Yin Qi hat den ersten Schritt für die globale Ära der Agentic Smartphones gemacht

Noch zwei Tage vor der Eröffnung der Weltkonferenz für Künstliche Intelligenz herrscht eine außergewöhnliche Aufregung in der Branche der Endgeräte. Gerade erst hat Nubia die Nachricht verbreitet, auf der WAIC ein Agent-Smartphone vorzustellen – und noch bevor die Aufmerksamkeit für dieses Thema abgeklungen ist, hat Step Star in Shanghai bereits eine Pressekonferenz veranstaltet und ein vollständiges Endgeräte-Ökosystem für intelligente Agenten vorgestellt:

Die KI-Endgerätemarke STEPX, die nativ auf große Modelle ausgerichtet ist, das agenten-native Betriebssystem StepAOS und der persönliche intelligente Agent Amoo wurden gemeinsam mit dem ersten Agent-Smartphone STEPXNeo der Öffentlichkeit präsentiert.

In den letzten zwei Jahren verfolgten fast alle Smartphones, die mit dem Label „KI“ auf dem Markt beworben wurden, denselben einfachen Weg: Die Grundschicht blieb unverändert, man fügte lediglich ein zusätzliches Fenster für einen KI-Assistenten hinzu und erweiterte es um einige Funktionen zur Textgenerierung und Bildverarbeitung. Im Grunde handelte es sich dabei nur um eine oberflächliche KI-Beschichtung für herkömmliche Smartphones. Niemand war bereit, das zugrundeliegende Betriebssystem grundlegend zu überarbeiten – eine solche Neuerstellung würde enorme Forschungs- und Entwicklungsinvestitionen erfordern und zudem massive Kosten für die Anpassung des Ökosystems mit sich bringen. Smartphone-Hersteller scheuten davor zurück, und die meisten Unternehmen für große Modelle begnügten sich mit cloudbasierten Softwarediensten.

Doch dieses Mal bricht Yin Qi mit Step Star diese stillschweigende Übereinkunft. Ihr Konzept sieht so aus: Eine spezielle Endgerätemarke namens STEPX, das Betriebssystem Step AOS, das vollständig für intelligente Agenten neu entwickelt wurde, der persönliche intelligente Agent Amoo, der Aufgaben selbstständig planen und ausführen kann – und dazu das weltweit erste große Modell-native Agent-Smartphone STEPX Neo.

Als Unternehmer, der sich jahrelang mit Computer Vision beschäftigt und den gesamten Zyklus der kommerziellen Nutzung von KI miterlebt hat, ist Yin Qi überzeugt: Dass man allein mit cloudbasierten großen Modellen und nachgerüsteten KI-Funktionen die Interaktionslogik zwischen Mensch und Smartphone kaum wirklich verändern kann. Nur wenn intelligente Agenten in die Grundschicht des Systems eingebettet werden und alle Anwendungsfunktionen aufgelöst werden, um eine softwareübergreifende selbstständige Steuerung zu ermöglichen, erhalten tragbare Endgeräte tatsächlich die Intelligenz, Aufgaben eigenständig auszuführen.

Ein natives Agenten-Betriebssystem ist nicht dasselbe wie nachgerüstete KI-Funktionen

Auf dem Markt gibt es viele Produkte, die als „KI-Smartphone“ bezeichnet werden, aber die überwiegende Mehrheit folgt derselben Logik: Auf der Grundlage von Android oder iOS wird ein schwebendes Fenster oder ein KI-Eingang auf dem zweiten Startbildschirm hinzugefügt, der Zusammenfassungen erstellen, Texte schreiben und Bilder erkennen kann – im Wesentlichen bleibt dies aber eine unabhängige Funktion auf Anwendungsebene. Wenn man tatsächlich anwendungsübergreifende Aufgaben erledigen möchte, muss der Nutzer immer noch manuell zwischen Apps wechseln. Die KI kann höchstens die entsprechende App öffnen, aber die restlichen Schritte muss man selbst ausführen.

StepAOS geht einen völlig anderen Weg. Laut offizieller Angabe wurde die Grundarchitektur rund um den intelligenten Agenten neu gestaltet. Das klingt abstrakt, aber in der praktischen Nutzung zeigt sich der Unterschied sehr deutlich.

Dieses System zerlegt alle Anwendungen, Dateien und Systemfunktionen in aufrufbare atomare Fähigkeiten – das bedeutet, die ehemals unabhängigen Apps werden in kleine Funktionsmodule aufgeteilt und einheitlich im Fähigkeitspool des Systems abgelegt. Der intelligente Agent verfügt über systemweite Berechtigungen und kann nach Erhalt einer Nutzeranweisung direkt die entsprechenden Funktionen aus dem Fähigkeitspool abrufen und sie automatisch gemäß dem Aufgabenablauf verknüpfen – ohne dass der Nutzer jede App einzeln öffnen, Informationen eingeben oder Zahlungen bestätigen muss.

