Vorreiter bei der Erforschung zukünftiger Endgeräte von intelligenten Agenten, STEPX Neo eröffnet eine neue Form der Symbiose zwischen Mensch und Maschine
Personal Agent wird zur neuen Hauptlinie der KI-Branche.
Auf dem Überseemarkt hat Google Gemini Spark vorgestellt, das im Hintergrund kontinuierlich arbeiten kann. Meta hat Muse, einen persönlichen intelligenten Agenten für normale Nutzer, veröffentlicht, und OpenAI ist mit dem residenten intelligenten Agenten Dots auch in den Wettbewerb eingetreten.
Das Kapital beginnt ebenfalls, stark in diese Strecke zu investieren: Das persönliche KI-Assistenten-Unternehmen Town hat eine Serie-A-Finanzierung in Höhe von 55 Millionen US-Dollar abgeschlossen. Hark, das auf einen universellen persönlichen KI-Einstiegspunkt setzt, hat eine Finanzierung von 700 Millionen US-Dollar erhalten, und der KI-Assistent Instinct wurde ebenfalls mit einer Bewertung von 2,5 Milliarden US-Dollar für eine Finanzierung von 250 Millionen US-Dollar bekannt.
Das gleichzeitige Auftreten von dichtem Eintritt großer Hersteller und hohen Finanzierungen bedeutet, dass der Branchenwettbewerb nicht nur auf Chat-Tools abzielt, sondern auf den nächsten Generation persönlicher Einstiegspunkte, die Nutzer langfristig verstehen, persönliche Daten verbinden und Aufgaben im Auftrag erledigen können.
Die Aktionen auf dem chinesischen Markt sind ebenfalls dicht. Am 13. Oktober hat Step Terminal offiziell sein erstes großmodell-natives intelligentes Agenten-Handy STEPX Neo vorgestellt.
Dies ist nicht nur die Antwort von Step Terminal auf die „Hundert-Tage-Vereinbarung“ vom 13. Juli, sondern auch ein lange vorbereitetes Produktantwort unter dem Boom persönlicher intelligenter Agenten. Gleichzeitig treten die zweite Generation des Doubao-Handys sowie KI-Handys von Herstellern wie Huawei, Xiaomi, OPPO und Vivo konzentriert auf. Als Unternehmen, das von großen Modellen ausgeht, ist das Verständnis von Step für intelligente Agenten-Handys und seine Art, Endgeräte von Grund auf aufzubauen, es wert, separat diskutiert zu werden.
Bei genauer Beobachtung lässt sich feststellen, dass der Ausgangspunkt der meisten KI-Handys auf dem Markt immer noch ein bereits vorhandenes Handy ist. Chip, System und Interaktion sind bereits festgelegt, KI wird schrittweise durch Funktionen wie Suche, Bildbearbeitung, Frage-Antwort oder anwendungsübergreifende Bedienung hinzugefügt, und die zugehörigen Fähigkeiten sind auf verschiedene Einstiegspunkte verteilt. Eine Realität ist, dass das Konzept des KI-Handys seit einigen Jahren populär ist, aber die Wahrnehmung normaler Nutzer dafür immer noch begrenzt ist.
STEPX Neo wählt den Ausgangspunkt vom Agenten, um das Endgerät umgekehrt zu definieren – welche Wahrnehmung, Erinnerung, Berechtigungen und Modelle der intelligente Agent benötigt, Software und Hardware werden nach diesen Anforderungen neu gestaltet, und schließlich schließt sich der „Hardware-Software-Modell“-Kreislauf von Modell, System bis zum Endgerät.
Mit einem einfachen Vergleich zu verstehen: Die meisten KI-Handys installieren intelligente Möbel in einem alten Haus, während Step Terminal versucht, nach der Lebensweise des intelligenten Agenten ein neues Haus zu bauen.
Also, wie stellt das „native“ Step Terminal tatsächlich ein Handy auf STEPX Neo her?
01
Im Zeitalter intelligenter Agenten wird das Definitionsrecht für persönliche Endgeräte-Einstiegspunkte neu geöffnet
Dass Step von großen Modellen in den Endgerätebereich einsteigt, ist kein Zufall. Wenn intelligente Agenten die Art der Mensch-Computer-Kooperation schrittweise verändern, entstehen natürlich neue Möglichkeiten für persönliche Endgeräte.
