Vorauseilende Erkundung zukünftiger Endgeräte für intelligente Agenten, STEPX Neo erschließt eine neue Form der Mensch-Maschine-Symbiose
Personal Agent entwickelt sich zur neuen Hauptlinie der KI-Branche.
Auf den Auslandsmärkten hat Google Gemini Spark vorgestellt, das dauerhaft im Hintergrund arbeiten kann. Meta hat Muse, einen persönlichen intelligenten Agenten für normale Nutzer, veröffentlicht. OpenAI ist mit dem residenten intelligenten Agenten Dots ebenfalls in den Wettbewerb eingetreten.
Auch das Kapital beginnt, stark in diese Strecke zu investieren: Das Unternehmen für persönliche KI-Assistenten Town hat eine Serie-A-Finanzierung in Höhe von 55 Millionen US-Dollar abgeschlossen. Hark, das als allgemeiner persönlicher KI-Einstiegspunkt positioniert ist, erhielt eine Finanzierung von 700 Millionen US-Dollar. Außerdem wurde bekannt, dass der KI-Assistent Instinct eine Finanzierung von 250 Millionen US-Dollar bei einer Bewertung von 2,5 Milliarden US-Dollar erhalten hat.
Das gleichzeitige Auftreten des massiven Eintritts großer Unternehmen und hoher Finanzierungen bedeutet, dass der Branchenwettbewerb nicht mehr nur auf Chat-Tools abzielt, sondern auf den nächsten Generation persönlicher Einstiegspunkte, die Nutzer langfristig verstehen, persönliche Daten verbinden und Aufgaben im Namen der Nutzer erledigen können.
Die Maßnahmen auf dem chinesischen Markt sind ebenso intensiv. 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 seit langem vorbereitetes Produktantwort unter dem Boom der persönlichen intelligenten Agenten. Gleichzeitig werden die zweite Generation des Doubao-Handys sowie die KI-Handys von Herstellern wie Huawei, Xiaomi, OPPO und Vivo vorgestellt. Als Unternehmen, das mit großen Modellen begonnen hat, ist das Verständnis von Step für intelligente Agenten-Handys und seine Art, Endgeräte von Grund auf neu zu erstellen, eine separate Diskussion wert.
Bei genauer Beobachtung lässt sich feststellen, dass der Ausgangspunkt der meisten KI-Handys auf dem Markt immer noch ein bereits vorhandenes Handy ist. Chips, Systeme und Interaktionen sind bereits festgelegt, KI wird schrittweise als Funktionen wie Suche, Bildbearbeitung, Frage-Antwort oder app-übergreifende Bedienung hinzugefügt, und die zugehörigen Fähigkeiten sind auf verschiedene Einstiegspunkte verteilt. Realistisch betrachtet hat das Konzept des KI-Handys seit einigen Jahren an Popularität gewonnen, aber die Wahrnehmung normaler Nutzer dafür ist immer noch begrenzt.
STEPX Neo entscheidet sich dafür, vom Agenten auszugehen und das Endgerät rückwärts zu definieren: Welche Wahrnehmung, welches Gedächtnis, welche Berechtigungen und welche Modelle ein intelligenter Agent benötigt, Software und Hardware werden um diese Anforderungen herum neu gestaltet, und schließlich wird ein "Software-Hardware-Modell"-Geschlossener Kreislauf von Modell, System bis zum Endgerät gebildet.
Mit einem einfachen Vergleich: Die meisten KI-Handys installieren intelligente Möbel in einem alten Haus, während Step Terminal versucht, ein neues Haus nach der Lebensweise des intelligenten Agenten zu bauen.
Wie genau macht das "native" Step Terminal ein Handy auf STEPX Neo?
01
In der Ära der intelligenten Agenten wird das Definitionsrecht des persönlichen Endgeräte-Einstiegspunkts neu geöffnet
Dass Step von großen Modellen zu Endgeräten wechselt, ist kein Zufall. Wenn intelligente Agenten allmählich die Art der Mensch-Computer-Kooperation verändern, entstehen natürlich neue Chancen für persönliche Endgeräte.
