不是水桶机，却想颠覆行业：一台「模型原生」手机的疯狂野心

1886 年，奔驰造出的第一辆汽车「奔驰一号」，本质上是一辆「无马的马车」。

发动机挂在马车底盘上，转向沿用舵柄，因为没人知道「汽车」应该长什么样。十余年后，人类才回过神来：汽车不该对马车照猫画虎，而应该完全另起炉灶。于是，「梅赛德斯 35 HP」应运而生。

毕竟，固守马车时代的设计理念，是造不出真正面向未来的汽车的。

今年 WAIC 期间，类似的一幕在智能体手机上重演。

今年很多手机所做的「AI 化」，无非是外挂 AI 助手、调用云端服务。这两者本质上都是「无马的马车」，就像是在旧底盘上挂一台新引擎；而极少数玩家选择了「AI 原生」，一如梅赛德斯 35HP 那样，尝试从模型、系统到硬件重新设计，另辟蹊径从头来，以模型作为第一性原理，造一台为了 AI 而生的新手机。

当时在 WAIC 上亮相的 STEPX Neo，选择的正是第三条路。

三个月后的今天，阶跃终端正式发布首款大模型原生智能体手机 STEPX Neo，以及住在它里面的个人智能体 Amoo，将「模型、软件、硬件」三位一体的技术主张落到了实际体验上。

提前拿到真机、深度使用一段时间后，我发现它不是一台面面俱到的「水桶机」，也不是急于证明自己完美成熟的流水线产物。它兑现了「AI 原生」的承诺，跳出了传统赛道，开辟了一条以「用户创造力」为核心的 AI 原生智能体手机探索路线。

智能体手机的野心，长在复古未来主义里

告别大众旗舰千篇一律的玻璃曲面，STEPX Neo 的背板刻意弱化了传统多摄的夸张凸起，顶部采用跑道型横向双摄模组，平整克制，整机重心居中、不坠手。

灰黑基底上点缀亮橙色按键与像素 Logo，整台机器呈现出一种近似 Teenage Engineering 周边产品的独特科技玩味，喜欢的人会一眼认出这是同类。

背部还有一块兼顾状态反馈与个性化展示的背屏。

用户可以 DIY，并把自己喜欢的文案放到手机背面，让它成为日常表达的一部分。

尤其当 STEPX Neo 静止或倒扣在桌面时，除了来电或消息，如果 Amoo 正在后台执行多步骤长任务，背部会泛起细腻的动效，能够让「AI 正在替你工作」变得更可感知，而不是只能打开 App 查看进度条。

区别于传统音量键和电源键，机身侧边还设立了一颗 AI 实体键，能够随时呼出 Amoo，整体的盲操过程也极为顺畅：短按呼出系统级意图流面板与多模态常驻感知，长按直接进入端侧语音实时双工交互。

当然，鲜明的设计也带来了取舍。

STEPX Neo 握在手里仍带棱角感，而整体的设计则以「复古未来主义」呼应 Amoo「住在手机里」的设定：背板上下分区，摄像头代表视觉感知，膜片纹理借推理与记忆的意象，电路纹理将二者相连。

背面代码则从 stepfun 到 user_potential，再到 human_creativity + code 的幂运算，层层指向技术迭代的底座永远是人的想象力的愿景。

每次写到智能体手机时，总有人认为，评价智能体手机，应该先看它的屏幕、续航、性能等基本体验能否达到日常使用的要求，再看 AI 做得怎么样。这个判断是对的，手机每天都要拿在手里使用，基础体验如果明显拖后腿，再强的 AI 也很难弥补。

但基础体验过关之后，决定人们为什么要买一台「智能体手机」的，终究还是 AI。专门选择这类产品的人，多半期待它能完成普通手机做不到、或者做起来很费劲的事。

了解当下整个消费电子行业的大背景，有助于我们理解 STEPX Neo 的诸多全新定义。而苹果正是一个关键参照。

在今年的苹果秋季发布会上，新任 CEO John Ternus 将 iPhone 定义为「智能个人中枢」：依托本地算力和隐私上下文，联动 Apple Watch、AirPods 等硬件，成为个人数字设备的核心调度枢纽。