In den letzten zwei Jahren hat der Coding Agent den Durchbruch zuerst geschafft, der Grund ist nicht kompliziert – die Code-Welt hat eine seltene Bestimmtheit: Die Regeln sind relativ klar, Ziele können klar beschrieben werden, und die Ausführungsergebnisse sind einfach zu überprüfen. Dies hat auch dazu geführt, dass KI von der Bereitstellung von Antworten und Vorschlägen weiter zum Verstehen von Zielen, Planen von Schritten und Abschließen von Aufgaben gelangt.
Aber von dem Coding Agent in den Tiefenbereich des Personal Agent zu gelangen, steigt der Schwierigkeitsgrad sprunghaft an.
Der Personal Agent dient nicht strukturiertem Code, sondern dem kontinuierlichen, unscharfen und hochgradig personalisierten Alltag von Milliarden von Verbrauchern. Außerdem ist es unmöglich für Nutzer, dem intelligenten Agenten täglich aktiv ihren Standort, ihren Tagesablauf, ihre Vorlieben und ihren Zustand mitzuteilen.
Das bedeutet, dass der Personal Agent nicht nur Werkzeuge aufrufen kann, nachdem er Anweisungen erhalten hat, sondern auch allmählich eine Person im langfristigen Gebrauch verstehen und beurteilen muss, was der Nutzer in einer bestimmten Szene möglicherweise braucht. Von „dem Nutzer helfen, eine Sache zu erledigen“ bis „verstehen, was der Nutzer jetzt braucht“ liegt eine ganze Kette zwischen ihnen, einschließlich Szenenwahrnehmung, Langzeitgedächtnis, Absichtsurteil, Aufgabenplanung und Dienstausführung.
Diese Kette gestaltet auch die Rolle des persönlichen Endgeräts neu.
In der Vergangenheit war das Handy hauptsächlich ein Behälter für Anwendungen und Inhalte, Nutzer mussten aktiv Apps öffnen, Funktionen suchen und Operationen abschließen; im Zeitalter intelligenter Agenten muss das Endgerät auch die Absicht des Menschen verstehen, verschiedene Dienste koordinieren und Ergebnisse liefern. Das bedeutet, dass der Interaktionseinstiegspunkt sich allmählich von einzelnen Apps zu Agenten wandeln kann, die die vollständigen Bedürfnisse der Nutzer verstehen.
Daher wird das Handy wieder zu dem Schlüsselträger des Wettbewerbs um Personal Agent. Im Vergleich dazu sind Cloud-Agenten gut darin, Webseiten, Dokumente und Online-Dienste zu verarbeiten, aber es ist schwierig für sie, die reale Umgebung, in der sich eine Person befindet, kontinuierlich wahrzunehmen. Das Handy wird lange Zeit mitgeführt, verbindet Termine, Standort, Kommunikation, Bildgebung und Lebensdienste, es ist das Rechengerät, das dem Menschen am nächsten ist und die vollständigsten Informationsdimensionen hat.
Aber das Problem ist, dass die vorhandenen Handysysteme hauptsächlich um Apps und die aktiven Bedienungen der Menschen aufgebaut sind. Wenn das Interaktionssubjekt von Apps zu Agenten wechselt, muss das System auch Aufgaben wie Langzeitgedächtnis, Modellkoordination, Werkzeugaufruf, Berechtigungssteuerung und anwendungsübergreifende Ausführung übernehmen. Nur einen KI-Assistenten zum vorhandenen System hinzuzufügen reicht möglicherweise nicht aus, um diese Veränderung zu unterstützen.
Dass Step Terminal in das KI-Hardware-Geschäft eintritt, liegt genau daran, dass es verschiedene Schmerzpunkte der Branche erkannt hat – Handys verfügen über reiche reale Szenen, aber wenige bauen tatsächlich grundlegende Fähigkeiten um den Agenten auf; Modelle verfügen über Intelligenz, aber es fehlt ihnen an kontinuierlicher Wahrnehmung der realen Welt und einem langfristigen Einstiegspunkt, um Nutzer zu erreichen.
STEPX Neo versucht, die Lücke zwischen den beiden zu schließen, und will auch die Kontur der Hardware im Zeitalter intelligenter Agenten konkreter machen.
