階躍星辰發佈 Step Edge 系列終端模型，實現本地高效多模態處理

**階躍星辰發佈 Step Edge 系列終端模型，實現本地高效多模態處理**

AI 終端化浪潮再添重磅消息。階躍星辰（LeapStep）近日正式發佈了面向手機、車載等終端設備的 Step Edge 系列終端模型，透過基礎版、Audio 版、GUI 版與 Gen 版等四大版本，將文本、圖像、音頻等多模態能力直接部署於設備端，並結合雲端協同架構，為智能設備帶來更低延遲、更高隱私保障的 AI 體驗。四大版本各司其職，全面覆蓋終端場景。基礎版專注於通用多模態理解與生成；Audio 版強化語音識別與音頻處理；GUI 版則針對螢幕理解與界面操作進行優化；Gen 版聚焦於圖像生成任務。

這意味著無論是語音助理、手機螢幕操控、車載語音互動，還是即時圖像創作，均可依賴單一模型在本地完成，無需頻繁調用雲端服務。Step Edge 系列最引人關注的是其極致的工具調用延遲——官方數據顯示可低至 0.1 秒。對於需要即時反應的終端應用，如智慧型手機上的語音指令或車載導航的動態界面回應，這樣的延遲表現幾乎可與本地原生操作媲美。階躍星辰透過模型輕量化與晶片級別的推理加速，讓終端 AI 真正達到「所見即所得」的流暢度。模型的混合架構則是另一大亮點。在簡單、高頻或弱網絡環境下，所有運算完全在設備端進行；而當遇到複雜推理任務時，系統會自動將其分流至雲端處理。

這種動態調度方式不僅顯著降低設備對網絡穩定性和雲端算力的依賴，也讓使用者在不同場景下都能獲得最佳的性能與體驗平衡。隱私安全性因此獲得大幅提升。由於大量涉及個人敏感資訊的處理流程（如語音記錄、影像辨識、螢幕內容分析）可以在本地完成，用戶數據無需上傳至雲端伺服器。對於注重資料主權的個人用戶以及需要符合監管要求的企業客戶而言，這項特性極具吸引力。為進一步優化終端執行效率，階躍星辰同步推出了自主研發的 Step Inference NPU 推理引擎。該引擎專門針對終端晶片的推理需求進行深度優化，旨在大幅降低 NPU（神經網路處理單元）上的推理延遲。

透過軟硬體協同的底層優化，Step Edge 系列模型能夠在現有終端硬體上發揮出更強的多模態處理能力。在性能驗證方面，Step Edge 系列展現出全面領先的實力。官方表示，該系列模型在涵蓋多模態理解、語音辨識、介面操作、圖像生成等領域的 29 項核心評估指標中均位列第一。這項成績不僅體現了階躍星辰在終端模型技術上的積累，也為終端 AI 的落地應用建立了新的標竿。對智慧型手機產業而言，Step Edge 的出現意味著設備端 AI 的能力邊界正在快速擴張。過去僅能執行簡單語音指令或基本影像處理的終端晶片，如今可承載螢幕理解、界面互動、即時圖像生成等更高階的任務。

手機廠商有望藉此打造出更懂用戶、反應更快的個人化智慧助理，並在弱網甚至離線環境下也能提供一致的 AI 體驗。車載場景同樣受惠良多。車內語音辨識、導航界面互動、駕駛員狀態監測等功能若能在本地即時完成，車輛對雲端網路的依賴將大大降低，回應速度與安全性也將同步提升。尤其在地下停車場、隧道等弱網區域，本地化 AI 能確保關鍵功能不中斷，進一步優化用戶體驗。Step Edge 系列的推出也被視為 AI 終端化進程加速的重要標誌。隨著模型輕量化、推理加速引擎成熟以及混合架構的完善，AI 的應用焦點正逐步從雲端轉向終端。

這不僅改變了 AI 服務的交付方式，也重塑了用戶對智慧設備的期待——更即時、更流暢、更注重隱私。階躍星辰表示，Step Edge 系列模型已經開始向部分終端廠商提供測試與整合支援。未來隨著更多設備導入該系列模型，終端 AI 的普及速度有望進一步加快。同時，Step Inference NPU 推理引擎也將開放給合作夥伴，協助更多晶片平台實現高效能的本地推理能力。整體來看，Step Edge 系列以其完整的多模態能力、極低延遲的混合架構以及對隱私安全的高度重視，為終端 AI 樹立了新的技術標竿。

在手機、汽車乃至 IoT 設備不斷追求智慧化的當下，這套模型有望成為推動終端體驗升級的關鍵引擎，也為整個 AI 產業的終端化佈局提供了極具參考價值的實踐案例。