撰文| 郝 鑫

編輯| 吳先之

“把CV做爛的那幫人，轉身投入到了大模型。”

AI1.0時代的曠視研究院曾經聚集起了一批有技術、有理想、有沖勁的年輕人，正是這些人成為了點燃大模型的火種。

前曠視副總裁陳雪松曾加入智譜，負責算法量產的周昕宇與楊植麟一起創辦了月之暗面。同樣從曠視研究院出來，何蔚然是現Kimi推理系統負責人，張祥雨是階躍星辰聯合創始人，俞剛是階躍星辰語音和AIGC算法負責人。

更激進的是聯合創始人印奇，目前兼任千里科技和階躍星辰的董事長。

一位曠視老兵告訴我們，從曠視出來的人幾乎默認了1.0時代的失敗，“對他們來說，大模型是孤注一擲的二次創業”。

本是同根生的他們，如今為了背后的公司各自為戰。智譜打響了上市第一槍，公司市值一度沖向8800億港元；DeepSeek對外開放融資打得行業措手不及，月之暗面和階躍星辰被迫加緊IPO速度，爭奪逐漸收緊的大模型紅利窗口。

目前上市路線更加清晰的是階躍星辰，今年4月份完成了股份制改造，并拆除了紅籌架構。5月份，完成了近25億美元的Pre-IPO輪融資。據其內部文件顯示，該公司計劃于今年6月30日前向香港交易所遞表，2026年底前完成上市，2027年年中解禁。

嘗盡Agent和Coding紅利的Anthropic，IPO前新一輪融資投后估值9650億美元。在此背景下，所謂的“大模型第三股”已經黯然失色。

關鍵的賽點來到了，誰將成為Agent第一股？需要強調的是，這個title并非名義上，而是要體現在商業化上。

后發、失誤和卷土重來

在這幾家中，階躍星辰與曠視的關系最為緊密。

智譜、月之暗面成立初期，曠視向其輸送了大量技術、銷售的人員。據相關人士介紹，“由于圈子有限，招聘背調拉個群問幾個人，就能知道大概”。

階躍星辰的特殊性在于，一方面自身的算法團隊和商業化落地脫胎于曠視體系，在創業初期便得到了曠視的深度扶持。

據曠視內部人士透露，2024年曾有曠視研究院的高層在未正式離職的情況下，外出為階躍星辰提供技術指導。

其次，曠視出身的印奇對階躍星辰擁有絕對掌控力，這使得階躍的戰略方向與曠視系的產業資源形成了高度協同。

然而，事與愿違，階躍星辰的故事并未按劇本上演。

階躍星辰在成立首年幾乎完全隱身，直至2024年3月才首次正式亮相。2023年上演了百模大戰，公眾、資本和開發者的注意力高度集中。智譜、MiniMax提前卡位發布模型、上線產品，月之暗面、百川智能、零一萬物以閃電融資、高速迭代以及強勢運營快速搶占聲量。

雖然階躍星辰是同一時刻入場，但在“大魚吃小魚”的創業環境下，還是錯失了市場聲量與品牌認知的黃金窗口期。模型待發，曝光不足也間接影響了后面的融資節奏。階躍星辰在2023年完成了天使輪融資，但后續B輪融資直至2024年底才完成，比同期對手晚了整整一年。

2024年階躍星辰結束了長久的沉寂，接連發布Step-1、Step-2、Step-1.5V等系列模型，確立了“多模態卷王”的技術地位。同時孵化并上線了C端智能助手“躍問”和角色扮演類Agent“冒泡鴨”，構成了早期“超級模型+超級應用”的戰略。

問題也隨之浮現，盡管有了明確的技術標簽，但C端應用始終未成爆款。在此期間，階躍星辰兩條腿走路，一邊大力扶持AI應用開發者，為其提供底層多模態技術支持，打造爆款應用，但大多曇花一現；另一邊試圖通過社群、小程序的方式，激活“歌詞爆改機”等自研產品大爆屬性，不過聲量依然有限。

再加上前有Kimi出圈，后有DeepSeek和大廠的阻擊，階躍星辰的C端線基本宣告失敗。一個標志性事件是，2024年12月，“冒泡鴨”停止大范圍投入，團隊合并至對話產品“躍問”（現更名為“階躍AI”）。

面對C端的殘酷競爭，階躍星辰也做出了戰略調整：收縮C端戰線，All in“AI+終端”，這也成為了其邁向商業化的轉折點。

公司的B輪融資，投資方開始轉向國資，這表明其獲得了更高層次的資源支持。CEO姜大昕也首次對外明確了以“汽車、手機、具身智能、IoT”為四大核心的終端場景。

2026年1月26日，階躍星辰迎來了資本和戰略的雙重高光時刻。這一天，印奇正式加盟并出任董事長。另有媒體曝出，階躍星辰已完成超50億元的B+輪融資，刷新國內AI賽道單筆融資紀錄。

印奇的到來，補上了階躍星辰產業落地和商業化的拼圖。

從多模態卷王到AI終端

階躍星辰雖然從聲量上不如智譜、MiniMax，但占據了一個特殊的生態位：多模態基礎模型、推理效率優化和AI終端落地。

截至目前，階躍星辰共發布了Step1到Step3系列模型。

Step1系列定位原生多模態基礎模型，聚焦文字、圖像等基礎模態的理解與生成。參數量相對較小，注重基礎多模態能力，適用于簡單的圖像理解、文本問答等基礎任務，是后續模型的基礎能力鋪墊。

