AI 终端混战：谁在做加法，谁在重写规则

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。据雷峰网消息，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。01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。02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。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