6 臺機器人拼長城、首款智能體手機首秀：階躍把 AI 塞進了現實世界｜WAIC 2026

APPSO 發自 WAIC 2026 現場

81,920 塊積木，6 臺機器人，連續 15 小時。

階躍展區給今年 WAIC 備的開場，是一場 AI「體力活」。

前兩年一家模型公司的展臺，大概就會看到滿墻參數和榜單第一。階躍這次有點意思，它把手機、汽車和機器人一股腦搬了進來，其中還有一臺拿了本屆「鎮館之寶」的智能體手機。

看著是四個方向，其實都在回答同一個問題：大模型已經有了一顆足夠聰明的「大腦」，怎么給它接上一副真能動的身體？

在階躍展區，我們搶先看到了答案——

它會看、會聽、有記憶，也能調用工具替人辦事。在手機里，它試著接管 App 之間的瑣碎操作；同源的智能體邏輯能在手機和電腦之間接力；坐進汽車，它開始琢磨道路、目的地和人臨時冒出來的念頭；到了機器人這兒，模型得把計劃變成物理世界里真實、連續的動作。

階躍這次給的答案很直接。模型不能只待在云端，Agent 也不能只活在聊天框里。模型、系統、終端，得擰成一件事。

APPSO 這就帶你看看階躍這個展臺有什么好玩的東西，你也可以根據階躍給出的同款路線來體驗。

階躍展區位于本屆 WAIC 的核心展館世博 H1，融合了目前階躍最重要的幾大業務：端云協同的 Step 模型矩陣、STEPX Neo 大模型原生智能體手機 、智能體原生操作系統 Step AOS、AI 模型實驗室、車機模型體驗，以及最新的具身智能應用場景。

特別是在最新成立的階躍終端所負責的智能體手機展臺，人流相當密集。STEPX Neo 并非第一臺「AI 手機」，但卻是不同于其他手機的全新物種，也引來了大批參展者駐足。

階躍 Amoo——造型既熟悉又足夠有辨識度的智能體，成為了全場的主角。這正好代表了階躍在本次 WAIC 上參展的基調：

擁有多種級別和不同能力的階躍模型家族，共同托起了一個強有力的 Agent，讓它可以落地到不同的場景，接管整個世界。

大模型開始找「身體」

過去兩年，大模型公司最愛展示的是一塊屏幕。

左邊輸入問題，右邊吐出答案。模型會寫代碼、做數學題、生成圖片和視頻，排行榜上的分數一路漲。

可人真正生活的世界，不是一個無限延伸的對話框。

訂一次差旅，信息散在日歷、地圖、航旅、酒店和支付 App 里；干一份活，需求在手機上收到，文件卻躺在電腦里；坐進車，導航、座艙和輔助駕駛又是幾套各管各的系統。至于機器人面對的，是會移動、會出錯、按不了撤銷鍵的物理世界。

從「回答問題」到「完成任務」，中間隔著感知、記憶、規劃和執行。

這也解釋了，階躍為什么要搭一套看著有點「過于完整」的模型體系。

階躍現在已經形成 Pro、Flash、Edge 三層 Step 模型矩陣。Pro 啃復雜推理，把能力上限拉滿；Flash 面向高頻 Agent 工作流，在速度和成本之間找平衡；Edge 鉆進手機、汽車這些終端，管本地感知和即時反應。

橫著看，這套矩陣又覆蓋了語言、多模態理解與生成、語音、圖像、視頻和音樂，累計發了超過 40 款模型，多模態占了八成以上，圈內給它起了個外號，多模態卷王。

Step 3.7 Flash 是面向 Agent 的高效大腦，StepAudio 系列管實時對話、語音理解與生成，視覺模型讓設備看懂屏幕和環境，Step Edge 全家桶則把文本、視覺、語音、GUI 操作和圖像生成一起帶到本地。

換句話說，階躍沒有拿一個模型硬塞進所有終端，它先備齊不同尺寸、不同模態、不同速度的「腦區」，再按任務組合。

別人做的模型矩陣像是各不相干的產品線，而階躍造了一臺會自動換擋的變速箱。

階躍在 WAIC 前夕剛發的 Step Edge端側模型全家桶，在涵蓋圖像理解、OCR、GUI 操控的 29 項權威基準評測里拿了同類端側模型第一，把 Qwen3-VL、MiniCPM-V 這些主流對手壓在身后。

找照片、設鬧鐘、調系統這種高頻小事，交給它，本地工具調用最低能壓到 0.1 秒；碰上跨應用規劃、長鏈路推理，再把活交給云端模型。敏感的文字、視覺和語音留在本地，復雜任務又不必被端側那點算力卡住。

快的留在手上，難的送上云端。

印奇認為，「如果不做大模型，做不好小模型?！惯@套端云結合，簡單把大模型「壓小」塞進設備遠遠不夠，得讓 Agent 自己拎得清，什么時候動手，什么時候該找更強的大腦幫忙。

