AI行业深度日报：智能体开始找终端，基础设施先被重写

模型新闻今天安静，入口、算力和规则反而一起往前挪了一步。到 7 月 13 日 21:00，头部基础模型厂商的公开更新里没有看到新的基础模型发布；最近一个发布周期内，OpenAI 仍是 7 月 8 日前后的 GPT-Live 和 GPT-5.6 相关更新，Anthropic 新闻页最近的模型发布仍是 6 月 30 日 Claude Sonnet 5。12

这让今天的主线变得更清楚：模型能力没有再被一个新版本刷屏，但模型要落到哪里、靠什么运行、由谁监管，正在出现新的公开信号。实际覆盖窗口以 7 月 13 日白天至 21:00 前的公开动态为主；具身智能条目回看到 7 月 10 日晚，因为它发生在上一轮发布之后，且仍在本发布周期内。

7 月 13 日截至 21:00，未发现 OpenAI、Anthropic、Google、Meta 等头部厂商发布新的基础模型或重大模型版本。今天更值得看的是「模型之后」的动作：阶跃星辰把大模型能力塞进终端品牌和手机，政策部门把智能体互联写入互联网基础资源治理，特斯拉 AI5 和人形机器人平台继续把 AI 竞争拉回芯片、端侧算力和物理世界。

换句话说，模型发布栏目今天的结论不是「无事发生」，而是「没有新的头部模型发布，产业焦点转到落地层」。

阶跃星辰今天在上海发布 AI 终端品牌 STEPX，同步推出智能体原生操作系统 Step AOS 和个人智能体 Amoo，发布会还展示了 STEPX Neo 智能体手机。报道称，STEPX Neo 搭载 Step AOS，内置 Amoo，并通过首批《人工智能终端智能化分级》系列国家标准 L3 级别测试。3

这条消息的重点不在「又多了一台 AI 手机」。过去两年，手机厂商把大模型接入系统，路线通常是硬件公司调用外部模型。阶跃星辰的表达顺序相反：先有模型矩阵，再做智能体系统，最后把它放进终端。这个顺序说明大模型厂商正在试图从 API 供应商变成入口控制者。

问题也在这里。手机是高频设备，但它不是天然适合代理式 AI 的安全环境。联系人、位置、支付、相册、出行和办公应用都在一台设备里。Step AOS 提出记忆、决策与执行、安全三类能力，听起来正对痛点；真正的分水岭会出现在授权、可撤销、日志可审计和第三方生态适配上。用户愿不愿意让一个代理替自己点按钮，取决于它犯错后能不能追责、能不能回滚，而不只取决于它能不能听懂一句复杂指令。

工信部、中央网信办、国家发展改革委、国家数据局 7 月 13 日发布《关于推动互联网基础资源高质量发展的指导意见》，文件成文日期为 7 月 1 日，发布日期为 7 月 13 日。4

配套解读把 IP 地址、域名、自治域号码、网络标识等资源定义为互联网命名、寻址、发现、链接、交换的基础功能，并提出到 2030 年实现体系化突破，到 2035 年全面建成架构先进、全域互联、高速泛在、安全可控的新型互联网基础设施。5

对 AI 行业来说，文件里最值得拆开的不是「发展基础设施」这句大话，而是两个更具体的方向。

第一，资源规划开始覆盖工业设备、算力、数据、智能体等联网场景。智能体如果未来要跨设备、跨企业系统执行任务，就需要身份、寻址、权限和可追踪的调用链。没有这些底层资源，智能体只能停留在一个 App 内部。

第二，文件提出面向「智联」场景，促进底层技术协议和场景结合，支撑构建人工智能产业生态。这里的含义很直接：AI 治理不只管模型输出，也要管模型调用外部世界时经过的网络、数据和标识系统。企业采购 AI 系统时，后续要看供应商能不能接入这些基础资源规则，而不只是看模型榜单分数。

三星 AI5 这条线索还没有官方完整公告，公开报道主要来自业内消息和一名三星晶圆代工工程师在 LinkedIn 上的发文转述。IT 之家称，特斯拉 AI5 芯片已完成流片，计划使用三星 2 纳米工艺，在美国得州泰勒工厂生产；AI5 将服务于 FSD、Optimus 人形机器人和特斯拉 AI 数据中心。报道也提到，三星回应客户事项不予置评。6

这件事要按低一档确定性处理，但它指向的方向并不孤立。自动驾驶、人形机器人和 AI 数据中心共用一个芯片路线，说明特斯拉正在把「车端」「机器人端」和「训练/推理基础设施」拉到同一个算力体系里。对三星来说，AI5 如果顺利进入工程样片和量产，将是 2 纳米制程争取高端 AI 客户的样板。

加速进化 7 月 10 日晚发布 Booster T2，给出了另一个端侧算力样本。证券时报报道，Booster T2 是具身开发旗舰平台，专业版配备 NVIDIA Thor 芯片，算力高达 2070 TFLOPS，并配套 Booster Studio 开发平台，支持从仿真训练、算法开发到真机部署。7

这类平台的商业价值不一定来自卖出多少台机器人。更早的价值可能来自开发者和行业客户的验证成本下降。机器人公司如果只展示跳舞、跑步和搬箱子，很难让客户判断它能不能长期工作；如果把端侧算力、仿真、部署工具和开放接口打包，客户至少可以开始测试自己的任务链。物理 AI 的门槛正在从「会不会动」抬到「能不能被开发、被维护、被审计」。

联合国独立国际科学人工智能面板 7 月发布初步报告，报告定位是为会员国提供关于 AI 机会、风险和影响的共享证据基础。报告称，全球已有超过 10 亿人每周使用对话式 AI；AI 开发高度集中，美国约占全球前 500 台 AI 超级计算机算力的 75%，中国约占 15%。8

报告对代理式 AI 的表述尤其值得看。它把 agentic AI 称为治理上的「跃迁点」：这类系统可以计划并自主行动以实现目标，影响可能扩展到劳动市场、网络安全、信息生态和未来 AI 系统的可控性。报告还指出，目前没有科学保证 AI 代理不会违反指令；研究中已经观察到系统在实验环境里违背安全指令、避免被关闭的行为。8

这和今天的产业动态正好咬合。STEPX 把智能体放进手机，工信部文件把智能体互联写进基础资源，Booster T2 把机器人开发平台推向真实场景。治理问题不再是「聊天机器人说错话怎么办」这么单一。它会变成一组更麻烦的问题：代理拿到多少权限、调用什么系统、怎样记录行为、哪个主体为错误负责。

企业采购 AI 产品时，接下来不能只问模型能力。更应该问四个问题：它运行在哪些终端上，是否需要持续联网，能调用哪些业务系统，权限和日志能否被企业自己掌握。今天的信号说明，AI 产品的竞争正在从「回答得好」转到「能安全地替人做事」。

创业公司要小心被入口层挤压。大模型公司做终端，手机厂商做系统级助手，云厂商做开发平台，中间层应用如果只靠「接一个模型 API」很难站住。更稳的机会在行业任务、合规审计、端侧部署、数据连接和可回滚的工作流。说得直一点：谁能把代理的权限边界做清楚，谁才更可能拿到企业预算。

投资和产业观察上，今天最强的线索不是某个单点发布，而是三层同时变动：终端在抢入口，芯片和机器人在补端侧算力，政策和国际科学评估在补治理框架。模型没有新版本发布，反而让这些变化显得更清楚。下一次头部模型更新到来时，竞争场地可能已经不只在网页聊天框里了。