你有没有发现一个很别扭的事——现在的 AI 助手，几乎全部活在云端。

你对着手机说句话，语音先上云、模型跑一遍、结果再下云，中间但凡网不好，它就卡在那儿转圈。更别说那些在飞机上、地下车库、或者移动信号飘忽的郊区——AI 直接变成”AI 正在加载中”。

这还没提隐私问题。你的语音、照片、屏幕内容，每一次请求都在云端走一圈。虽然大厂都说不偷看，但你就真放心把发票、病历、聊天记录统统上传？

阶跃星辰 7 月 12 日放出的 Step Edge 端侧模型全家桶，就是来解决这个问题的。 它不是又一个”能聊天的 AI App”，而是一套直接在手机芯片上跑起来的本地模型。不需要联网，不需要上传隐私数据，AI 就在你手机里待命。

这篇文章不聊概念、不讲行业趋势，就告诉你三件事：Step Edge 到底是什么、四款模型分别能干啥、你现在怎么用上它。

---

Step Edge 不是”一个模型”，是四件套

你手机上的 AI 任务，其实分好几种。

有时候你需要它听懂你说的话（语音识别），有时候要它看懂屏幕上的按钮（屏幕理解），有时候想让它根据你的照片自动修一张图（端侧生成），还有最基本的文字问答。

不同任务对模型的侧重点完全不同。阶跃星辰的思路很直接：拆成四个模型，各干各的。

模型	负责什么	你能用它做什么
Step Edge 基础模型	文本理解 + 视觉理解	聊天问答、看图识物、文档理解
Step Edge Audio	语音识别 + 音频理解	语音转文字、车载语音交互、实时翻译
Step Edge GUI	屏幕界面理解 + 自动化操作	让AI看懂你的手机屏幕，自动帮你点按钮、填表单
Step Edge Gen	端侧图片生成和编辑	离线也能AI修图、生成配图，零云端算力成本

拆开的好处很直观：你不需要为了语音识别去跑一个640亿参数的大模型。用对的小模型干对的小活，又快又省电。

实测数据也没拉胯： 阶跃公布的数据里，Step Edge 在 29 项内部核心评测中拿下了对比组第一。基础模型在 16 项综合 benchmark 里平均分 62.92，领先同尺寸竞品。GUI 模型在 OSWorld（模拟桌面操作环境）拿了对比组第一，Audio 模型在 12 项音频理解评测里平均分也是第一——中文语音识别错误率 3.004%，比 Google 的 Gemma 4 还要低。

---

0.1 秒响应、断网也能用、隐私数据不离开手机

Step Edge 有三个特性，值得单独拿出来说。

第一：快得不像本地模型

很多人对”在手机上跑 AI”的印象还停留在两年前——问一句话等五秒，打字速度比它说话还快。

Step Edge 配合阶跃自研的 Step Inference NPU 引擎，把本地推理延迟压到了 0.1 秒。这是什么概念？你点一下屏幕的触控延迟大概是 0.05-0.1 秒，就是说你几乎感觉不到它在”想”。

具体数据：

• 1024 token 的文本输入，响应延迟 4.33 秒
• 识别一张 768 分辨率的图，延迟 5.61 秒
• 30 秒语音输入，延迟 10.7 秒
• 文本生成速度最高 1395 token/秒

这点对车载场景尤其关键。开车时对着车机讲话，如果说完三秒才有反应，这个体验基本不可用。10 秒内搞定 30 秒语音的分析和响应——这已经过了实际使用的及格线。

第二：所有数据都在你手机里

Step Edge 的推理全部跑在本地 NPU 上，语音、图片、屏幕内容一律不上云。

这意味着：你拍的发票不用上传到任何服务器，AI 在本地就帮你提取了金额和抬头；你对着手机念的会议纪要，转写成文字的过程全程离线；你让 AI 帮你操作银行 App 时，账号密码永远不会离开你的手机。

这对企业用户更有意义。前阵子 我们聊过 AI Agent 的安全风险——当 AI 能替你操作 App 时，数据安全就不再是”怕不怕隐私泄露”而是”能不能合规经营”。端侧推理直接把这个问题消解了：数据根本不出设备。

第三：聪明的”端云分工”

Step Edge 不是要替代云端大模型。恰恰相反，它在阶跃的产品矩阵里扮演的是”本地执行层”的角色。

阶跃当天的发布把整个模型布局串成了一条线：

• Pro 模型：云端，负责高难度推理和复杂规划（类似 GPT-5.6 Sol Ultra 那种”专业大脑”）
• Flash 模型：云端，负责高频率的 Agent 任务执行
• Edge 模型：本地，负责实时感知、GUI 操作、隐私数据处理

实际跑起来的逻辑是这样的：你对着手机说”帮我把今天拍的发票整理成报销单”，Edge 模型在本地瞬间唤醒语音识别，调起相册找到今天的发票照片，提取关键信息。如果需要复杂的多年度账务比对——这时候才把脱敏后的结构化数据丢给云端的 Pro 模型做深度推理。大部分常规任务，本地的 Edge 模型自己就搞定了。

这种”端云协同”的思路，跟 Google Gemini Spark 的桌面 AI 策略 异曲同工——区别在于 Step Edge 瞄准的是手机和车机，Gemini Spark 主打的是 Mac 和 PC。两边都在做同一件事：让 AI 从浏览器对话框里走出来，进入你每天用的设备。

