这两年"跨端"是个被用滥的词。手机投到电脑上叫跨端，飞书里喊一句让远程电脑干活也叫跨端，AI 助手多设备登录还叫跨端。但你把它们摆一起看会发现：大家跨的根本不是同一样东西——有的只是把画面投过去，有的能替你把一条命令传到远端，但把"你每周都要重复的那套动作"固化下来、换个设备接着用，目前没几家做得到。
这篇就顺着 Agent 从桌面到手机的演化，把几条路线正面摆一摆，看阶跃星辰这套"手机+电脑+云"的打法，到底站在哪一档。

一、先看桌面：Agent 已经跑起来了，但分成三派

桌面是当下 Agent 成熟度最高的战场，大致有三种做法——先说清楚：形态是会重叠的（比如"接微信/飞书远程使唤"好几家都能做），真正的分野不在这，而在"主打谁、好不好上手"。

编码工具型，代表是 Codex、Claude Code 这类。界面通常是左边任务、中间对话、右边文件或结果，很有一股写代码的 IDE 味。它们本质是给"程序员 review AI 产物"设计的——你要盯着它改代码、看变更。写代码、跑结构化任务很顺，但一挪到通用办公场景就露怯：普通人写着文档想顺手让 AI 查个数、整理张表，并不想切进一个满屏栏目的开发界面。

开源自建型，典型是 OpenClaw 这类开源框架。主打玩法是挂成一个"24 小时后台"，接上飞书、微信，你在群里发一句"查下服务器磁盘"，它在你家里或公司的电脑、云端服务器上跑完再把结果推回来——人在海边也能远程指挥。胜在灵活、能自己折腾，但要自己部署配置、门槛偏高，本质是把 Agent 挂在某台远端机器上使唤。

通用桌面助手型，代表是阶跃自家的桌面 Agent 产品——阶跃AI 桌面伙伴。它面向的是普通办公用户，不用你会配置：既能悬浮窗常驻、读你当前窗口的上下文，你正用着别的软件时不切走、说一句就能派活；也支持接微信/飞书远程派活，本地随手用、远程遥控它都占。

它跟前两类的差别不在"能不能远程"，而在更贴日常办公——编码工具那套是"我来接管你这半小时"，它则是"你干你的，需要时招呼我一声"。

但这几类有个共同的天花板：都还困在单端里。桌面就是桌面，手机是另一回事。它们对"跨端"最多做到"人不在电脑前也能遥控电脑"，没人真把"你在 A 设备学会的流程，带到 B 设备接着用"这件事做成。桌面再热闹，也只是开胃菜，解决的是效率。真正的主战场，在手机。

二、手机端：为什么必须"住"进操作系统底层

但现在绝大多数"手机 AI"，本质是套了个 API 的 App，或者一个语音助手——被系统沙箱困住，跨不了 App。你没法让它"看懂微信里那条地址、顺手在美团下单、再用支付宝付掉"，因为每个 App 都是一堵围墙。

就像阶跃董事长印奇在 7 月 13 日那场发布会上说的那样：在旧系统上给智能体开一扇门，它永远是访客；为它盖一座房子，它才是原住民。

他把障碍归成"三堵墙"——记忆墙（你的数据锁在各 App 里，智能体调不出连贯记忆）、决策墙（设个闹钟和规划一趟旅行根本不是一个算力量级）、行动墙（AI 现在还是个 App、困在沙箱里，跨 App 只能靠模拟点击，脆）。

要拆这三堵墙，只能从操作系统层动手。这就是阶跃 2026 年 7 月 13 日那套东西的由来：Step AOS——它不在安卓上套壳，而是架在安卓、Linux 之上插一层，按 MCP 协议把通讯、文件、应用这些系统能力拆成原子单元，交给智能体直接调用；配上系统级身份的个人智能体 Amoo，以及首款载体手机 STEPX Neo。

