StepFun gia nhập cuộc chơi, tái định nghĩa hệ điều hành trong kỷ nguyên AI Agent

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

StepAI gia nhập cuộc chơi, tái cấu trúc hệ điều hành trong kỷ nguyên tác nhân thông minh (Agent)

15-07-2026 02:43:55 Nguồn: QbitAI

Chủ tịch Yin Qi khẳng định: "OS tương lai chắc chắn phải là đa nền tảng"

Heng Yu, đưa tin từ Thượng Hải

QbitAI | Kênh chính thức QbitAI

Năm 2026, ngành công nghiệp hệ điều hành toàn cầu đón nhận cuộc tái cấu trúc mô hình lớn nhất trong 60 năm qua.

Từ các nhà sản xuất mô hình ngôn ngữ lớn (LLM) đến những gã khổng lồ về thiết bị đầu cuối, hầu hết các tên tuổi cốt lõi đều đang tranh giành quyền định nghĩa hệ điều hành thế hệ tiếp theo.

Ánh đèn sân khấu cũng làm lộ rõ một mâu thuẫn sâu sắc trước ngành công nghiệp.

Các tác nhân thông minh (Agent) ngày nay không còn thỏa mãn với việc trò chuyện và suy nghĩ; chúng đã có thể hành động và làm việc thay cho con người.

Tuy nhiên, ở mặt trái của vấn đề, đại đa số các hệ thống hiện nay vẫn bám chặt lấy nguyên lý thiết kế không đổi suốt 60 năm qua, đó là logic "người dùng nhấp chuột, máy móc phản hồi".

Để thay con người thực hiện công việc, Agent cần điều phối liên ứng dụng, cộng tác liên thiết bị, điều phối tài nguyên hệ thống, lấy quyền truy cập, ghi nhớ ngữ cảnh... Các hệ điều hành dựa trên logic cũ không thể cung cấp đủ không gian phát triển cho những Agent có khả năng tự lập kế hoạch và thực thi liên tục.

Đã đến lúc trao cho Agent một hệ điều hành nguyên bản của riêng chúng.

Ngày 13 tháng 7, StepAI (Jieyue Xingchen), một tên tuổi hàng đầu trong lĩnh vực mô hình lớn, đã tung ra "quả bom tấn" khi chính thức công bố thương hiệu thiết bị đầu cuối AI nguyên bản dành cho kỷ nguyên Agent mang tên STEPX, đồng thời ra mắt hệ điều hành nguyên bản cho Agent đầu tiên trên thế giới: Step AOS (Step Agentic-native OS).

Họ tóm tắt cốt lõi năng lực của Agent bằng một công thức nhân.

△ Ma trận mô hình StepAI × Hệ điều hành Step Agentic-native OS

Trong buổi ra mắt công nghệ, StepAI cũng giới thiệu thế hệ tác nhân cá nhân thông minh mới là Step Amoo được xây dựng dựa trên ma trận mô hình và Step AOS, đồng thời trình làng điện thoại thông minh nguyên bản cho Agent là STEPX Neo, tuyên bố thiết lập một vòng lặp kỹ thuật khép kín "Mô hình - Phần mềm - Phần cứng".

Các nhà sản xuất thiết bị đầu cuối và công ty internet đều đang làm thiết bị AI, nhưng StepAI là đơn vị tiên phong xuất phát từ vị thế công ty mô hình để thâm nhập vào hệ thống và phần cứng, đồng thời triển khai thực tế thành công.

Trong bài viết này, chúng tôi muốn cùng các bạn thảo luận về việc: Năng lực hệ thống trong kỷ nguyên Agent rốt cuộc do ai định nghĩa?

Ba "bức tường" của hệ thống cũ đang giam hãm Agent

Trong 60 năm qua, tương tác người-máy đã đi từ dòng lệnh đến giao diện đồ họa, rồi đến tương tác cảm ứng và ngôn ngữ tự nhiên, nhưng đối tượng phục vụ của hệ thống vẫn luôn là con người.

Tuy nhiên, với làn sóng công nghệ AI ngày càng mạnh mẽ, Agent đã trở thành đối tượng phục vụ mới của hệ điều hành.

Chúng tôi cho rằng Agent không thể vận hành hiệu quả trong hệ thống cũ dựa trên ba lý do chính — chúng đang đâm sầm vào ba bức tường dày không thể vượt qua trong hệ điều hành truyền thống.

Bức tường thứ nhất là bức tường bộ nhớ (Memory Wall).

Dữ liệu và hệ sinh thái của OS truyền thống bị chia cắt tự nhiên trong các sandbox ứng dụng ở nhiều cấp độ, các thiết bị phần cứng khác nhau và các hệ thống tài khoản riêng biệt.

Điều này khiến các Agent ở cấp độ ứng dụng (App) chỉ có thể sở hữu bộ nhớ cục bộ.

Sự tồn tại của bức tường bộ nhớ khiến dữ liệu không thể lưu thông, Agent sẽ giống như mắc chứng mất trí nhớ ngắn hạn, không thể hình thành một hệ thống bộ nhớ dài hạn thống nhất và nhất quán giữa các ứng dụng và thiết bị.

Bức tường thứ hai là bức tường quyết định (Decision Wall).

Quyết định của Agent vốn dĩ có sự phân biệt giữa nhanh và chậm.

Các thao tác tần suất cao như đặt báo thức, tìm ảnh, mở thiết bị đòi hỏi phản hồi ở cấp độ mili giây ngay tại thiết bị (on-device). Đối với các kế hoạch phức tạp, phân tích văn bản dài và nhiệm vụ nhiều bước, hệ thống lại cần gọi năng lực suy luận từ đám mây (cloud) để đưa ra phán đoán sâu sắc hơn.

Một quyết định thông minh của Agent đòi hỏi cả khả năng cảm nhận tức thì và phản hồi độ trễ thấp ở thiết bị, lẫn khả năng suy luận phức tạp và lập kế hoạch toàn cục ở tầng sâu của đám mây.

Tuy nhiên, hệ thống cũ thiếu một cơ chế điều phối cộng tác thiết bị-đám mây thống nhất và hiệu quả, khiến sự kết hợp giữa "nhanh" và "chậm" không thể diễn ra hữu cơ, dẫn đến hiệu suất cực thấp khi Agent xử lý các nhiệm vụ phức tạp, dài hạn liên ứng dụng.

Bức tường thứ ba là bức tường hành động (Action Wall).

Trên OS truyền thống, Agent không có danh tính hệ thống hợp pháp, chỉ có thể đáng buồn thay là phải sử dụng thị giác hoặc các kênh hỗ trợ tiếp cận để mô phỏng "cú nhấp chuột" của con người.

Hệ thống hoàn toàn không dành cho Agent một kênh hành động đáng tin cậy nguyên bản, càng không thể trao cho chúng các quyền hạn siêu cấp đầy đủ, có thể quản lý, kiểm toán cũng như cơ chế khôi phục (rollback) sau khi thao tác thất bại.

Một Agent chỉ biết "mô phỏng nhấp chuột" sẽ lực bất tòng tâm trước yêu cầu "thay bạn hoàn thành công việc".