成⻓。

记忆遵循“记―理―忆”三步链路，⽇常交互中随时记录，后台⾃动整理沉淀，需要时精准召回，⽤⼾⽆需反复交代，智能体越⽤越懂你。该能⼒已在 Personamem、LongMemEval 等国际评测基准上达到 SOTA ⽔平，⽇常问答记忆召回最快仅需 15 毫秒，为同类最快。

通过上述智能体能力的提升，Step AOS 重新定义了⼈与机器的相处⽅式——交互的部分重点不在于 agent 协议、A2A 交互等发生的变化，而在于人和终端和智能体的交互范式的变革。即人给予更少的输入，智能体根据上下文记忆、主动行动等，提供更多的输出。

其核心设计是交互范式从“操作驱动”转向“意图驱动”。传统操作系统中，用户通过 GUI 逐步下达操作指令，在智能体的 NUI 交互中，用户只需表达任务意图，理解、规划、执行的完整链条由智能体承担。

这一范式转换在信息流上表现为输入与输出的比例反转。传统交互中，用户需通过大量操作来输入信息，机器仅被动响应，输出有限。在智能体交互中，用户的输入被压缩至一句意图表达，记忆会自动补全用户身份、偏好与情境等其他输入；同时，智能体的主动思考使输出显著增加：任务规划、执行进度、推理依据乃至主动建议。

驱动这⼀切的，是阶跃星⾠覆盖基础模型与多模态模型的 Step“1+N”模型矩阵。其中，刚刚发布的 Step Edge 端侧基座模型专为终端硬件定制，在 29 项权威基准评测中位列同类端侧模型第⼀。

Step AOS 不是让一个大模型干所有事，而是一个模型矩阵让每⼀件事都有最合适的模型。这是阶跃作为⼤模型公司的原⽣优势，终端⼚商不具备、也建不起来的壁垒。

基于 Step AOS 的三层能力，阶跃同步推出的新一代个人智能体阶跃 Amoo，拥有操作系统级⾝份，能够跨应⽤调度、端云协同，并在多台设备间⽆缝接续任务。Step AOS 已经搭载于同场亮相的大模型原生智能体⼿机 STEPX Neo。

STEPX Neo 通过了首批《人工智能终端智能化分级》系列国家标准 L3 级别测试，这也是当前开放测试的最高级别。截至目前，STEPX Neo 是已公开唯一获得 L3 级证书的智能体手机。

⾄此，在 AI 终端，阶跃构建起从模型、系统到终端的“模软硬”三位⼀体技术闭环。

智能体时代，一个“共生”的未来