02
Herstellen eines großmodell-nativen intelligenten Agenten-Handys, Step Terminal geht keinen gewöhnlichen Weg
Derzeit ist die Erkundung von KI-Endgeräten noch verteilt und es fehlt an einheitlichen Standards. Traditionelle Handyhersteller fügen im Betriebssystem Fähigkeiten wie KI-Suche, Bildgebung und anwendungsübergreifende Ausführung hinzu; Internetunternehmen erstrecken sich von Cloud-Modellen und Dienstökosystemen zu Endgeräten; Hardware-Spieler wie Brillen und Kopfhörer schneiden von visueller, sprachlicher und mitgeführter Interaktion ein.
Wenn man nicht nach der Identität der Spieler, sondern nach der Art und Weise beobachtet, wie KI in Endgeräte eintritt, lassen sich diese Erkundungen grob in zwei Routen einteilen:
Die erste ist die integrierte Route. Sie geht von vorhandenen Handys, Betriebssystemen, Apps oder Hardwareformen aus und verbindet die Fähigkeiten großer Modelle und Agenten in das ursprüngliche Produktsystem.
Diese Art von Spielern kann ausgereifte Nutzergröße, Systemfähigkeiten und Dienstökosystem nutzen, um Produkte schneller auf den Markt zu bringen. Aber KI muss sich an die vorhandene Architektur anpassen, die zugehörigen Fähigkeiten neigen auch dazu, auf verschiedene Anwendungen und Einstiegspunkte verteilt zu werden, und schließlich bleibt es auf der Ebene der Funktionsüberlagerung oder lokalen Umgestaltung.
Die zweite ist die native Route. Sie bestimmt nicht zuerst die Form des Endgeräts, sondern definiert zuerst, welche Wahrnehmungs-, Gedächtnis-, Schlussfolgerungs- und Ausführungsfähigkeiten der Personal Agent benötigt, und entwirft dann Modell, System und Hardware umgekehrt.
Step Terminal wählt genau diesen schwereren Weg.
Persönliche intelligente Agenten stehen nicht vor einmaligen Frage-Antworten. Sie müssen die Umgebung kontinuierlich wahrnehmen, Langzeitgedächtnis bilden und aufrufen, verschiedene Modelle nach der Komplexität von Aufgaben koordinieren und gleichzeitig Werkzeuge, Berechtigungen und Ausführungsprozess verwalten. Es ist schwer, ein vollständiges Erlebnis zu bilden, wenn jeder Link einzeln aktualisiert wird.
Das ist auch der Grund, warum Step Terminal die Drei-Einheit von „Hardware-Software-Modell“ betont: Das Modell ist für Verstehen und Entscheiden verantwortlich, die Software ist für Organisation und Koordination verantwortlich, die Hardware ist für Wahrnehmung und Träger verantwortlich. Die Hardware erhält Szeneninformationen, das System verbindet die Informationen mit persönlichem Gedächtnis, Werkzeugen und Berechtigungen, das Modell erkennt die Absicht und plant die Aufgaben, dann ruft das System die endgeräteseitigen Fähigkeiten oder externen Dienste auf, um die Ausführung abzuschließen.
Genauer gesagt hat STEPX Neo auf der Modellebene eine Modellmatrix aufgebaut, die aus Pro, Flash und Edge besteht – komplexe Aufgaben werden an das Cloud-seitige Pro-Modell übergeben, das Flash-Modell balanciert Wirkung und Antwortgeschwindigkeit, das endgeräteseitige Edge-Modell verarbeitet sofortige Antworten und datenschutzsensitive Aufgaben. Das System schließt die Koordination über das Endgerät-Cloud-Kooperationsrouting ab, Aufgaben, die lokal abgeschlossen werden können, bleiben vorzugsweise auf der Endgeräteseite, Aufgaben, die tiefe Schlussfolgerungen erfordern, werden dann an die Cloud übergeben.
Wenn das Modell bestimmt, ob es verstehen und beurteilen kann, löst Step AOS, wie diese Fähigkeiten organisiert werden können.
Traditionelle KI-Assistenten existieren normalerweise in Form von Apps oder Systemfunktionen und bieten Hilfe um den aktuellen Dialog und einmalige Aufgaben. Sobald die Interaktion endet, wird der Aufgabenkontext leicht unterbrochen. Persönliche intelligente Agenten müssen verschiedene Anwendungen und reale Szenen überqueren und kontinuierlich Gedächtnis, Werkzeuge, Berechtigungen und Aufgaben verwalten.