---

四款模型分别怎么用？

说完了”是什么”，下面聊一下”怎么用”。按四个模型的定位，分别对应几种使用场景。

基础模型：聊天、识图、读文档

这是最通用的一个。如果你用过 Claude Sonnet 5 或者 ChatGPT 的 App，交互方式差不多——文字输入、拍照识别、PDF 解析，只不过这一次，所有推理都在你手机本地完成。

怎么用： 下载阶跃 AI App（iOS / Android 均已上架），在设置里把模型切换到”Step Edge 端侧模式”，之后的所有对话都在本地完成。断网环境下照样能聊。

Audio 模型：语音助手终于不用”等网”了

之前写过 AI 在生活里的 10 个实用场景，语音交互是出现率最高的。但云端语音助手有个致命伤：在地下车库、电梯、山区这些信号不好的地方，它就是个哑巴。

Step Edge Audio 把语音识别、语义理解、语音合成全部放在本地。30 秒的语音输入 10 秒左右处理完毕。车载场景里配合风噪降噪，中文识别错误率压到了 3%。

怎么用： 阶跃 AI App 的语音模式默认就会调用端侧 Audio 模型。你在 App 里打开语音输入，它会自动判断网络状况——信号好时用云端模型跑更高精度的推理，信号差时切换本地模型，保证不间断。

GUI 模型：让 AI 看懂你的手机屏幕

这是四款里最”硬核”的一个。GUI（图形用户界面）模型的核心能力是”看懂屏幕上有什么”和”知道该点哪里”。

举个例子：你跟手机说”帮我在美团上点一份常点的黄焖鸡米饭”，云端模型只能给你发一段文字回复”建议你打开美团App点餐”，因为它根本”看”不到手机屏幕。但 GUI 模型可以——它能看到美团 App 的界面布局，知道搜索框在哪、下单按钮在哪，然后模拟点击，帮你把流程走完。

阶跃这次在 OSWorld 评测上拿了对比组第一。OSWorld 是一个模拟真实桌面操作环境的测试平台，考察的就是模型”看懂屏幕并准确操作”的能力。这个第一的含金量在于，它测的不是写代码、不是做数学题，而是实实在在地操作桌面软件——跟人一样。

怎么用： GUI 模型的能力通常不对普通用户直接暴露。它会集成在阶跃 AI App 的”智能体执行”功能里，当你下达跨 App 操作指令时自动激活。开发者可以通过阶跃 API 调用 GUI 模型。

Gen 模型：离线也能 AI 修图

在没网的环境下裁剪、调色、AI 扩图——Step Edge Gen 把这个体验从云端搬到了本地。它不是要跟 Midjourney 比画质，而是让日常的轻量图片处理不再依赖网络和云端 GPU。

怎么用： 阶跃 AI App 里的图片编辑功能，在切换到端侧模式后会自动使用 Gen 模型。打开相册选一张图，就可以在本地完成 AI 消除、背景替换、智能裁剪等操作。

---

你现在就能用上的入口

Step Edge 不是实验室项目，它已经有明确的使用路径：

1. 阶跃 AI App：iOS App Store 和 Android 应用商店搜索”阶跃AI”下载。App 内的模型设置里可以选择”端侧模式”，切换后对话、语音、图片编辑全部走本地推理。

2. 阶跃开放平台 API：访问 stepfun.com，注册开发者账号，在 API 文档里可以找到 Step Edge 系列的调用方式。定价走标准 API 模型费率，端侧部署的部分不产生云端推理成本。

3. 阶跃 AI 智能体手机：7 月 13 日晚 19:00，阶跃星辰召开终端品牌发布会，宣布推出自有终端品牌和全球首款 AI 智能体手机。这款手机从底层系统开始就围绕智能体设计——Step Edge 端侧模型预装其中，系统级调用，不需要下载第三方 App。具体型号、价格和上市时间，等发布会结束后能确定。

值得一提的是，阶跃星辰的模型已经装机超过 4200 万台设备。Step Edge 端侧模型的推出，不只是技术上的一次升级——它意味着这 4200 万台设备未来都有可能获得本地 AI 能力，不需要换新手机。

---

一个值得关注的趋势

把 Step Edge 放进更大的图景里看，你会发现一件有意思的事。

之前写过 本地部署大模型的完全指南，那时候在电脑上跑一个能用的开源模型，至少要一块 RTX 3060，门槛不低。半年过去，端侧模型已经可以直接塞进手机 NPU 里跑，还能做语音识别、屏幕理解、图片生成这些实实在在的事。

这不是”AI 变便宜了”或者”参数变少了”那么简单的故事。而是 AI 的交付形态在发生根本变化——从”你需要联网访问一个远处的超级大脑”，变成”你口袋里就有一个能独立工作的 AI 系统”。

对普通用户的直接影响是：以后判断一个 AI 工具好不好用，除了看回答质量，还要看它能不能离线跑、数据离不离得开手机、响应速度快不快。这些过去只属于”隐私极客”在意的指标，正在变成主流用户的刚需。

这篇文章涉及的 Step Edge 模型和智能体手机的最新动态，我会持续关注。如果你已经在阶跃 AI App 里体验过端侧模式，也欢迎在评论区说说感受——尤其是跟云端模型对比起来，体验差别大不大。

---

文中提到的 Step Edge 模型评测数据来自阶跃星辰官方公布，实际体验可能因手机芯片型号不同而有差异。