これ、完全に「物理版Agent」じゃないか!
Jay 凹非寺より
量子位
待ちに待ったStepFun(階躍星辰)のエッジ向け大規模モデルネイティブAIエージェントスマートフォン「STEPX Neo」が、ついに正式発表されました。
実機を手に入れてから半月、国慶節の連休中はほぼメインの「おもちゃ」として使い倒し、夢中になって遊びました。
初めて目にした瞬間、2秒ほど呆然としてしまいました。
これ、完全に「物理版Agent」じゃないか!

筐体全体は「レトロフューチャー美学」をコアデザイン言語としており、マットガラスのバックパネルを採用。初期のコンピューター、サイバー回路、AI文明のシンボルと、現代のコンシューマーエレクトロニクス製造技術が見事に融合しています。
広範囲に施されたフィルムパターンは推論、計算、記憶システムを象徴し、回路のテクスチャと透明なレイヤーによって自然につながっています。普段はバックカバーの奥深くに密閉されているチップやバッテリーなどのパーツが、惜しげもなく露わになっています。
背面には「42」、「user_potential」コード、チューリングテストのバイナリコード、ディープ・ブルーのチェス盤、そしてTransformerアーキテクチャという5つのイースターエッグが散りばめられており、SFの空想から機械知能のブレイクスルー、そして大規模言語モデルの発展に至るまでのAI探求の歴史を紡いでいます。

友人の言葉を借りるなら:
「めちゃくちゃ手が込んでいて、めちゃくちゃギークだ。」

しかし、筆者の心を最もくすぐったのは、背面右上に配置された小さなサブディスプレイです。
ここは内蔵パーソナルエージェント「Step Amoo」(筆者は親しみを込めて「A仔」と呼んでいます)のステータス表示エリアとなっています。
普段は気まぐれに小さな目をひょっこり覗かせたり、バックグラウンドでタスクを実行中には様々なステータスアイコンが点滅したりします。カスタムテキストの表示にも対応しており、イースターエッグは数え切れないほど用意されています。
ソーシャルアピール力は抜群で、「新しいスマホに変えたんだ」と一発で周囲に知らしめることができます!

もちろん、エージェントスマートフォンとして、サイドの専用AIフィジカルキーも標準装備されています。コントラストカラーのデザインも非常に目を引きます。
軽く押せば入力ボックスがポップアップし、長押しすればそのまま音声トランシーバーのように会話が可能。無数に並ぶホーム画面のアプリアイコンから探す手間とは、ついにおさらばです。

外見は十分にギークですが、このスマホが真に「ネイティブエージェントスマートフォン」と呼べるかどうかは、システム内部に真の強みがあるかどうかにかかっています。
というわけで、いざ起動!
いつでもスタンバイ状態の「A仔」
これまでのスマートフォンの音声アシスタントは、基本的にユーザーが質問してアシスタントが答えるだけの一方通行な検索エンジンに過ぎませんでした。
STEPX Neo 先行版に搭載されているエージェントネイティブOS「Step AOS」は、このインタラクションロジックを根本から再構築しています。
システムレベルでループ処理の自律実行やTool Callに対応し、各種SkillやMCP(Model Context Protocol)ツールも呼び出せます。その機能形態は、PC上でCodexやClaude Codeを呼び出す感覚に極めて近いものです。
しかし日常的な使い勝手においては、Museのようなパーソナルアシスタントのようにシンプルで、一般コンシューマー向けに体験が最適化されています。A仔には強いキャラクター性があり、システム機能を積極的に呼び出してユーザーと対話してくれます。

STEPX Neoには2つのエントリーポイントが用意されています。右にスワイプするとAmoo専用のシステムスペースに入り、左にスワイプすると見慣れた従来のホーム画面に戻ります。さらに興味深いのは、画面下部のディテールです。

iOSでは画面下部に検索カプセルやDockバーを配置するのが定番ですが、Step AOSでは画面下部に小型の折りたたみパネルが常駐しています。
タップして開くと、システムレベルの Agent タスクナビゲーションバー が現れます。ユーザーはA仔がバックグラウンドで進めているすべての長大なタスクの進行状況や、完全なタスク履歴を直感的に確認できます。

A仔はどんな時に自発的に話しかけてくるのか?
ユーザーの確認が必要なステップに達するとポップアップで指示を仰ぎ、タスクが完了すると構造化された結果を整理して自発的に目の前に提示してくれます。

