大模型已然来到新的战场，而一些此前相对低调的公司，正在被重新放到聚光灯下。
阶跃星辰官方宣布，印奇正式加入公司担任董事长。与此同时，阶跃已于近日完成超50亿元B+ 轮融资，并刷新了过去 12 个月大模型赛道单笔融资纪录。
无论是核心人才的补强，还是资本层面的明确下注，都让这家被认为过分低调的公司开始显露出不同以往的锐利感。
过去一年，仍然能完成大额融资的大模型公司已不多，竞技赛上半场已接近尾声，胜出者也非常明了。
在当前模型公司融资明显分化的背景下，这笔融资被视为资本对“下一阶段大模型商业化路径”的一次押注。
值得注意的是，就在此前几周，大模型领域接连发生两件标志性事件：大模型独角兽企业智谱和 MiniMax 相继登陆资本市场，其中 MiniMax 上市后股价大幅上涨，市值一度突破千亿港元。
这一连串变化，也在一定程度上表明，资本市场开始用更细分、更务实的商业逻辑，审视模型公司的长期价值。
但即便同处于大模型这一赛道，这几家公司之间的路径分化也正在加速显现。在 AI 技术尚未全面转化为社会层面的生产力之前，不同模型公司选择了截然不同的落地方向：有的押注政企私有化，有的深耕 C 端应用，也有的试图两线并行。
而阶跃星辰的不同之处在于，它是目前几家头部模型公司中，唯一重押“AI+终端”闭环赛道，且商业化路径相对清晰的一家。这也成为外界重新审视阶跃星辰的重要原因。
为什么阶跃星辰商业路径更清晰？
在模型能力逐渐趋同的背景下，真正拉开差距的，已经不再是参数或架构，而是模型是否能规模化地投入商业应用。
阶跃星辰选择的商业路线是“AI+终端”。简单来说，阶跃星辰并不只是卖模型或API，而是把大模型能力直接落到汽车、手机等终端产品中，与硬件厂商绑定合作，通过深度参与到产品共创中，来实现更稳定、可持续的商业变现。
在车端，阶跃星辰并未停留在“提供模型能力”这一抽象层面，而是直接嵌入到智能汽车这一确定性极高的终端载体中。过去一年，阶跃星辰与吉利汽车集团和千里科技合作，将端到端语音交互、多模态理解与复杂指令执行等模型能力，应用在智能座舱Agent OS中。在 WAIC、CES 等重要行业展会上，搭载相关能力的吉利系车型多次亮相，成为“AI 上车”的具象案例之一。比如吉利银河M9是行业内首个搭载端到端语音模型的量产车型，上市3个月销量接近4万辆。
相比通用意义上的 AI 应用，AI+车的商业模式极为清晰：模型并非以“调用量”或“token 消耗”计费，而是直接进入整车成本体系，通过车企采购、软件授权、长期服务合同等方式实现规模化收入，比如NRE、License等模式。
这类收入具备三个显著特征——客户集中、合同周期长、续费与升级路径明确，这恰恰是大模型公司最稀缺的确定性。
除了车端，阶跃星辰在手机这一超级终端上的布局同样具有指向性。
截至目前，阶跃星辰已经与国内 60% 头部手机品牌达成合作，覆盖OPPO、荣耀、中兴等品牌旗舰机型，显现出头部效应。
另外在端云结合、VLA等技术方向上，阶跃也跑在前面。2025 年 11 月，阶跃星辰推出 Step-GUI 系列模型，支持端云结合的技术方案，其中端侧 4B 版本被认为是端侧最强的 GUI 模型之一，可直接部署在手机本地运行。这意味着，每一部手机本身就可以成为 AI 手机的一部分能力载体。
在笔者看来，云端结合已经成为行业里的一种共识。一方面，大模型能力的提升仍然依赖大规模算力、数据与持续训练，这决定了最高智能密度必然长期留在云侧；另一方面，终端设备数量巨大、使用场景高度碎片化，且对响应速度、稳定性和隐私极为敏感，又决定了部分能力必须下沉到端侧。
