大模型行业正在经历第二次集体迁徙。

以ChatGPT上线为标志的第一次迁徙拉开“百模大战”序幕，大模型从实验室走向云端应用，比拼的是谁的参数规模更大、通用能力更强。

两年千帆竞渡，这套模式的商业化瓶颈逐渐显现——纯API模式面临严峻的同质化竞争和利润率压力，APP路径则受制于头部互联网平台的流量与生态壁垒。

行业急切寻找下一个增长曲线，而这个答案正指向终端。

从OpenAI联手Jony Ive研发AI硬件，到国内手机厂商集体押注AI OS，再到车企加速布局舱驾融合， 大模型正从云端走下，来到物理世界的各类终端，开启第二次轰轰烈烈的大迁徙。

但这并非简单的场景平移。

在云端，大模型更像一个“数字代理”，帮你写方案、整理资料、回答问题，所有交互都停留在信息层面；到了终端，智能体可能驾驶汽车、操作工业设备，可能直接替你完成支付和交易，每一次决策都对应着真实后果。

未来已来，一系列全新的命题也浮出水面：协作交易的信任如何建立？安全治理怎么兜底？标准与人才缺口谁来补齐？

7月18日，阶跃星辰与上海期智研究院共建智能体前沿研究院的揭牌，为这些问题的探索提供了一个可观察的行业样本。

仪式上，阶跃星辰董事长印奇与上海期智研究院院长姚期智的同框颇具象征意味：二十年前的姚班师生，如今站在了智能体时代的同一研究阵线上。而这场合作也照见了阶跃星辰在大模型终端浪潮里的演进。

信仰AGI的长期主义者

圈子里完整经历两个AI周期的人不多，印奇是其中一个。

二十年前从清华姚班出发，到创立旷视科技将感知技术推进到物联网等实体场景，印奇在AI1.0时代摸到了行业的物理边界。他很早就意识到，只靠“看和听”的感知智能，本质上是被动响应的。AI能认出你是谁，能判断画面里有没有异常，但无法主动参与物理世界的决策和行动，这是AI 1.0的天花板。

大模型爆发的AI 2.0攻克了“理解与生成”难题，当行业为参数和算力欢呼时，印奇却保持着克制。在他看来，AGI不可能诞生于虚无的云端，它必须走入物理世界的各类终端，在真实的重力与摩擦中完成闭环。

这种判断也在大模型玩家中间产生分化：一派收缩战线，一派则在咬定基座模型研发不放松的同时，探索智能体等商业化落地方向。

而印奇的选择显得更“重”，2024年出任千里科技董事长，聚焦“AI+车”的终端落地；2026年出任阶跃星辰董事长，补齐基座大模型拼图——一软一硬两块版图拼接，把模型、系统、终端整条链路全部自己扛了下来。

轻舟过万山，沉浮之后，印奇在采访中把自己定位为“长期主义者”，坚持做难而正确的事情，抱持“AGI终局是与物理世界交互”的信念，等待延迟满足到来的那一天。

昨天（7月17日）的2026世界人工智能大会开幕式主论坛演讲中，他又抛出畅想：

“未来，工程师身边会有代码智能体；设计师身边会有创意智能体；研究员身边会有搜索与分析智能体；一个企业里，也会有各种类型的智能体。这些智能体，会让一个人拥有一支团队的能力，也让屏幕里的智能真正走进我们的工作和生活。”

而支撑这个图景的，是新载体、新系统、新网络三层结构性变迁。这既是他对AGI落地路径的判断，也是阶跃星辰当下正在布的三局棋。

原生而非外挂

从产业落地来看，汽车因其丰富的传感器优势及明确的用户刚需，成为智能体走出屏幕、步入物理世界最先跑通的核心新载体。

但大模型上车这件事，行业里也分化出了两条截然不同的路径。

一条是“外挂式”上车：把通用大模型接到车机系统里，做语音交互、行程规划、内容推荐等座舱功能。这条路落地快、成本低，但问题也很明显，模型只负责表层对话，根本碰不到驾驶决策的核心，很快就会陷入“你家有我家也有”的同质化竞争。

阶跃星辰与千里科技走的是另一条路，“原生式”上车。二者一软一硬形成“脑体组合”，阶跃“大脑”提供基座大模型与智能体操作系统，千里“身体”做智驾工程和整车落地。

差异从最底层就开始拉开。

模型层面，如果拿开源通用模型做后训练微调，相当于给成年人补专业课。千里和阶跃“从娃娃抓起”，预训练阶段就同步注入通用语料和自动驾驶数据，前训练和后训练全周期深度融合，打造国内首创的原生智驾基座模型，基础智商更高，场景通识和推理能力、全场景泛化表现都更胜一筹。

