阶跃星辰正以独特的战略路径在大模型领域崭露头角。这家成立仅一年的公司，不盲目追求参数竞赛，而是聚焦多模态能力与终端落地，将模型效率与成本控制提升到产品级高度。从Step系列模型的快速迭代，到嵌入式终端布局与行业场景深耕，本文深度解析这家AI新贵如何用工程化思维重构大模型竞争规则。

我之前在写上海 AI 六小龙的文章里，提到过阶跃星辰，但是没有详细分析。最近在了解这家公司，于是把一些信息也整理出来分享给大家。

01 公司概览：短时间内被市场认可的原因

过去两年，大模型行业最容易陷入一种错觉：谁的参数更大、榜单更高，谁就赢了。

但竞争的重心在悄悄改变。越来越多公司开始发现，决定生死的不是有没有模型，而是模型能不能被大规模用起来：能不能跑得稳、成本能不能压下来、能不能进终端、能不能进入真实业务流程。

阶跃星辰的路径，正是在这一点上更有辨识度。

它成立时间不长，却从一开始就把目标设得很清楚：围绕多模态（文字、图片、语音、视频等综合理解与生成）搭建基础模型能力，并且把落点放在终端与行业场景里，让能力真正成为产品的一部分。

阶跃星辰成立于2023年4月，总部位于上海。创始人姜大昕博士是全球著名的人工智能专家。

“阶跃”代表了大模型技术跨越式的发展，“星辰”则象征着人类对通用人工智能的最终向往。

判断一家大模型公司是不是真的在跑，在被使用，有两个指标很直观：融资结构和技术迭代节奏。

在融资上，阶跃星辰在 2024 年底完成了数亿美元 B 轮融资，投资方既有国资平台，也有市场化机构与产业资本。

公开报道普遍提到，这笔资金会继续投入基础模型研发，并强化多模态与复杂推理能力，同时扩大产品和生态覆盖。

在迭代节奏上，它的 Step 系列模型发布节奏很快：2024 年发布 Step 1 多模态 与 Step 2 混合专家结构的大模型，2025 年发布新一代基础模型 Step 3，并把推理效率与成本放到非常核心的位置。

这两件事叠加起来，基本说明：它不是靠热点包装，而是在用持续投入换取可持续的模型与系统能力。

02 产品版图：不是一个模型，而是一套可交付的能力组合

第一层：面向开发者与企业的能力底座

它把文字、图片理解、语音对话、内容生成等能力，放到开放平台上，以接口形式对外提供，方便企业直接接入业务系统或做二次开发。

第二层：面向用户的产品与合作落地

它有面向个人用户的产品跃问，官方介绍中强调智能问答、文档解析、图像理解等能力，并以自家模型作为底座。

但更关键的是，它并不把希望全押在单一应用上，而是更积极走嵌入式落地：进入手机、进入车机、进入内容与行业系统，让用户在原本的使用场景里自然用到，而不是专门再下载一个工具。

这一点，会直接影响公司的战略选择：它更关心体验链路是否完整、成本是否可控、能不能规模化交付。

03 技术路线：更偏工程与系统，不是只拼参数

如果用一句话概括阶跃星辰的技术路线，就是：以多模态为主线，把模型能力与系统工程一起做，目标是跑得动、跑得稳、跑得省。

1. 从 Step 1 到 Step 2：先把多模态底座立住

Step 1 是原生多模态方向；Step 2 则是采用混合专家结构的大模型，并强调训练效率提升与综合能力增强。

同时，Step 2万亿参数模型，也是中国最早挑战GPT-4及Gemini 1.5 Pro性能级别的国产模型之一。

这背后其实是务实的选择：多模态不是锦上添花，在手机、车机、内容理解等大量场景里，本来就是刚需。

2. Step 3：把效率摆到台前

关于 Step 3，最突出的关键词不是“更大”，而是“更快、更省”。

官方也多次强调它在推理效率上的提升，并把多模态、开源、逻辑能力、成本概括成模型面向应用需要满足的特征。

3. 开源动作：用开放换生态，扩大落地半径

在多模态方向，阶跃星辰开源了视频生成模型与语音相关模型，意图推动开发者生态。

你可以把这理解为一种策略：在行业里，仅靠闭门做模型很难快速形成被广泛采用的事实，开放能够更快把能力变成标准、变成生态。

04 客户与落地场景：聚焦终端与行业

看一家大模型公司有没有落地能力，不要只看它说服务了哪些行业，更要看它进入的场景是不是高频、是否真的嵌入流程。

1. 汽车：把语音与多模态做进座舱交互

在 2025 年世界人工智能大会期间，吉利与阶跃星辰联合展示并发布下一代智能座舱相关方案，座舱交互会结合端到端语音大模型等能力，并基于 Step 3 等模型持续升级体验。

车端是公认最难、需要长期打磨的场景之一：交互要自然、响应要快、稳定性要高、成本还得可控。

能在车端推进，往往说明工程化能力不弱。

2. 消费级产品：以嵌入式方式进手机等终端

阶跃星辰积极推进与头部终端厂商共同推进智能终端能力，如终端侧智能体、端侧生态等。

这类合作的价值在于：它不是把模型当作可选功能，而是争取进入系统级入口，成为用户每天都能用到的能力。

3. 内容与行业：用多模态提升生产效率

Step-1.5V 模型能对长视频进行深度语义分析，已经切入了视频分析、工业视觉监控等高价值商业赛道。

大模型在内容生产、资讯、垂类知识服务等方向的共同点是：需要模型既能理解复杂材料，又能把输出变成可交付内容，对稳定性和可控性要求更高。

05 核心优势：做“底座”能力的公司

把上面的信息串起来，会发现阶跃星辰的优势不在某一个点，而是一套组合拳：

第一，多模态从一开始就是主线，不是后补功能。它瞄准的正是手机、车机、内容理解这些最需要多模态的高频场景。

第二，把效率和成本当成产品能力的一部分。Step 3 强调更适合应用的模型特征，背后是对真实落地约束的正面回应。

第三，用开放与生态扩大落地半径。在视频与语音方向的开源动作，本质是在用生态换采用。

第四，终端合作是高门槛赛道。车端、终端入口意味着更长周期、更重工程、更难交付，但一旦跑通，也更不容易被轻易替换。

以上，从公司战略，到产品和技术路线，再到客户和竞争优势，这是一个相对完整的分析链路，往下走，势必就到了风险和挑战这一环了。

风险一：终端与行业落地，周期很长，现金流压力更大

越深入场景，越容易遇到组织改造、数据治理、合规流程、系统集成这些“慢变量”。这势必会拖慢规模化速度。（这里联想到了商汤）

风险二：入口在合作伙伴手里，话语权是一场持久战

能进入车机与手机只是开始，能不能持续拿到资源位，能不能证明“不可替换”，才是决定公司目前选的这条商业化路径上限的关键。

风险三：从标杆案例到可复制产品，是最大的坎

很多公司输在这里：能做出几个漂亮项目，但没有形成产品化的交付体系，最后变成“越来越像外包”，越做越重。（这里又联想到了商汤……）

也正因为这些风险存在，或许这家公司未来真正的胜负手，不是下一次模型发布，而是它能否把终端与行业的交付沉淀为可复制的产品体系。

以上，祝你今天开心。