从商业角度看，端侧模型的价值并不在于“参数规模”，而在于它天然适配硬件厂商的商业逻辑：一次集成、长期出货、规模复制。收入随着硬件出货量的增加而递增。无论是通过芯片方案、系统级集成，还是与手机厂商的深度绑定，端侧模型都更接近消费电子时代的盈利方式，而非 SaaS 式的长期烧钱竞争。比如License模式，模型厂商收入会随着硬件出货量提升而递增，另外当终端Agent应用生态形成，有极大可能也会出现订阅制或者按分发模式付费的方式。
正是在这一背景下，AI+终端被认为是当前所有大模型路径中，最容易跑通商业闭环的一条。
作为对比，纯 ToB 路线虽然收入可观，但模式偏重：项目制、交付制、定制化程度高，不仅扩张速度受限，毛利率也难以持续抬升；而 ToC 路线在国内则面临更现实的问题——用户规模并不等同于商业化能力，且获取用户规模也需要投入营销成本。直到今天，国内 AI 应用中 MAU 破亿的产品仍然屈指可数，且即便是豆包、DeepSeek 等头部应用，也尚未真正跑通成熟的变现模型。
车、手机、硬件终端，本质上都是已经被市场验证过的超级入口，而 AI 正在成为它们的新一代“操作系统”，随着大模型技术开始从数字世界进入物理世界，全新的入口级产品形态业绩有可能从终端上长出来。
有接近阶跃方面的知情人士向虎嗅透露，截至2025年年底，其终端Agent API调用量连续三个季度增长近170%；过去一年，阶跃星辰开放平台API调用量增长近20倍，活跃用户增长5倍。
在大模型行业逐步从“榜单竞赛”走向“落地竞赛”的阶段，阶跃星辰所选择的，并不是最热闹的一条路，但很可能是最先跑通现金流、最先建立规模壁垒的一条路。
阶跃星辰为什么可以走这条路？
如果说“AI+终端”是一条对商业化最友好的路径，那么问题也随之而来：并不是每一家模型公司，都有能力跑通这条路。凭什么阶跃可以？
而印奇的加入又将会给阶跃星辰的“AI+终端”布局带来新的变量。
从公开信息来看，印奇目前的身份并不仅限于创业者本身，他同时与吉利体系及千里科技保持着紧密联系，长期深度参与产业侧的技术与业务协同。首先，他是千里科技的董事长，且千里科技与吉利汽车保持着长期的深度合作。
但更不为人知的是，多位接近阶跃星辰的知情人士向虎嗅透露，印奇并非“空降”至今。早在阶跃星辰成立初期，他就已经参与到阶跃的战略规划中。放在今天阶跃明确押注 AI+终端的路径选择上回看，这段经历也成为理解其战略底气的重要注脚。
事实上，印奇本人的职业轨迹，几乎完整穿越了中国 AI 产业的两个周期。他毕业于清华“姚班”，2011 年创办“旷视”。在很多人眼中，彼时的印奇，与今天创办月之暗面的杨植麟有着高度相似的标签：技术出身、起步极早、站在时代风口之上。
但不同之处在于，旷视在此后十余年里，经历了完整的市场周期考验。它不仅在 AI 1.0 时代存活下来，且一度成为胜出者之一，更重要的是，旷视推动了 AI+IoT 在产业侧的真实落地，让算法不止停留在 demo 层面，而是进入工厂、园区与真实业务流程之中。这段经历，使印奇对技术如何被真正用起来，有着远超多数模型创业者的体感。
不过，即便如此，印奇的加入，也只是为阶跃星辰提供了一张敢于走向终端的底牌和钩子。真正决定这条路能否走通的，取决于阶跃在算法、系统、数据、产品化、商业战略几方面的综合能力。
在阶跃星辰内部，CEO 姜大昕是公司日常运营的实际话事人。
在加入阶跃星辰之前，姜大昕曾担任微软全球副总裁、微软亚洲互联网工程院首席科学家，长期负责微软必应搜索引擎的核心研发工作。他所带领的四百余人团队，覆盖网页排序、智能问答、知识图谱卡片、图片与视频搜索等多个关键模块，这些工程化、产品化经验，使姜大昕本人十分熟悉如何将 AI 嵌进全球大流量产品里。这也是这家公司的基因。