模型這層備齊，才有了統一的落點：讓 AI 離開聊天框，進到終端里。

第一副身體，是一臺不想讓你老盯著看的手機

整個展區里，最可能成為人氣中心的，無疑是前幾天發布的大模型原生首款智能體手機 STEPX Neo，這是它第一次在線下公開亮相。

在現場，階躍不僅提供了完整的功能和技術邏輯講解，更提供了真機 demo。APPSO 昨天已深度使用這臺手機完成了各種智能體任務，但看到它在現場擁擠的網絡和復雜的展示環境下，仍然能夠以極低的延遲執行各種簡單或復雜的指令，印象非常深刻。

開展前，STEPX Neo 已經拿下本屆 WAIC「鎮館之寶」，也是目前唯一通過首批《人工智能終端智能化分級》國家標準 L3 級測試的智能體手機。同批入選的還有中科曙光的全國產十萬卡超算這些硬貨，一臺手機能擠進去，本身就說明它靠的不是硬件參數。

階躍真正想改的，是我們用手機的方式。

你只要說一句「幫我安排下周去上海見客戶的差旅行程，不要早起」，換傳統手機，你得自己查日歷、看天氣、比機票、找酒店，再一個個 App 填信息；在 STEPX Neo 上，階躍 Amoo 先聽懂「見客戶」和「不要早起」這兩個條件，再拆任務、調服務，最后把一份能直接確認付款的行程單遞回來。

階躍管這叫「結果交互」。人只管把想要的結果說清楚，中間的活交給智能體。印奇說得更直接：「你盡量少去看它，能夠比較少地跟它交互，就能完成任務。我們并不想它一直獲得你的注意力。」

一臺上來就勸你少看它的手機，在這個所有 App 都在搶屏幕時間的年代，屬實有點反骨。

聽著像個更強的語音助手？差得遠。普通助手住在系統里的一間「客房」，干點事就得申請權限，還翻不過 App 之間那堵數據墻。階躍 Amoo 在 Step AOS 里是系統級的原住民。印奇的比方是：「在舊系統上給智能體開一扇門，它永遠是訪客。為智能體蓋一座房子，它才是原住民?！?/p>

Step AOS 從底層重做了三件事：把散在各處的數據整理成 Agent 讀得懂的記憶，把不同大小的端云模型統一調度，再把通訊、應用、文件和系統能力拆成能自由組合的原子服務。

于是階躍 Amoo 不只是能聽懂一句話，還能記住偏好、規劃步驟、真正執行。

權限越大，越嚇人。階躍為此加了「可信、可見、可控、可逆」四道閘：過程能審計，權限用完就收，碰到付款、刪除這種敏感操作必須交還給你確認，辦錯了還能撤回。

這是 STEPX Neo 最值得關注的地方。它的處理器、影像、續航還沒完全揭曉，價格和開賣時間也沒定。但階躍已經先把一個問題拋了出來：

哪天手機的第一入口不再是 App，變成一個懂你的智能體，操作系統該從哪兒重新蓋起？

從手機到電腦，Agent 不該困在一塊屏幕上

手機給了階躍 Amoo 一個隨身入口?？扇瞬粫辉谑謾C上干活。

在階躍的展臺上，「階躍 AI」就給我們展示另一種和 AI 的相處模式：你在手機上發一句指令，電腦端接住，自動去排版文件、整理資料，甚至替你在飛書上發消息。指令、上下文、進度在兩塊屏之間同步，你不用把文件傳來傳去，也不用換臺設備再把背景重講一遍。

令 APPSO 感到意外的是，在多端 Agent 聯動上并非首創者的階躍，做出了比 Codex/ChatGPT 的 Remote Control、Claude Dispatch 等「前輩」們更加優秀和直觀的多設備 agent 接力體驗：

我們設計了一個復雜的跨端文件操作任務：「找到電腦上某個文件，編輯其中的內容，再轉換格式發回手機端?！?/p>

推理、思考、拆解，僅用了短短數秒。然后，我們發現電腦就已經進入工作狀態了。具體原理是階躍桌面端 Agent 利用 computer use 能力來直接操作電腦。而更有趣的是，手機端也出現了一個「預覽屏幕」，就像遠程操控一樣，但完全不需要用戶自己來操控。

根據階躍工作人員介紹，這個設計并非「必需品」，但它能夠帶給用戶更直觀的視覺上的「確認感」。

過去說多端協同，多半指剪貼板互通、文件接力、通知同步。說穿了，是把同一份東西在設備間搬來搬去。階躍想做的更進一步：搬的不是文件，是任務本身。

這意味著手機不必縮成一臺小 PC，PC 也不用照搬手機那套 App。每臺設備只干自己擅長的部分，Agent 管理解目標、分配活兒、把結果交出來。

如果說 STEPX Neo 是給階躍 Amoo 的一副新身體，階躍 AI 更像它在設備之間穿行的方式。

同一個大腦，換一雙手接著干。

坐進汽車后，Agent 要學會的不只是聊天

手機上點錯了，最多多點兩下。車里做錯決策，對應的是一段真實的路。

這也是 AI+終端最難啃、又最值得認真做的一塊。

在 WAIC 上，階躍聯手吉利、千里科技帶來全新升級的汽車「超級智能體」，放在了一臺極氪 8X 上展示。它想甩掉的，是那種只會調空調、放音樂的車載語音助手，把智能座艙、輔助駕駛和生活服務串成一條任務鏈。