Wenn man beispielsweise eine kurze Reise plant, muss der Nutzer nur das Ziel und die Zeitpräferenz nennen. Der intelligente Agent kann dann automatisch Ctrip abrufen, um Fahrkarten und Hotels zu suchen, über Meituan lokale Restaurants finden, mit Didi ein Taxi bestellen und über Alipay die Zahlung abschließen – der gesamte Ablauf erfordert keinen Wechsel zur Oberfläche irgendeiner App. Im Büroumfeld funktioniert es genauso: Aufgaben wie das Organisieren von Dokumenten, das Erstellen von Präsentationen oder das Bearbeiten von Materialien können direkt über die entsprechenden Funktionen von WPS und Jianying vom intelligenten Agenten erledigt werden.

Die Grundlage für dieses Nutzererlebnis ist die vollständige Überarbeitung der gesamten Systemgrundschicht. Die Ressourcensteuerung herkömmlicher Betriebssysteme ist darauf ausgelegt, dass „der Nutzer Anwendungen bedient“ – Rechenleistung, Speicher und Wahrnehmungsfähigkeiten folgen den Anwendungen im Vordergrund. StepAOS hingegen verteilt Ressourcen neu nach der Ausführungslogik des intelligenten Agenten und hat einen vereinheitlichten Steuerungspool für heterogene Rechenleistung aufgebaut. CPU, GPU und NPU können dynamisch und flexibel zugewiesen werden, um die Echtzeit-Inferenzanforderungen von Modellen auf dem Endgerät zu erfüllen. Auf Datenebene wurde eine einheitliche semantische Datenschicht implementiert, die multimodale Wahrnehmung und Nutzerverhaltensdaten standardisiert verarbeitet und zusammen mit einer Hochgeschwindigkeits-Hybriddatenbank einen Abruf in Millisekunden ermöglicht.

Die Gedächtnisleistung ist ein weiterer zentraler Unterschied. StepAOS verwendet eine zweidimensionale, dreistufige Gedächtnisstruktur: Im Nutzerbereich werden persönliche Gewohnheiten und Szenenpräferenzen gespeichert, im Agentenbereich sammeln sich Erfahrungen bei der Aufgabenausführung und Fachwissen an. Der Nutzer muss nicht jedes Mal seine Essensvorlieben oder Reisegewohnheiten erneut erläutern – der intelligente Agent kann auf Basis früherer Erinnerungen direkt Entscheidungen treffen.

Dieses Smartphone hat die L3-Prüfung nach dem chinesischen Standard „Intelligenzklassifizierung von KI-Endgeräten“ bestanden. Dieser in diesem Jahr offiziell veröffentlichte Standard unterteilt das Intelligenzniveau von Endgeräten von niedrig bis hoch in vier Stufen. Die Stufe L3 (Assistenzebene) erfordert, dass das Endgerät komplexe Absichten umfassend versteht, unklare Anweisungen aktiv präzisiert, Aufgaben selbstständig zerlegt und Abläufe plant, verschiedene Werkzeuge flexibel einsetzt und gleichzeitig über Kurz- und Langzeitgedächtnis sowie multimodale Generierungsfähigkeiten verfügt.

Vor diesem Hintergrund blieben die meisten KI-Smartphones auf dem Markt noch auf der Stufe L2 (Werkzeugebene) stecken und konnten nur einzelne oder wenige Schritte unter klar definierten Anweisungen ausführen.

Natürlich fehlt auch eine Architektur für die Zusammenarbeit von Endgerät und Cloud nicht. Einfache lokale Vorgänge werden vom lokalen StepEdge-Modell verarbeitet und reagieren innerhalb von Hundertmillisekunden – das spart Datenvolumen und schützt die Privatsphäre. Komplexe mehrstufige Planungen und die Generierung anspruchsvoller Inhalte werden hingegen automatisch von großen Modellen in der Cloud übernommen. Das System wählt je nach Komplexität der Aufgabe, Datenschutzstufe und Netzwerkstatus automatisch das passende Modell aus und stuft es bei Bedarf schrittweise hoch, um ein Gleichgewicht zwischen Geschwindigkeit und Ergebnisqualität zu finden.

Die Hardware-Änderungen sind nicht radikal: Auf der Rückseite wurde ein zweiter Interaktionsbildschirm hinzugefügt, der eher wie ein eigener ständig aktiver Fensterbereich für den intelligenten Agenten wirkt. Ohne den gesamten Hauptbildschirm beleuchten zu müssen, kann man den Aufgabenfortschritt des Agenten und Benachrichtigungen sehen und einfache Interaktionen direkt über den zweiten Bildschirm durchführen. Dieses Konzept bedeutet, dass der intelligente Agent eine Rolle ist, die im Hintergrund kontinuierlich läuft – er muss nicht immer die volle Aufmerksamkeit des Nutzers beanspruchen, und der zweite Bildschirm erfüllt genau diese leichte, ständig präsente Interaktionsanforderung.