Step2系列采用MoE結構，強調訓練效率與綜合能力提升。參數量達萬億級，適用于需要較強邏輯推理和復雜文本生成的任務，如代碼輔助、文學創作、復雜問題解答等。

Step3系列定位新一代基礎模型，核心聚焦推理效率、成本優化和多模態綜合能力。采用系統架構創新，在國產芯片上推理效率可達DeepSeek-R1的300%，顯著降低推理成本。適用于對推理速度和成本敏感的場景，如智能終端交互、車機系統、實時多模態應用等，更注重模型在實際業務中的落地能力。

階躍星辰剛發布的Step3.7Flash模型，拿下了Artificial Analysis榜單多個第一，正是這三者協同效應的完美結合。

Step3.7Flash原生支持多模態理解，能直接看懂UI、圖表、文檔，這意味著Agent可以直接“看懂”屏幕并執行操作，是“AI操作手機”戰略想法的直接體現；采用MoE架構，生成速度高達409 tokens/s，極致的推理效率和低成本，讓海量終端部署成為可能；面向生產級Agent設計，專為高頻、多輪的終端交互場景優化。在端到端響應時長測試中，Step3.7Flash完成規定測評任務僅需 7.1秒，可適配手機、汽車等需要快速響應的終端需求。

Step3.7Flash被官方定義為“Agent生產級模型”，體現了階躍星辰Agent的轉向。

光子星球發現，階躍現階段招聘高度聚焦于“Agent+終端 +Coding”三大實戰場景。具體來看，三個方向恰好對應了階躍星辰想要打通的“感知—決策—執行”閉環。

Agent方向，階躍星辰正大規模招募AI Agent系統工程師和后訓練算法人才；終端方向，重點布局手機App Agent與車載智能體，崗位描述中反復出現，內存、功耗、首響速度關鍵詞，直指端側落地的工程化瓶頸；Coding方向，同時招聘AI Coding算法工程師與Coding Agent產品經理，目標是讓Agent真正理解并產出高質量代碼。

上述招聘清晰表明，階躍星辰不再滿足于做一個“多模態卷王”，而是要將多模態感知、高效推理與終端場景深度融合，打造真正可落地、可規模化、面向生產的Agent系統。Step3.7Flash不過是這場戰役的第一聲號角。

印奇的排除法

有投資人評價掌舵人印奇，“經歷過1.0時代的人，一開始就排除了許多錯誤選項，而這就是成功的開端”。

排除純技術供應商與項目制定制的To B模式。階躍星辰聚焦“AI+終端”，與吉利、OPPO等頭部客戶進行深度產品級共創，目標是形成標準化、可復用的解決方案，而非一單一單地做項目。

排除依賴單一場景或政策驅動的垂直賽道。階躍星辰押注通用多模態大模型，目標是覆蓋汽車、手機、機器人等廣泛終端場景。每個場景都足夠大，且相互之間可產生協同效應，而非依賴單一賽道。

即便如此，階躍星辰仍走在一條相對艱難的道路上。

目前端側市場有三種主要打法。第一種售賣模型能力，作為技術供應商授權高效端側模型或按量收費。特點是模式相對輕巧，交付周期短，客戶擴展快。只要模型性能足夠強、功耗足夠低，就能在眾多終端廠商中快速鋪開，形成規模效應。

第二種是大廠的平臺式模式，背靠大廠的算力、模型和內容生態，按Token調用量售賣服務，同時附帶云資源。這種按量計費的商業模式幾乎沒有擴張邊際成本，理論上可以服務成千上萬的開發者。

階躍星辰屬于第三種售賣系統解決方案，與終端廠商深度共創、聯合開發。意味著每拿下一個大客戶，都需要經歷數月的聯合研發、系統適配和商務磨合。

某大模型汽車解決方案負責人告訴我們，做To B的定制化交付要比C端更復雜，僅OTA版本的審核，走完整個流程都需要幾個月的時間。而且To B交付的要求也更高，因為不能頻繁迭代，第一個版本就需要達到較高的效果。

“一個正常的大模型項目交付，6個月是一個比較穩妥、可量產的周期。”

這種商業模式最大的弊病是，高價值但規模性弱。假設階躍星辰每服務一個大客戶，都需要投入一個專門的團隊進行半年的聯合研發，那其營收增長就與團隊規模呈線性關系，而不是像API模式那樣可以指數級擴張。中國的手機品牌、汽車品牌數量有限，能成為深度合作伙伴的客戶本身就有天花板。

更關鍵的是，這種深度綁定并不等于獨家綁定，吉利依然可以選擇同時接入豆包或千問，OPPO也可以自研端側模型。階躍星辰投入大量資源建立起來的系統級嵌入，隨時面臨被替換或邊緣化的風險。或許正是考慮到該方面的風險，階躍星辰通過資本方式綁定了大量的產業上下游企業。

當然，上述的三種模式沒有明確的界線，生態位上的玩家都可以與客戶達成深度定制的合作。無論坐標向上或向下，終會趨向階躍星辰的選擇。

就我們目前了解，能夠做深度定制化的AI公司還是相對有限。而一旦階躍星辰成功在百萬臺車、千萬臺手機上跑通自己的Agent系統，替換成本將高到讓客戶難以轉身。一套“系統+數據+工程”的組合拳，足以形成難以逾越的護城河。

微信號｜TMTweb

公眾號｜光子星球

別忘了掃碼關注我們！