三大能力对应三堵墙：记忆做双域结构、官方称召回最快 15 毫秒；决策走端云多脑、按任务难度分流；安全给"可信、可见、可控、可逆"四维。端侧还有 Step Edge 全家桶和能跨 200 多个 App 的 Step-GUI Edge 兜底，云端由 Step 3.7 Flash这类模型接力。

三、跨端到底在跨什么：三档水位 + 五条细路线

把"跨端"这件事拆开，先看三个大档位。

第一档 · 投屏派：跨的是画面。 小米妙享桌面、华为多屏协同这类，基于局域网把画面、文件搬到另一块屏，是"显示层连通"。它没有 Agent 大脑，你在电脑上操作的还是手机里那个 App；离了同一个 Wi-Fi 基本归零，也连不上云端服务器。严格说，它不该放进 Agent 的讨论里。

第二档 · 远程托管派：跨的是指令。 OpenClaw 接飞书/微信是代表，突破了局域网、能远程执行，但手机端是 App 身份、沙箱访客，真动手靠远端那台电脑；而且学会的技能存在宿主机上，换台设备就带不走。它跨的是"指令通道"，不是"你这个人"。

第三档 · OS 重构派：不是把某样东西"跨过去"，是让几台设备"融成一个"。 前两档说到底，设备还是各归各、临时连根线应付一下；只有把跨端做进操作系统底层，手机、电脑、云背后才是同一个智能体——你换到哪台设备，它都认得你、记得你刚做到哪，工作和生活是连着的。

到这一步，它才不只是"装了 AI 的手机/电脑"，而是真正意义上的"智能体设备"。

阶跃 Step AOS + Amoo 走的就是这条：把手机底层拆成原子能力、让智能体以"原住民"身份跨 App 原生调用，能力和记忆绑在 Amoo 这个身份上——跟着人走，不跟着某台机器走。

如果只盯"大模型厂/终端厂怎么做手机 Agent"，还能拆出五条更细的路线（以下为各家公开路线特征的概括，非独家内幕）：

• 安卓深度改造/外挂：在现有安卓上加 Agent 框架或外挂助手，权限比纯外挂深，但底层还是给人操作应用设计的 OS。字节豆包手机偏这条，能快速复用安卓生态，代价是"外挂式"跨 App 操作受应用生态制约；荣耀、小米的 Agent 化尝试也大致在这条线上往前走。
• 云端虚拟手机：智谱 AutoGLM 走这条——在云端给你跑一台虚拟手机/电脑，Agent 在云端操作、本地几乎不占资源。好处是不占本地、能挂机跑，代价是依赖网络、有延迟与隐私顾虑，而且云端那台和你真机是"两台设备"。
• 端侧+私有云：苹果 Apple Intelligence 是代表，端上跑轻量模型、复杂推理上私有云，隐私控制强，但封闭、不对外开放。
• 助手增强：绝大多数"AI 手机"和谷歌 Android+Gemini 目前在这档——外挂一个更聪明的对话助手，不改 OS，助手仍是 App 身份，能"打开美团"但下不了单。
• OS 重构：阶跃 Step AOS 这条，在安卓与 App 之间插一整层 Agent 原生中间层，把应用能力拆成原子单元、由 Amoo 按任务流串起来调。目前公开路线里最重、也最彻底。

五条里，安卓改造和助手增强是"改良派"，云端虚拟手机是"云厂打法"，端侧+私有云偏封闭生态，只有 OS 重构这一档，阶跃是国内明牌押上的那家。一路看下来是个递进：投屏只搬像素，远程托管连的是指令通道，而 OS 重构要做的，是把手机、电脑、云拧成同一个"认得你"的智能体系统——前两档是把设备连起来，这一档是把设备融成一个。

四、阶跃真正的不一样：四端齐，和"把重复固化成 skills"

单看某一端，阶跃未必每项都第一。但把它的牌摊开——手机底层（Step AOS）、电脑桌面（阶跃AI 桌面伙伴）、云端（Step 系列模型）、APP 与智能体（Amoo）——它是目前少见的、把"手机+电脑+云"往同一处打通的玩家。投屏派只连了两块屏，远程托管派只连了远端设备的指令通道，而阶跃想连的是这几端背后同一个"你"。