Dass Unternehmen für große Modelle in die Hardware-Branche einsteigen, ist sowohl Notwendigkeit als auch unvermeidlich

Warum gibt ein Unternehmen, das eigentlich an großen Modellen arbeitet, plötzlich vor, Smartphones zu bauen? Bei Step Star und Yin Qi ist das sowohl durch die Branchenumstände erzwungen als auch eine unvermeidliche Entscheidung der eigenen Strategie.

Step Star wurde 2023 gegründet, kurz vor dem Ende des „Kampfes der hundert Modelle“, und veröffentlichte erst 2024 offiziell sein großes Modell mit mehreren zehn Milliarden Parametern – es gehört also zu den Teilnehmern der ersten Reihe von großen Modellen, die relativ spät eingestiegen sind. In den letzten zwei Jahren hat sich der Markt für Endkunden-KI schnell konsolidiert: Führende Produkte haben durch ihre Vorsprünge und die Besetzung wichtiger Anwendungsbereiche bereits eine riesige Nutzerbasis aufgebaut und Nutzungsgewohnheiten etabliert.

Obwohl Step Star tief in den multimodalen Bereich investiert hat und von der Öffentlichkeit sogar als „König des harten Wettbewerbs im multimodalen Bereich“ bezeichnet wird, ist es ihm nie gelungen, eine beliebte Anwendung für Endkunden zu schaffen. Nach der B-Runde der Finanzierung Ende 2024 hat das Unternehmen eine strategische Anpassung beschlossen: Es schränkt seine Aktivitäten für Endkunden ein und wendet sich dem Bereich „KI + Endgeräte“ zu – Autos, Smartphones, körperliche Intelligenz und das Internet der Dinge wurden zu vier zentralen Szenen erklärt.

Anfang 2026 übernahm Yin Qi offiziell den Vorsitz und brachte gleichzeitig eine B+-Finanzierung von über 5 Milliarden Yuan mit – ein Rekord für eine einzelne Finanzierungssumme im chinesischen Sektor großer Modelle zu dieser Zeit. Dieses Geld gab Step Star das Selbstvertrauen, in die Hardware-Entwicklung einzusteigen. Noch wichtiger war, dass Yin Qi das Konzept eines geschlossenen Kreislaufs aus Software und Hardware in das Unternehmen einbrachte.

Wer Yin Qi kennt, weiß, dass er bei Megvii den gesamten Zyklus der kommerziellen Nutzung von KI miterlebt hat. Angefangen mit Gesichtserkennungstechnologie bis hin zum gescheiterten Versuch, an die Börse zu gehen – mehr als zehn Jahre Unternehmertum haben ihm eine sehr realistische Einschätzung für die praktische Umsetzung von Technologie vermittelt: Reine Algorithmus-Unternehmen können kaum einen stabilen geschäftlichen Kreislauf schaffen, und jeder Erfolg ohne geschlossenen Kreislauf ist nur vorübergehend. Diese Einschätzung ist zu einem großen Teil die grundlegende Logik für Step Stars Umorientierung zu Endgeräten geworden.

Heute ist der Wettbewerb im Sektor großer Modelle auf der reinen Modellebene immer härter geworden, die Produkte gleichen sich zunehmend an – und dennoch ist der Weg zur kommerziellen Nutzung noch nicht klar genug. Bei B2B-Diensten sind die Kosten für individuelle Anpassungen hoch und die Skalierung schwierig; bei B2C-Produkten ist die Zahlungsbereitschaft der Nutzer gering und die Kosten für die Nutzergewinnung hoch. Endgeräte hingegen sind die besten Träger für Wert: Wenn die Fähigkeiten des Modells in der Hardware verankert werden, lassen sich sowohl differenzierte Nutzererlebnisse schaffen als auch stabilere Wege zur kommerziellen Nutzung finden.

Warum ausgerechnet Smartphones? Die Antwort ist einfach: Smartphones sind derzeit die persönlichen intelligenten Endgeräte mit der höchsten Verbreitung, Nutzungshäufigkeit und Nutzerbindung – und damit die besten tragbaren Träger für intelligente Agenten. Bereiche wie intelligente Brillen oder humanoide Roboter haben zwar viel Potenzial, aber ihre praktische Umsetzung dauert lange und die Akzeptanz der Nutzer muss erst noch wachsen. Der Smartphone-Markt ist zwar hart umkämpft, aber die Industriekette ist ausgereift und die Nutzungsgewohnheiten sind klar definiert – es ist das Szenario, in dem intelligente Agenten am schnellsten umgesetzt und getestet werden können.