设备中枢是一条稳健的路线，但用户获得什么能力，主要仍由厂商设计的系统功能和设备协作规则决定。

STEPX Neo 想进一步探索的是另一个问题，用户能否参与塑造手机理解自己、处理任务的方式，让个人智能体随着使用，逐渐形成只属于这个人的能力。

这也是阶跃终端对 Step AOS 的定位：「模型原生」。

阶跃终端是目前市场上唯一一家来自基础模型公司背景的手机公司，「模型原生」是它对 AI 手机的天然认知：要做真正的个人智能体，就一定需要硬件容器，让智能体能够伴随用户进入物理世界中千千万万的场景。

所以它率先提出了「软硬模三位一体」：

模型负责理解与决策（Step 1+N 模型全家桶），软件负责调度与执行（Step AOS），硬件负责感知与承载（AI 原生终端），而三者的中心，个人智能体必须拥有自己的「身体」——智能体手机。

要贯彻「模型原生」，智能体必须跨过三堵墙：记忆墙、决策墙和行动墙。记忆墙来自分散在各处的个人上下文，决策墙涉及一句需求背后的步骤规划，行动墙则横在计划与实际操作之间。

界面也随之发生改变。STEPX Neo 弱化了让人逐个寻找 App 的传统图标逻辑，把负一屏的「进行中任务」和「上下文意图」放到更显眼的位置。

接下来，我们就用真实操作看看，它具体能做些什么？和普通手机又有什么区别？

记住偏好，是一切个性化智能的起点

一个人的日程、照片、文档和使用习惯散落在手机各处。智能体如果只能听见眼前的一句指令，就很难知道用户说的「那张照片」是哪张，安排出行时也得反复询问时间与偏好。

Step AOS 为此设计了统一语义数据层和「双域六层三步记忆」：

前者负责整理与任务有关的信息，后者分别积累用户偏好和 Amoo 的任务经验，让已经提供过的上下文，有机会在下一次任务中继续发挥作用。

Amoo 也有自己的记忆系统，开启记忆共享后，它会保留交流偏好、备忘事项等信息，随着使用逐渐了解用户，让后续沟通和处理任务更顺手。

比如，在一次闲聊中，它就能清楚记得我爱喝蜜雪冰城的棒打鲜橙。

此外，在实际体验中，Amoo 还能够搜索、查看和整理相册照片，管理联系人与日历日程。

如果说上述表现跨越了长期记忆的墙，那么更容易当场验证的即时上下文连贯，则体现在打破「感知墙」的「圈屏提问」上：按下 AI 实体键呼出语音输入后，可以直接在屏幕内容上圈画，再问 Amoo 圈中的东西是什么。

刷到一张小狗的照片，按下 AI 实体键，在屏幕上圈住它，直接问：这种狗好养吗？Amoo 认出犬种，接着从性格、运动量、掉毛程度给出饲养建议。

虽然圈选这个动作本身也不是新发明，三星 Galaxy S24 的「即圈即搜」两年前就做了。但「即圈即搜」的终点是搜索结果页，圈完一次就结束；STEPX Neo 的圈屏提问，终点是多模态问答和后续任务，圈中的内容直接进入 Amoo 的上下文。

期间，用户不必费力描述对象的外观、位置和所在页面，圈出的内容本身就成为提问的线索。

不止于「答」，更在于「谋」

得到上下文之后，Amoo 还要判断怎样处理任务。设闹钟、查照片可以迅速响应；订票、处理文件或安排周期任务，则可能涉及查找信息、比较选项和规划多个步骤。

Step AOS 采用端云协同：即时操作的简单任务交给端侧模型 Step Edge，复杂推理与多步骤规划交给云端模型。在基础手机操作中，Amoo 能打开或关闭各种 App，设置闹钟，查看天气与位置，拨打电话、发送短信，管理联系人和日历日程。

需要外部信息时，它可以搜索新闻、资料与实时信息，通过东方财富查看股票和基金行情，通过什么值得买查询商品价格与推荐，定时提醒和周期任务也在目前支持的范围内。

最能说明问题的是一次订票。我给出的需求是：帮我订明早从广州飞北京的机票，选国航的；等等，如果明早北京大雨，就直接改订高铁商务座；对了，整体预算不能超过 1500 块。