系统层面，行业普遍是座舱归座舱、智驾归智驾，两套系统各跑各的。千里的方案是共用同一个AI底座，超级智能体负责想，ASD智驾系统负责动，思考和行动在底层打通。

打个比方，别的车是副驾坐了个聊天的人，方向盘还是你自己握。原生融合的车是有一个能听懂话、还能直接开车的助手坐在驾驶位上。

值得注意的是，目前这套方案已经实现量产，吉利、千里科技联合研发的“超级Eva”整车智能体在极氪8X首发搭载，阶跃端到端语音模型也在吉利银河M9量产上车。

全链路的底层逻辑

7月13日晚，阶跃正式发布了智能体原生操作系统Step AOS、基于阶跃Step模型矩阵和Step AOS赋能的智能体阶跃Amoo，以及大模型原生智能体手机STEPX Neo。

过去，操作系统的设计原点始终是人点击、机器响应，而非为智能体自主执行而设计。

但当智能体从聊天工具进化成能自主规划、持续执行的行动主体，旧系统就装不下新物种了。

这也正是阶跃坚持做“基座模型-智能体操作系统-终端”全链路布局的底层逻辑。

模型公司下场做系统，天然有一项核心优势——模型能力向系统能力的转化效率。终端厂商和互联网公司走的是OS+AI路线，模型作为插件被调用，转化链路长、耦合浅。Step AOS以模型为中枢，感知、记忆、规划、执行、安全直接由模型能力生长成系统原语。

Pro、Flash、Edge构成的分层模型梯队，分别适配深度推理、高效生产和端侧低延迟等不同场景，共享同一套能力体系，系统可以更自然地完成意图传递和上下文接续。

Step 3.7 Flash在速度、成本、可靠执行之间的平衡，让高频Agent场景的落地成本可控；原生全模态的技术栈打通了会看、会想、会做的完整闭环；端云协同的架构则让智能体在不同终端上都能找到最优的运行方式……三块长板共同撑起了Step AOS的底层能力，也让智能体协作网络有了实现基础。

这不是遥远概念，而是全链路布局自然延伸的结果。

有分析表明，未来的竞争会从预装多少APP，逐渐转向谁能提供更多可信、可组合、可闭环的原子能力。

这张由智能体与智能体、人与智能体共同构成的人机共生价值网络，可能连接数十亿人、数百亿设备和智能体，形成规模比今天互联网更大、协作效率更高的新型网络。

秩序，被提前的命题

当智能体从单终端走向协作网络，从数字世界进入物理场域，能力边界扩张的同时，治理与秩序的问题也被提前推到了全行业面前。

回到7月18日的揭牌仪式，阶跃与上海期智研究院的合作，正是冲着这层布局去的。这场合作有着天然的契合度。

姚期智与印奇的二十年师生传承，本身就是中国AI人才梯队从被培养者到建设者的缩影，在技术信仰与理念共识上有着深厚基础。更重要的是，期智研究院有顶尖的基础研究积累、学术资源和国际视野，擅长回答基础性、理论性的命题；阶跃有全栈的大模型技术、终端落地的产业实践和真实场景数据，优势在于把理论转化为可落地的方案。

二者是典型的基础研究加产业实践互补，而非简单的冠名合作。

此次双方联合提出的“五大全球新命题”，覆盖了从个体权利、责任追溯、安全防护到经济基础设施、社会伦理的完整框架，直面智能体规模化必须回答的现实问题——小到一次智能体之间的交易如何确权，大到人机共生社会的安全边界如何划定，都需要系统性的答案。

按照寻常的产业发展规律，秩序建设一般是行业走到相对成熟阶段才会重点投入的事。阶跃在终端落地还处于早期的时候就扎进去做基础研究和治理探索，一方面是其长期布局的战略思路使然，另一方面也折射出整个行业的普遍焦虑。

全行业都将翘首以待，这场合作会带来怎样的独家参考。

多家券商研报都已作出相似判断，2026年将成为AI终端的爆发元年，从信息工具到行动主体，大模型的第二次迁徙，方向已经清晰。

阶跃选了一条看起来不那么好走的路，从基座模型、原生操作系统，终端应用到治理研究，把模型、系统、终端、秩序四块版图逐一铺开。或许这条路未必能直通彼岸，但好在我们还有足够的时间。

赛道还未定局、壁垒等待打破。真正的征途，才刚刚开始。