Zu den drei zentralen Zielen, die Yin Qi dem Unternehmen zu Beginn des Jahres gesetzt hat, gehörte die Einführung einer KI-nativen innovativen Hardware innerhalb von 12 bis 15 Monaten. Jetzt, wo STEPXNeo vorgestellt wurde, sind seit der Zielsetzung nur sechs Monate vergangen – der Rhythmus ist schneller als erwartet. Das zeigt auch, dass Step Stars Endgeräte-Strategie keine spontane Idee war, sondern eine seit langem vorbereitete Kernplanung.

Natürlich haben Unternehmen für große Modelle bei der Hardware-Entwicklung natürliche Schwächen. Die Steuerung der Lieferkette, die Fähigkeit zur Massenproduktion und der Aufbau von Vertriebskanälen sind Fähigkeiten, die Smartphone-Hersteller über mehr als ein Jahrzehnt aufgebaut haben – sie lassen sich nicht einfach mit Geld und Algorithmen schnell nachholen. Derzeit wurden die genauen Spezifikationen, der Preis und das Erscheinungsdatum dieses Produkts noch nicht bekanntgegeben. Es heißt nur, dass es auf der Weltkonferenz für Künstliche Intelligenz öffentlich ausgestellt wird – das zeigt die Vorsicht von Step Star: Zuerst werden das technische Konzept und die Produktform vorgestellt, um das Feedback des Marktes zu erhalten, bevor der Massenproduktionsrhythmus schrittweise vorangetrieben wird.

Interessanterweise hat fast zeitgleich mit Step Star auch Nubia angekündigt, auf der WAIC ein Agent-Smartphone vorzustellen, das ebenfalls auf ein natives Agenten-Erlebnis setzt. Unter den großen Smartphone-Herstellern haben Huawei, Honor, Xiaomi und vivo in diesem Jahr ihre KI-Agenten-Fähigkeiten intensiv verbessert, um die anwendungsübergreifende Aufgabenausführung auf Systemebene voranzutreiben.

Laut einem Bericht von Counterpoint wird der Anteil von Smartphones mit generativer KI-Funktion an der weltweiten Auslieferung im Jahr 2026 voraussichtlich 45 % erreichen – und die Agenten-Funktionen werden zu einem zentralen Wettbewerbsvorteil für Mittelklasse- und Premium-Smartphones.

Alle erkennen, dass das nächste Zeitalter der Smartphones das Zeitalter der intelligenten Agenten ist. Niemand hätte erwartet, dass das erste vollständige native Agent-Smartphone nicht von einem etablierten Smartphone-Hersteller kommt, sondern von einem Unternehmen für große Modelle.

Im Agenten-Zeitalter werden Apps nicht sterben – sie werden sich verändern

Auf der Pressekonferenz äußerte Yin Qi eine bemerkenswerte Ansicht: In der Ära der Agenten-Endgeräte werden Anwendungen nicht verschwinden – sie werden nur in einer anderen Form weiter existieren.

Diese Aussage beantwortet genau die Diskussion, die die Branche schon lange führt: Werden Apps sterben, wenn intelligente Agenten weit verbreitet sind? Viele Leute glauben, dass in Zukunft alle Aufgaben von intelligenten Agenten erledigt werden und Nutzer keine Apps mehr öffnen müssen – also werden Anwendungen keine Daseinsberechtigung mehr haben. Aber die Realität ist viel komplexer.

Wenn ein intelligenter Agent Aufgaben ausführt, greift er im Grunde immer auf die Fähigkeiten verschiedener Dienste zurück. Für Flugbuchungen nutzt er die Bestände von Fluggesellschaften und Online-Reisebüros, für Essensbestellungen die Ressourcen von Händlern auf lokalen Plattformen und für Büroarbeiten die Funktionsmodule professioneller Software. Diese grundlegenden Dienstleistungsfähigkeiten existierten ursprünglich in Form von Apps. Das Aufkommen intelligenter Agenten verändert nicht die Dienste selbst, sondern nur die Art, wie Nutzer auf sie zugreifen.

Früher verlief der Weg, auf dem Nutzer Dienste erhielten, so: Das App-Symbol finden, die App öffnen, die entsprechende Funktion in der Oberfläche suchen, Informationen eingeben und die Aufgabe abschließen. Im Agenten-Zeitalter muss der Nutzer nur noch seine Anforderung aussprechen – der intelligente Agent steuert im Hintergrund automatisch die entsprechenden Dienstfähigkeiten, und der Nutzer kommt während des gesamten Vorgangs nicht mit der Oberfläche einer App in Kontakt.

Für den Nutzer verliert die App ihre Funktion als Eingang; für den Dienstanbieter hingegen werden seine Kernfähigkeiten nur auf eine andere Art aufgerufen – sie verschwinden nicht.