一句话里埋了三个考点：明确偏好、条件分支、预算上限。Amoo 把它拆成几步，先查航班与价格，再查北京明早的天气，根据天气结果在机票和高铁商务座之间做取舍，全程把预算卡在 1500 元以内，最后停在付款前等我确认。

从我的体验看，简单任务它判断果断，多步骤任务中它倾向于在关键节点停下来确认，这种「克制的聪明」反而是合理的。

我还试了一个周期任务，创建一个定时任务，每天早上 9 点推送新闻简报，精选过去 24 小时最值得关注的 5 条新闻，每条附简短摘要和来源链接。创建之后，第二天早晨简报准点出现。

这本质上已经不是传统意义上的「设置提醒」，而是用户通过自然语言给自己「编程」，创造出了一个专属功能。这种低门槛的自定义体验，正是智能体手机走向「用户创造力」的第一步。

从行动交付到共同创造，接住 Builder 的想象力

智能体即便想好了步骤，也可能被应用之间的边界拦住。打车、订票、处理文档各有自己的入口、数据和权限，知道「应该怎么做」并不等于能够替用户完成。

相比于普通手机的 AI 助手大多困在对话框里，能「说」不能「做」，Step AOS 的原子能力引擎尝试把这些功能组织成可调用的服务，让 Amoo 以系统级身份安排操作。

最常见的办公场景就涉及 Word、Excel、PPT、PDF 的创建与编辑，飞书文档、表格、日历、任务和审批的读写，以及金山文档处理。

我让它新建一个 Word 文档，写一份关于 2026 年折叠屏手机市场趋势的调研大纲，写完直接导出成 PDF。一句话交代了格式、主题和交付形态，Amoo 依次完成大纲撰写、文档生成和 PDF 导出。

生活服务也可以看作一个完整闭环，我让它帮我在美团点一杯奶茶，它没有让我输入地址，而是先问我：送到住处，还是公司。它知道我有两个常用地址，在涉及付款、删除数据等敏感步骤时仍需用户确认。

打车时，我也试过让 Amoo 从爱范儿公司地址叫一辆快车，目的地是广州白云机场 T2 航站楼。

在生态合作方面，阶跃 Amoo 已与支付宝、腾讯、携程、滴滴、剪映、高德、美团等近百家企业及产品建立合作关系，将服务能力延伸至本地生活、旅游出行、办公协作、内容创作等多个场景，推动不同平台与服务之间的能力互通。

除调用现有服务外，行动力的边界不仅在于跨应用执行，更在于无中生有的创造。

当现有应用无法满足场景需求时，Amoo 还支持生成图片、制作 HTML 页面或小工具，手机的行动能力也就从「替用户点击按钮」，自然延伸到了「按需生成工具」。

Skill 提供了进一步扩展的入口，让一些特定流程有机会成为手机上可重复调用的能力：目前可见的 Skill 包括飞书 CLI、企业微信 CLI、Skill 安全助手，以及英语学习、网页抓取、PDF 转 Markdown、Word 转化等不同用途；

比如 APPSO 此前报道过的微信读书 Skill，如今只需在手机上完成简单配置，就能接入使用，更方便地获取阅读相关信息。

开发者也可以在 AmooStore 上传已有 Skill 包，经过格式与安全检查后提交审核。这是「用户参与塑造手机」那句话最具体的落点。

对照普通手机看，这一步的意义更清楚：传统手机的能力边界由 App Store 和厂商划定，用户只能在货架上「选」，不能自己「造」。Skill 是「用户参与塑造手机」那句话最具体的落点。

Amoo Store 里还可以通过智能体功能连接远程智能体。目前支持远程连接的工具包括阶跃 AI、Claude Code、Codex、豆包、DeepSeek 和 WorkBuddy 等，让手机也成为调用这些远程智能体的入口。

对于希望更轻松开发功能的用户，阶跃终端还带来了 Step Studio，并将它定位为首款 AI 终端原生开发工具。

用户可以通过对话描述需求，构建自己的 App、Skill 或 Agent，再推送到手机上测试和使用。

我输入「打造一个全自动科技深度报道主编智能体」，大约两分钟后，Step Studio 就生成了相应 Agent，将选题判断、素材研究、交叉验证和撰写成稿写入工作流程，并加入注明来源、区分事实与分析等编辑要求，供我继续调整。