もちろん、最も目を引くのは背面のサブディスプレイです。A仔の作業ステータスをリアルタイムで確認できます。
「思考中」「Tool Call」「出力中」……従来はUI画面の中にしか存在しなかったステータスが、今や物理ハードウェア上に直接マッピングされているのです。
試さずにはいられなくなり、じっくりと遊び倒してみることにしました。
とはいえ、普段はPC上でVibe Codingをしながら仕事の効率化ツールを作ることに慣れているため、いざモバイル端末の利用シーンに移ると、最初は「何を作ればいいのだろう?」と少し戸惑いました。
考えを巡らせながらふと目をやると、「あれ、もう用意されている?」
実はA仔には「スキルセンター」が内蔵されており、すでにパッケージ化されて磨き上げられた様々なSkillが提供されていて、すぐにインストールして使い始めることができました。

例えば、レジュメ分析やデータ分析といったSkillです。
ただ正直なところ、モバイル端末にヘビーなオフィスワークのシナリオを無理やり当てはめるのはあまり適しておらず、モバイルの最大の価値はやはり日常生活や高頻度な日常タスクにあると常々思っています。
あれこれ選んだ末、筆者は「万能英語アシスタント」というSkillをインストールしてみました。
するとA仔はその場ですぐに専用の英語講師へとアップグレード。単語を調べたり、複雑な長文を構文解析したりするのは基本中の基本で、最大のハイライトは――
エビングハウスの忘却曲線に基づいて、学習プランを動的に作成してくれる点です。

受験勉強のために毎日単語帳とにらめっこしていたあの頃が一気にフラッシュバックしましたが、今や最新鋭の生産性ツールを手にしているわけです。
ただ本音を言えば、チャット欄だけで単語を暗記するのはやはり少し不自然です。丸一日チャット欄に張り付いてSkillを呼び出す人なんてそういません。
そこで飛書(Feishu)のCLIを設定し、A仔にこう指示を出しました。「毎日覚えるべき新出単語を定期タスクとして生成し、筆者のFeishuカレンダーへ自動同期して。単語の語義と例文はメモ欄に記載すること。」
一連の操作により、システム、ツール、サードパーティのサービスAPIがシームレスに開通しました。全プロセスがバックグラウンドでのTool Callとスクリプト実行に基づいているため、画面の擬似タップなどを経由する必要が一切なく、応答速度も極めて高速です。
既存のワークフローに完全に組み込まれたため、これからは毎朝起きて当日のスケジュールを確認するついでに、サクッと単語を覚えられるようになりました。

個別のSkillだけでなく、コミュニティからは完成された完全なAgentを直接ダウンロードすることも可能です。
単体のSkillと比較して、Agentはより高度にパッケージ化されており、パッケージ内にはSOULやAGENTSなどの設定ファイルが含まれ、自律動作をサポートし、複数の基底Skillを組み合わせて呼び出すことさえ可能です。
個人的に最も気に入っているのは、この**「DJプレイAgent」**です。
インストールすると、スマホが一瞬でポケットサイズのDJコントローラーに早変わり。飲み会の席でサッと取り出せば、その場の話題を完全に独占できます。

AIメイカーのためのブロックセット
PC向けのAgentがこれほど成熟しているのに、なぜ従来のスマートフォン上では思うように本領を発揮できなかったのでしょうか?
根本的なボトルネックは、設計の第一原理(基本設計思想)の違いにあります。従来のモバイルOSの基盤は、「人間の手によるグラフィカルユーザーインターフェース(GUI)のタッチ操作」を中心に構築されています。
エージェントがアプリを跨いで操作を行おうとすると、通常は不器用な画面の視覚認識や擬似タップに頼るしかありません。ページのデザインがわずかに変わったり、権限のポップアップでブロックされたりすると、自動化タスクの実行チェーン全体が一瞬で破綻してしまいます。
STEPX Neoは、全く異なる技術的アプローチをとっています。A仔はStep AOS内部における真の「システムネイティブ住民」なのです。
基底の大規模モデル、オペレーティングシステム、ハードウェアセンシング層が緊密に連携しているため、Agentは画面の最前面で上滑りな操作をするのではなく、システムレベルの能力を直接呼び出すことができます。
もちろん、基盤となるパイプラインを開通させただけでは到底不十分です。
モバイル端末における日常のニーズは、極めてロングテールな特徴を持っています。どれほどAgentの性能が高くても、チケット予約、配車、決済、動画編集といったあらゆるバーティカルなシーンを単独でカバーすることは不可能です。充実したエコシステムのサポートがなければ、有効なツールインターフェース(Tools)を得ることはできません。
エコシステムが欠けていれば、インテリジェントなエージェントの成立など望むべくもありません。
そして、STEPX Neoはこの点において一歩先を行っています。
開封した時点で、主要な各種生活サービスエコシステムがすでにプリセットされています。A仔はタスク進行中にTool Callを発行する際、Skillなどの標準プロトコルを用いて、配車やクーポン獲得といったアプリの機能を直接呼び出せます。
STEPX Neoは、膨大な高頻度利用シーンをあらかじめシステムレベルのツールとしてパッケージングしているのです。
これに呼応するように、各種エコシステムサービスプロバイダー側も、A仔の呼び出しインターフェースへの最適化を積極的に進めています。