In den letzten zwei Jahren wurde der Agent zuerst vom Coding Agent erfolgreich umgesetzt, der Grund ist nicht kompliziert: Die Code-Welt verfügt über eine seltene Bestimmtheit: Die Regeln sind relativ klar, Ziele können eindeutig beschrieben werden, und die Ausführungsergebnisse sind leicht zu überprüfen. Dies hat auch dazu geführt, dass die KI von der Bereitstellung von Antworten und Vorschlägen weitergeht zum Verstehen von Zielen, Planen von Schritten und Erledigen von Aufgaben.
Aber wenn man vom Coding Agent in den Tiefenbereich des Personal Agent vordringt, steigt der Schwierigkeitsgrad sprunghaft an.
Der Personal Agent bedient nicht strukturierte Codes, sondern das kontinuierliche, unscharfe und hochgradig personalisierte Alltagsleben von Milliarden von Verbrauchern. Außerdem ist es unmöglich, dass Nutzer dem intelligenten Agenten täglich aktiv ihren Standort, ihren Tagesablauf, ihre Vorlieben und ihren Zustand mitteilen.
Das bedeutet, dass der Personal Agent nicht nur Werkzeuge aufrufen kann, nachdem er Anweisungen erhalten hat, sondern im Laufe der langfristigen Nutzung allmählich eine Person verstehen und beurteilen muss, was der Nutzer in einer bestimmten Situation möglicherweise benötigt. Von "dem Nutzer helfen, eine Sache zu erledigen" bis "verstehen, was der Nutzer jetzt braucht" liegt eine gesamte Kette von Szenenwahrnehmung, Langzeitgedächtnis, Absichtsbewertung, Aufgabenplanung und Dienstausführung dazwischen.
Diese Kette verändert auch die Rolle des persönlichen Endgeräts.
In der Vergangenheit war das Handy hauptsächlich ein Behälter für Anwendungen und Inhalte, Nutzer mussten aktiv Apps öffnen, Funktionen suchen und Operationen durchführen. In der Ära der intelligenten Agenten muss das Endgerät auch die Absicht des Menschen verstehen, verschiedene Dienste koordinieren und Ergebnisse liefern. Das bedeutet, dass der Interaktionseinstiegspunkt allmählich von einzelnen Apps zu Agenten übergehen kann, die die vollständigen Anforderungen der Nutzer verstehen.
Das Handy wird daher wieder zu einem Schlüsselträger für den Wettbewerb um Personal Agent. Im Vergleich dazu sind Cloud-Agenten gut darin, Webseiten, Dokumente und Onlinedienste zu verarbeiten, aber es ist schwierig für sie, die reale Umgebung, in der sich eine Person befindet, dauerhaft wahrzunehmen. Handys werden lange Zeit mitgetragen, verbinden Termine, Standort, Kommunikation, Bildgebung und Lebensdienste und sind die Rechengeräte, die den Personen am nächsten sind und die vollständigsten Informationsdimensionen aufweisen.
Aber das Problem ist, dass die vorhandenen Handysysteme hauptsächlich um Apps und die aktiven Operationen der Menschen herum aufgebaut sind. Wenn das Interaktionssubjekt von Apps zu Agenten wechselt, muss das System auch Aufgaben wie Langzeitgedächtnis, Modellkoordination, Werkzeugaufruf, Berechtigungssteuerung und app-übergreifende Ausführung übernehmen. Das Hinzufügen nur eines KI-Assistenten im ursprünglichen System reicht möglicherweise nicht aus, um diese Veränderung zu unterstützen.
Dass Step Terminal in die KI-Hardware einsteigt, liegt genau darin, dass es verschiedene Schmerzpunkte der Branche erkannt hat – Handys verfügen über reichhaltige reale Szenen, aber nur wenige bauen ihre zugrundeliegenden Fähigkeiten wirklich um Agenten herum auf; Modelle verfügen über Intelligenz, aber es fehlt ihnen an dauerhafter Wahrnehmung der realen Welt und einem langfristigen Einstiegspunkt, um Nutzer zu erreichen.