而阶跃星辰之所以能够持续吸引顶级技术人才，还与另一位关键人物密切相关。
张祥雨，师从孙剑，曾参与西安交通大学与微软亚洲研究院的博士联合培养项目，是经典论文 ResNet（残差网络）的四位作者之一。近一年 ResNet 再次在学术圈被频繁提及， DeepSeek 的新论文中提出的 mHC 方法，其理论脉络可以一路追溯到HC，再溯源至 ResNet 体系本身。
博士毕业后，张祥雨追随导师进入旷视，其在学术界的影响力极为直观：截至 2026 年 1 月，其 Google Scholar 引用数已超过41 万次。
与张祥雨所代表的前沿算法能力相对应，阶跃星辰在系统与基础设施层面，同样配置了分量极重的核心负责人——系统负责人朱亦博。作为国内 AI Infra 领域真正拥有多次单集群万卡以上系统建设与长期运维经验的从业者之一，朱亦博的履历并不止于搭过系统，而是覆盖了算力调度、训练稳定性、系统效率与整体成本结构等关键问题，对大模型工程化所面临的现实约束有着充分认知。
更重要的是，这类系统经验并非割裂于算法之外。朱亦博长期参与算法与硬件协同相关工作，围绕模型训练与推理效率展开系统设计与资源调配。在 AI+终端这一需要在端侧与云侧、不同芯片架构与功耗约束之间不断权衡的路径下，真正决定模型能力能否落入真实产品形态的正是这种系统层面的整体设计。
这类人物的存在，使阶跃星辰在模型底层能力、系统能力、工程化经验与前沿研究之间，形成了一种极为罕见的叠加。
从结果来看，阶跃星辰之所以能够坚定选择 AI+终端，是源于这样丰富的产业经验与技术路径的叠加。在阶跃星辰的人才军团中，既有人把技术“落到地上”的经历，也有人长期在全球顶级工程体系中，处理过大规模系统与真实用户。
当大模型开始走出实验室，真正进入产业与终端场景，这种复合型人才结构，反而成为最难被复制的壁垒之一。
大模型竞技赛已进入下半场
走到今天，大模型行业的第一阶段洗牌，已经临近尾声。
曾经被反复提及的大模型六小虎，在过去一年里已出现明显分化：智谱和MiniMax率先登陆资本市场，零一和百川两家转向更垂直或更保守的业务形态，市场在等着阶跃星辰和月之暗面出牌。
但即便同处于悬置状态，两者的基因与所选择的商业路径却几乎完全不同。对比来看，月之暗面在文本模型能力上的投入更为激进，其目标依然指向通用模型的持续突破；而阶跃星辰，则在多模态模型的领先优势更为明显，在商业化层面，已经率先找到了一条能够长期存活、并尽早形成现金流闭环的路径。
在笔者看来，在当前的国内环境下，无论是 ToB 还是 ToC，基座模型在国内的商业化路径，至今都尚未完全清晰：ToB 需要长期定制与交付，规模受限；ToC 则面临用户规模与变现能力错位的结构性问题。
而在这种背景下，阶跃星辰具备一种在终端/硬件方面的天然优势。相比于模型的刷榜，阶跃星辰已经将目光聚焦至终端的实际落地应用上，在面对车端、手机等终端场景时，更容易将模型能力转化为可计价、可复用的产品形态，而非停留在能力展示层面。
也正是在这一阶段，行业竞争的评判标准正在发生变化。基座模型能力固然重要，但已经不是唯一的衡量指标，三个更为现实的变量同样发挥了关键作用，决定一家公司能否长期留在牌桌上：资金储备是否充足且可持续、收入结构与成本控制是否健康、系统工程能力如何，以及商业路径是否足够清晰。在模型能力尚未彻底拉开代际差距的情况下，谁能率先跑通商业模式，谁就拥有更长的时间窗口去等待下一次技术跃迁。
如何学习AGI大模型？
作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
因篇幅有限，仅展示部分资料，需要点击下方链接即可前往获取