如果希望智能体调用手机功能，还可以按需添加连接器。界面中可选的能力包括文件管理、定位、图库、日历、信息和电话等，前面提到的原子能力，由此成为开发专属功能时可以组合使用的资源。

完成构建后，点击「真机测试」，就能将智能体推送到 Amoo 空间的「我的作品」中，在手机上测试和修改，再通过「发布并上架」供更多用户安装使用。

从让 Amoo 写一次大纲，到为自己创建一个遵循固定编辑流程的 Agent，用户能够定制的内容，也从单次任务的结果延伸到了处理任务的方法。Step Studio 为这种定制提供了从构建、修改到手机端测试和发布的流程，也让按需生成工具有了更完整的开发入口。

从使用功能到创造功能，模型、系统和开发工具也成为手机价值的一部分。

基于这一判断，STEPX Neo 先行版推出「软硬模」全栈定价，将 Step 系列模型、Step AOS、Step Studio 与手机硬件整合定价，全栈价为 3999 元，提供碳黑、硅银两种配色。

购买用户可享连续 12 个月、每月百亿 Token 额度的 STEPX Token Plan，支持原生智能体应用的开发与使用。

「阶跃 Amoo 成长计划」还将为前 1 万名任务达标用户提供「星辰船票」，未来五年内可凭 STEPX Neo，以 0 元置换任意一款 STEPX 新款终端，具体权益以商品页面为准。

上市后，STEPX Neo 将持续更新系统、拓展任务场景，并通过 Step Studio 吸引更多开发者和创客参与生态共建，让手机能力随着用户的使用与创造不断丰富。

把「塑造手机」的权利，第一次交到我们手上

当大多数厂商选择在 Android 外壳上套一个 AI 助手时，STEPX Neo 从硬件设计、底层系统 Step AOS、端云协同、到开放生态全部重做了一遍。

但「重做」本身并不稀奇，真正值得分辨的是：这台机器是追热点的产物，还是一条早就想清楚的路线的必然结果。

今年 9 月，各家厂商开始陆续押注 Personal Agent；而早在 7 月，阶跃终端带来个人智能体 Amoo 时，就已经讲出了逻辑一致的故事——只是将它放在了一台更切实有感的设备当中。

更重要的是，阶跃终端想清楚的不只是概念，还有概念的物理前提：个人智能体必须拥有自己的「身体」，才能伴随用户进入物理世界中千千万万的场景。

先有路线，再有架构，最后才有 STEPX Neo 这台真机。这个先后顺序也意味着，当行业刚开始讨论 Personal Agent 时，阶跃终端已经在回答下一个问题了——当智能体有了身体，手机竞争的靶心该放在哪里？

STEPX Neo 给出的回答是从「卷镜头」转向「卷创造力」。

2000 年，夏普 J-SH04 第一次把摄像头塞进手机，11 万像素，拍出来的照片糊成色块，被嘲笑为「给玩具装镜头」。谁也想不到，这个被嘲笑的开局，拉开了智能手机史上最漫长的一场军备竞赛：

此后二十多年，从诺基亚 808 PureView 的 4100 万像素传感器，到不断发展的计算摄影、潜望长焦和一英寸大底，厂商们在方寸之间的镜头上缠斗了整整二十年。

为什么偏偏是影像？

因为在移动互联网时代，「拍照记录」是普通人表达创造力门槛最低的出口。按下一张好照片、剪一段生活视频，本质都是人对「创造」与自我表达的本能追求。

影像时代的手机让我们成为世界的「观察者」和「记录者」；而当大模型的意图理解与行动能力恰好在这个节点成熟，创造欲开始寻找新的出口：

人们不再满足于拍一张好看的照片，而是希望手中的终端能替自己解决复杂问题、编排专属逻辑，甚至像搭积木一样定制只属于自己的数字能力。应运而生的 STEPX Neo，也就第一次以开放模型、系统与 Skill 生态，把「塑造手机」的权利交到了用户手里。

至于那些尚未磨平的生态断点、仍需优化的发热与续航，也都是开拓者留在路上的路标。但就像 1886 年那辆笨拙驶过街头、沿用舵柄却不再依靠马匹的先行者一样——

它的价值从不在于第一天就跑赢马车，而在于它终于摆脱了马车的惯性。