STEPX Neo versucht, die Lücke zwischen den beiden zu schließen und die Konturen der Hardware in der Ära der intelligenten Agenten konkreter zu machen.
02
Step Terminal geht bei der Herstellung des großmodell-nativen intelligenten Agenten-Handys unkonventionelle Wege
Derzeit ist die Erkundung von KI-Endgeräten noch verteilt und es fehlt an einheitlichen Standards. Traditionelle Handyhersteller fügen KI-Suche, Bildgebung und app-übergreifende Ausführungsfähigkeiten in Betriebssysteme ein. Internetunternehmen erweitern ihre Reichweite zu Endgeräten über Cloud-Modelle und Dienstökosysteme. Hardware-Anbieter wie Brillen und Kopfhörer greifen von visueller, sprachlicher und mitgeführter Interaktion aus ein.
Wenn man nicht nach der Identität der Anbieter, sondern nach der Art und Weise beobachtet, wie KI in Endgeräte gelangt, 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 integriert die Fähigkeiten großer Modelle und Agenten in das ursprüngliche Produktsystem.
Diese Art von Anbietern kann ausgereifte Nutzergrößen, Systemfähigkeiten und Dienstökosysteme nutzen, um Produkte schneller auf den Markt zu bringen. Aber die KI muss sich an die vorhandene Architektur anpassen, die zugehörigen Fähigkeiten sind leicht auf verschiedene Anwendungen und Einstiegspunkte verteilt, und schließlich bleibt sie auf der Ebene der Funktionsüberlagerung oder lokalen Umgestaltung stehen.
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 rückwärts.
Genau diesen anspruchsvolleren Weg hat Step Terminal gewählt.
Persönliche intelligente Agenten stehen nicht vor einmaligen Frage-Antwort-Aufgaben. Sie müssen die Umgebung kontinuierlich wahrnehmen, Langzeitgedächtnis bilden und aufrufen, verschiedene Modelle entsprechend der Aufgabenkomplexität koordinieren und gleichzeitig Werkzeuge, Berechtigungen und Ausführungsprozesse verwalten. Ein einzelnes Glied, das einzeln aktualisiert wird, kann kaum ein vollständiges Erlebnis bilden.
Dies ist auch der Grund, warum Step Terminal die Dreieinigkeit von "Software, Hardware und Modell" betont: Das Modell ist für Verständnis und Entscheidungsfindung verantwortlich, die Software für Organisation und Koordination, die Hardware für Wahrnehmung und Trägerung. Die Hardware erhält Szeneninformationen, das System verbindet die Informationen mit persönlichem Gedächtnis, Werkzeugen und Berechtigungen, das Modell erkennt die Absicht und plant Aufgaben, und das System ruft dann die Fähigkeiten auf der Geräteseite oder externe Dienste auf, um die Ausführung abzuschließen.
Konkret gesagt hat Step Terminal auf der Modellebene eine Modellmatrix aus Pro, Flash und Edge aufgebaut: Komplexe Aufgaben werden dem Cloud-Pro-Modell übergeben, das Flash-Modell balanciert Effekt und Antwortgeschwindigkeit, und das Edge-Modell auf der Geräteseite verarbeitet sofortige Antworten und datenschutzsensitive Aufgaben. Das System schließt die Koordination über das kooperative Routing zwischen Gerät und Cloud ab, Aufgaben, die lokal erledigt werden können, werden vorzugsweise auf der Geräteseite belassen, und Aufgaben, die tiefgreifende Schlussfolgerungen erfordern, werden dann der Cloud übergeben.
Wenn das Modell bestimmt, ob man verstehen und beurteilen kann, löst Step AOS das Problem, wie diese Fähigkeiten organisiert werden.
Traditionelle KI-Assistenten existieren normalerweise in Form von Apps oder Systemfunktionen und bieten Hilfe rund um den aktuellen Dialog und einzelne Aufgaben. Sobald die Interaktion beendet ist, wird der Aufgabenkontext leicht unterbrochen. Persönliche intelligente Agenten müssen verschiedene Anwendungen und reale Szenen überqueren und Gedächtnis, Werkzeuge, Berechtigungen und Aufgaben kontinuierlich verwalten.