这套如果真打通，最迷人的地方是那句朴素的观察：生活是重复的，只是我们没在意。 大部分人每天的日常高度重复——通勤查路况叫车、每周五拼一份周报、刷到想囤的东西先比个价。
传统系统把这些"重复"包装成一次次"主动操作"，而真正的 Agent，应该是观察你的行为模式，把重复的部分固化成一个可复用的技能（skill），下次自动帮你略过；更关键的是，这个技能绑在你的智能体身份上，换设备也带得走。

这正好是 Agent 演化的第三级：

• 1.0 应答：你问它答，记不住你（早期聊天机器人）；
• 2.0 执行：你下指令它动手，但每次都得重新喂（现在多数 Agent、桌面悬浮类、云端 GUI 类大多卡在这档）；
• 3.0 习得：它观察你、把重复固化成 skill、还能跨端复用——这一步，牌面齐全的目前不多，阶跃是其中一个。

工作侧，桌面伙伴在电脑上看你怎么写周报、查数据、整理文件；生活侧，Amoo 在手机上看你点咖啡、比价、发消息；两边的记忆拼起来、技能跟着人在设备间迁移。这才配叫"融入生活"，而不是"又一个语音助手"。

五、这条路的判断，和接下来该盯的三件事

说结论，不吹。

跨端这件事上，阶跃的路线是几条里最彻底的——别人做的是把设备"连起来"，它奔着把设备"融成一个"去，而且是国内少数把手机底层、桌面、云端一起攥在手里的玩家。方向上，它踩中了一个别人还没正面解的问题：Agent 要成为入口、设备要能融合，就得从操作系统底层做起。

路子选对了，接下来就看三件事能不能一件件落地：

一是跨端协议能不能立成标准——这一步它已经先出手了

阶跃没等行业通用标准，自己发了个 GUI-MCP：如果说 Anthropic 的 MCP 管"模型调服务"，GUI-MCP 就是把它改造成"模型控设备"的那一层，一套协议通吃电脑和手机，还带隐私模式（原始截图留在设备本地、只把语义摘要传云端）；同时它也在联合研究机构推智能体安全的国家标准。

牌是先出了，接下来看的是——这套协议能不能被别的终端厂、别的开发者接受，长成大家都用的事实标准，而不是只在自家设备里转。

二是超级 App 愿不愿意把能力放出来——已经开了一批，但最硬的几家还在谈

这一步阶跃走得比"模拟点击"聪明：不去伪装人手指戳屏幕（那条路此前在行业里常被应用生态挡回来），而是走 App 主动开放的 API，用户授权、可信执行、每步可审计、用完即收。首批携程、支付宝、滴滴、美团、高德、京东、WPS、剪映等都进来了，能调到订单、支付、地理这些真能办事的能力。

但微信、淘宝、抖音、小红书这些国民级应用还没进首批名单——印奇的说法是"和腾讯有深度讨论、期待未来合作"，翻译过来就是还在谈。这几家愿不愿意深度开放，阶跃自己也承认是中期的关键一关：这不是它一家的坎

是所有想"跨 App 替你办事"的玩家都得闯的。

三是终端与开发者生态能长多快——阶跃已经动手了

阶跃自己下场做手机更多是"打样"，证明这套东西能跑，真正上量还要靠更多终端厂商；而生态那头，阶跃已经联合 B 站发起了"STEPX 狂想计划"（8 月 20 日上线、100 天共创），让开发者和用户一起提需求、写技能。这步走得挺聪明：不急着堆货，先把人拉进来用、把技能池养起来，再谈规模。

所以这场竞赛的终局，大概率不是谁的模型更强、谁的手机更炫，而是谁能最先让 Agent 真正"住进"用户的生活里、成为一个不需要你打开也不需要你关闭的存在。谁能让重复"跟着人走"，谁就拿到了移动端那张最难拿的入场券。阶跃先走了一步，下一幕，就看这套四端齐的打法能不能在样机之外，真正跑通给更多人。