Step AOS versucht, den Agenten von isolierten Anwendungen zu einer systemweiten Fähigkeit zu erheben, sodass das Modell innerhalb klarer Berechtigungsgrenzen Endgerätefunktionen und externe Dienste aufrufen kann. KI ist damit nicht mehr nur ein Werkzeug, das darauf wartet, dass Nutzer es öffnen, sondern beginnt, der Organisator verschiedener Aufgaben zu werden.
Diese systemweite Fähigkeit spiegelt sich zuerst im „Doppel-Einstiegs“-Design von Step AOS wider. Wenn Sie STEPX Neo öffnen, können Sie ein seltenes Design mit zwei Einstiegspunkten finden – auf der einen Seite ist der Handy-Desktop, den Nutzer vertraut sind, auf der anderen Seite ist der systemweite Raum, der dem Step Amoo exklusiv gehört. Wenn die traditionelle App-Welt und der Einstiegspunkt des intelligenten Agenten gleichzeitig existieren, wird der Prozess, in dem Nutzer das Handy benutzen, auch der Prozess, in dem Step Amoo die Nutzer allmählich versteht.
Darüber hinaus zerlegt Step AOS auch mehrere Endgerätefähigkeiten in atomare Fähigkeiten, die von Agenten orchestriert werden können, und ist kompatibel mit verschiedenen Verbindungsprotokollen wie A2A, MCP, Skill, API und CLI. Damit Step Amoo nicht nur die Funktionen des Handys selbst aufrufen, sondern auch externe Anwendungen und professionelle intelligente Agenten verbinden kann, um entsprechende Dienste nach der Absicht des Nutzers abzugleichen.
Nicht nur das, Step Terminal hat auch Step Studio, das native Entwicklungstool für KI-Endgeräte, auf den Markt gebracht. Nutzer können KI-Anwendungen, Spiele oder neue Agenten durch natürliche Sprache erstellen. Hinter dieser Idee steht, dass das Handy damit nicht mehr nur vorentworfene Anwendungen ausführt, sondern den Nutzern erlaubt, Fähigkeiten nach ihren eigenen Bedürfnissen zu kombinieren und zu erstellen.
Nach der Einführung ist das Langzeitgedächtnis auch ein weiteres wichtiges Design hinter STEPX Neo.
Step Terminal hat ein Gedächtnissystem mit „zwei Domänen und sechs Schichten, Aufzeichnung, Verarbeitung und Erinnerung“ entworfen. Die „Nutzerdomäne“ sammelt Faktengedächtnis, episodisches Gedächtnis und Nutzerprofil an, die „intelligente Agentendomäne“ sammelt vertikales Wissen, Kognition und Persönlichkeit sowie Methoden und Erfahrungen bei der Ausführung von Aufgaben an. Nachdem die Informationen aufgezeichnet wurden, müssen sie noch sortiert, duplikatfrei gemacht, fusioniert und aktualisiert werden, und schließlich in geeigneten Szenen aufgerufen werden.
Der Schlüssel dieses Gedächtnissystems ist nicht, den Agenten mehr erinnern zu lassen, sondern ihn zu dem richtigen Zeitpunkt an wirklich nützliche Informationen erinnern zu lassen. Andernfalls werden nicht mehr persönliche Daten natürlich zu Verständnis umgewandelt, sondern erhöhen das Risiko von Fehlurteilen und Informationsmissbrauch.
Nachdem ich STEPX Neo tatsächlich in Händen gehalten habe, ist das, was mich am meisten beeindruckt, eigentlich keine einzelne isolierte KI-Funktion, sondern dass der intelligente Agent des Handys versucht, eine vollständige Aufgabenkette zu übernehmen.
Zum Beispiel das Taxi rufen. In der Vergangenheit mussten Nutzer die App öffnen, die Positionierung bestätigen, das Ziel eingeben, das Fahrzeugmodell auswählen und dann warten, bis das Fahrzeug die Bestellung annimmt; auf STEPX Neo ist der Nutzer näher daran, direkt auszudrücken „Ich will dorthin fahren“, die restliche Informationsbestätigung und der Dienstaufruf werden vom Agenten fortgesetzt.