Step AOS versucht, den Agenten von einer isolierten Anwendung zu einer systemweiten Fähigkeit zu erheben, damit das Modell die Funktionen des Endgeräts und externe Dienste innerhalb klarer Berechtigungsgrenzen aufrufen kann. Dadurch wird KI nicht mehr nur ein Werkzeug, das darauf wartet, von Nutzern geöffnet zu werden, sondern beginnt, zum Organisator verschiedener Aufgaben zu werden.
Diese systemweite Fähigkeit zeigt sich zuerst im "Doppel-Einstiegs"-Design von Step AOS. Wenn man STEPX Neo öffnet, findet man ein seltenes Design mit zwei Einstiegspunkten – auf der einen Seite befindet sich der Handy-Desktop, den Nutzer vertraut sind, auf der anderen Seite der systemweite Raum, der exklusiv für Step Amoo ist. Wenn die traditionelle App-Welt und der Einstiegspunkt des intelligenten Agenten gleichzeitig vorhanden sind, wird der Prozess, in dem Nutzer das Handy verwenden, auch zu dem 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. Dadurch kann Step Amoo nicht nur die Funktionen des Handys selbst aufrufen, sondern auch externe Anwendungen und professionelle intelligente Agenten verbinden, um entsprechende Dienste entsprechend der Nutzerabsicht abzugleichen.
Darüber hinaus hat Step Terminal auch Step Studio, ein natives Entwicklerwerkzeug für KI-Endgeräte, eingeführt, mit dem Nutzer KI-Anwendungen, Spiele oder neue Agenten über natürliche Sprache erstellen können. Hinter diesem Konzept steht die Idee, dass Handys nicht mehr nur vorentworfene Anwendungen ausführen, sondern Nutzern auch erlauben, Fähigkeiten nach ihren eigenen Bedürfnissen zu kombinieren und zu erstellen.
Wie vorgestellt, ist Langzeitgedächtnis auch ein weiteres Schlüsseldesign hinter STEPX Neo.
Step Terminal hat ein Gedächtnissystem namens "Zwei Domänen, sechs Ebenen, Aufzeichnen, Ordnen und Erinnern" entworfen. Die "Nutzerdomäne" sammelt Faktenwissen, episodisches Gedächtnis und Nutzerprofile an, die "intelligente Agentendomäne" sammelt vertikales Wissen, Kognition und Persönlichkeit sowie Methoden und Erfahrungen bei der Ausführung von Aufgaben. Nachdem die Informationen aufgezeichnet wurden, müssen sie sortiert, duplikatfrei gemacht, fusioniert und aktualisiert werden, bevor sie schließlich in geeigneten Szenen aufgerufen werden.
Der Schlüssel dieses Gedächtnissystems liegt nicht darin, dass der Agent sich mehr merkt, sondern dass er zur richtigen Zeit an wirklich nützliche Informationen erinnert. Andernfalls werden mehr persönliche Daten nicht natürlich zu Verständnis umgewandelt, sondern erhöhen stattdessen das Risiko von Fehlurteilen und Informationsmissbrauch.
Nachdem ich STEPX Neo tatsächlich in der Hand gehalten habe, hat mich nicht eine einzelne isolierte KI-Funktion am meisten beeindruckt, sondern dass der intelligente Agent des Handys versucht, eine vollständige Aufgabenkette zu übernehmen.
Nehmen Sie als Beispiel das Buchen eines Taxis. In der Vergangenheit mussten Nutzer die App öffnen, die Position bestätigen, das Ziel eingeben, das Fahrzeugmodell auswählen und dann warten, bis das Fahrzeug die Bestellung annimmt. Auf STEPX Neo können Nutzer eher direkt ausdrücken "Ich möchte dorthin fahren", und die restliche Informationsbestätigung und der Dienstaufruf werden vom Agenten fortgesetzt.
