物界前沿端侧AI手机不是新物种，但豆包和阶跃走的是两条路
2024年全球AI手机出货量预计突破1.7亿台，这个数字来自IDC近期报告，比年初的预测上调了30%。与此同时，端侧大模型推理成本正在以每季度约20%的速度下降——高通骁龙8 Gen 3的AI算力已经能做到7B模型在手机上跑出每秒10 token的推理速度。这些数字背后，是手机厂商和AI公司都在押注一个方向：把大模型装进口袋。
7月13日，阶跃星辰发布STEPX Neo AI智能体手机，董事长印奇同时评价了字节跳动的豆包AI手机，称其为“很重要的探索”，将“智能机手机”带入了大众视野。我为这句话做注脚：豆包手机和阶跃的STEPX Neo，本质上代表了两种截然不同的端侧AI落地路径，而它们的差异，决定了谁能真正让用户掏钱。
两条路线：云优先 vs 端优先
豆包手机的逻辑是“云优先”。字节跳动在豆包App上积累了大量用户，日活已经接近千万，其核心能力是云端大模型（豆包模型）通过API注入手机系统。用户语音唤醒、拍照识别、文本生成，数据上传到云端处理，返回结果。手机端主要承担交互入口和网络传输功能，对本地算力要求不高。
阶跃的STEPX Neo则走“端优先”路线。印奇在发布会上强调，这台手机搭载了阶跃自研的端侧大模型，参数规模控制在7B左右，关键推理任务在本地完成，只有复杂任务才请求云端。这要求手机芯片具备足够NPU算力，同时模型要经过大量量化压缩，保证在4GB内存下流畅运行。
[!tip]
从技术可行性看，端优先路线的难度比云优先高一个量级。模型压缩、量化、算子优化、功耗管理，每一个环节都可能成为瓶颈。但一旦跑通，用户体验和隐私保护的优势是云优先方案无法比拟的。
商业价值的权衡：谁更愿意买单？
我直接说结论：云优先方案更容易规模化，但用户付费意愿存疑；端优先方案初期成本高，但长期价值更大。
云优先的商业逻辑：豆包手机本质是“AI助手+手机硬件”的捆绑销售。用户买手机，相当于买了一张豆包AI服务的长期订阅券。字节跳动可以通过广告、电商、内容推荐等业务变现，不依赖硬件利润。这种模式类似亚马逊的Alexa手机，但难点在于：用户是否愿意为“AI能力”额外付费？目前豆包App已经免费，用户凭什么为手机硬件多付钱？除非手机本身有差异化——比如拍照、屏幕、续航足够好，但豆包手机如果只是套壳，很难说服用户换机。
端优先的商业逻辑：阶跃通过STEPX Neo卖的是“本地AI体验”。用户付款后，所有AI功能在本地运行，无需联网，无隐私泄露风险。这对商务人士、隐私敏感用户、以及网络环境不稳定地区极具吸引力。但问题在于：端侧模型能力目前远不如云端，7B模型在复杂任务上（如多轮对话、逻辑推理）表现不如GPT-4o这类千亿级模型。用户花高价买一台“AI手机”，结果发现AI能力还不如免费App，口碑会迅速崩塌。
落地难度：谁在说真话？
印奇说豆包手机“将智能机手机带入了大众视野”，这句话的潜台词是：豆包手机让大众知道了AI手机这个概念，但真正落地还有很长的路。我拆分几个关键指标：
| 维度 | 豆包（云优先） | 阶跃（端优先） |
|---|---|---|
| 技术门槛 | 低，依赖云端，手机端只需做SDK集成 | 高，需自研端侧模型、联手芯片厂优化 |
| 用户体验 | 依赖网络，延迟200-500ms，隐私存疑 | 毫秒级响应，离线可用，数据本地 |
| 硬件成本 | 低，可复用现有中端芯片 | 高，需骁龙8 Gen 3或更高端芯片 |
| 生态锁定 | 弱，用户可换用其他AI App | 强，用户习惯本地AI后难以迁移 |
从落地难度看，豆包手机更像一个“营销概念产品”——它不需要改变手机硬件，只需要预装一个更智能的语音助手。阶跃的STEPX Neo则是真正的技术产品，需要解决端侧推理的功耗、发热、模型精度等一系列工程问题。印奇作为技术出身，应该清楚端优先路线的难度，但阶跃选择做手机，说明他们认为端侧AI的拐点已经到来。
行动建议：给三类人
- 对手机厂商：不要盲目跟风“AI手机”概念。先搞清楚你的用户场景是什么。如果是大众