一句「帶我去接孩子，路上找家麥當勞，5 點前要到學?！梗稽c都不嚴謹?？上到y得聽懂里面的模糊意圖，規劃路線和時間，啟動輔助駕駛，還得順手把途中臨時加的那頓麥當勞辦了。

它既要會開車，也要會辦事。

背后還是那套端云邏輯。Step 3.7 Flash 負責啃下模糊指令、規劃任務，端到端語音模型讓對話更自然，視覺模型看懂車內外環境再據此決策；接下來端側模型還會讓更多高頻、隱私敏感的任務留在車端就地辦。

這套合作里還藏著一個關鍵的人。印奇同時是階躍星辰董事長和千里科技董事長，「AI 大腦」和「終端載體」握在同一個人手里，這在國內車企和模型公司的合作里并不多見。

手機、電腦和汽車的界面完全不同，但 Agent 面對的核心任務沒變：搞懂人真正想干什么，再調動終端能力把事情辦完。

這也是為什么，階躍跟車廠的合作，比「把一個大模型接進車機」要重得多。大模型是腦，整車系統是身體。只有艙、駕、生活服務真打通，智能體才不只是副駕座上一個會聊天的聲音。

身體像人，大腦像人，工作起來才像人

手機和汽車好歹還有成熟的操作系統和產業鏈托底。機器人面對的，是最不講情面的現實世界。

一塊積木偏 1 毫米，后面的結構就層層累積誤差；一臺機器人停頓，其他幾臺的分工得跟著重排；連著干 15 小時，任何一次識別或抓取失敗，都可能讓挑戰當場中斷。

所以今年階躍展區最可能吸睛、也最「下笨功夫」的一項，是它攜手原力靈機，讓 6 臺不同類型的機器人挑戰協同拼裝一座 3 米長的積木長城。

81,920 塊微型積木，計劃連續作業 15 小時。算下來每小時得拼 3413 塊，平均每臺機器人每 12 秒就要完成一次精準拼裝，綜合手速直逼熟練工。

我們到場時機器人已經進行了長達 7 小時的拼裝工作，進度接近一半。

APPSO 注意到，一個頗為有趣的設計：這次挑戰并不是人形機器人簡單的定位、識別、尋址，而是一個涉及多地點、多機器人類型的復雜流程工作。

人形機器人從庫位抓起單獨的積木，拿到一旁的組裝臺；在組裝臺上，有機器手負責將零碎的積木拼裝成整塊，這樣的組裝臺共有 4 組；等大塊組裝完成后，機器人再將其轉移到最終拼裝的「主舞臺」的對應位置。

這種「團隊協作」的感覺，也是具身智能機器人未來與彼此、與人一同工作，該有的樣子。

6 臺機器人得自主感知、獨立決策、動態分工，在亞毫米尺度完成精細操作，這個精度已經超過人手的生理極限，人手自然抖動大約在 0.3 到 1 毫米。階躍基礎大模型當「大腦」，理解總目標、拆任務、排順序；原力靈機 DM0.5 具身通用基礎模型像「運動小腦」，把計劃落成穩、準、微的動作。

一個負責想，一個負責做。而且要一直做下去。

我在階躍展臺，看到了大模型的下一站

把 STEPX Neo、階躍 AI、極氪 8X 和 6 臺機器人拆開看，每一個都夠撐起一個獨立展區。

但階躍這次真正想證明的，是另一件事：這四樣東西，其實是同一顆大腦，同一套端云模型，同一個操作系統。

換上手機、汽車或機器人的軀殼，就能在完全不同的場景里接著干活。

模型矩陣管「多聰明」，Step AOS 管「怎么落地」，終端管「在哪干活」。三層疊起來，AI 才算真的從聊天框里走出來，長出了能感知、能記憶、能動手的身體。

想清楚這條主線，「AI+終端」才不再只是把 AI 貼到硬件，就為了賣更高溢價上的一句營銷口號。

端側延遲夠不夠低，復雜任務能不能順利上云；Agent 有沒有系統權限，服務生態肯不肯開接口；車能不能量產上路，機器人能不能真扛住 15 小時。每一層都是真問題，也都比做一段漂亮 Demo 難得多。

當然，STEPX Neo 還得過真實用戶和應用生態這一關，汽車智能體要在復雜路況里證明自己靠譜，機器人離走進工廠和家庭也還有一段長路，階躍給的不是終局答案。

但這屆 WAIC，這家國產模型公司至少把自己的方向說得足夠清楚：

大模型的下一站，是手機、電腦、汽車和機器人，是每一副能替人感知、記憶和行動的身體。

過去兩年，我們隔著屏幕問 AI，你能做什么。

現在，它開始走出屏幕，自己動手了。