StepFun端末は、H2A2A(Agent-to-Agent)やMCPなどの多様なオープンエージェント接続プロトコルを通じて、サードパーティのサービスエコシステムと全面的に連携しています。
このインフラの支えがあることで、外部エコシステムは迅速に接続でき、専門的なサービス能力をエッジ側のオーケストレーションへと直接開放できます。
この背景において、StepFunのエッジ側がもたらしたもう一つの開発者向け強力ツール――Step Studio に触れないわけにはいきません。

これはAI端末ネイティブの開発ツールであり、コードの記述、テスト、管理を行う統合ワークスペースを提供し、強力なコード生成とデバッグ機能を内蔵することで、開発者の構築効率を大幅に引き上げます。
従来、スマートフォンに新たな機能を追加しようとすれば、複雑なアーキテクチャを持つネイティブアプリをゼロから開発する必要がありました。Codexなどのコーディングエージェントの普及によって機能開発のハードルは下がったものの、その大半はPC向けやWeb技術スタックに限定されていました。
現在、Step StudioとStep AOSの協調によって、モバイルデバイスも真の意味でメイカーたちがアイデアを形にする実験場となりました。
システムには多様な標準コネクタが内蔵されており、開発者は仕様に沿った SKILL.MD を記述するだけで、Agentロジック、外部API、そしてスマートフォンのシステム基幹能力をシームレスに結合させることができます。

これは、筆者が実機テスト中に感じていたペインポイントをまさに解消してくれるものでした。
以前コミュニティを巡回していた際、このエージェントスマートフォンには、AI業界の最新ニュースを専門に集約するアプリがまだないことに気づきました。
そこで、自分で腕を振るい、その場で**「デイリー椅子爆発(Daily Chair Exploding)」**という名のニュース情報アプリを自作してみることにしました。

これは軽量なバーティカル情報フィードクライアントであり、Step Studio上でわずか5ステップのプレビュー設定を行うだけで、あっという間に機能構築が完了しました。
エディタの右側にはリアルタイムプレビューエリアが統合されており、開発者はその中で直接操作テストを行ったり、フィードバックに基づいてコードをイテレーションしたりできるため、真の「WYSIWYG(見たままが得られる)」を実現しています。

デバッグ完了後は、ワンクリックで実機へプッシュして結合テストを行えます。
体験は極めてスムーズで、QRコードの読み取り手順すら不要です。デバイスと開発環境で同一のアカウントにログインしていれば、STEPX NeoはStep Studioでビルドした各種の成果物を自動的に同期します。

生成されたAPKインストールパッケージをそのままダウンロードするだけです:

アプリアイコンのデザインにはユーモアが込められており、ギークコミュニティらしいセンスを感じさせます:

インストール後はタップするだけですぐに使え、インターフェースのレイアウトはStep Studioのプレビューエリアと完全に一致しており、元記事をタップして読む機能もサポートしています。
これからは朝起きた際、わざわざ複数の公式アカウントを手動でチェックしなくても、集約フィードを開くだけでネット上の重要なAIニュースを一気にチェックできます。

それだけでなく、開発者はStep Studioを活用してより複雑なAgentやSkillを作成し、スマートフォン側の各種コネクタを柔軟に呼び出すことができます。クラウド側モデルでのデバッグが完了すれば、すべてエッジ端末へリアルタイムにデプロイして実行可能です。

では、これほどのエージェントネイティブスマートフォンは、一体いくらなのでしょうか?
3,999元(約8万円台)です。
価格設定はハードウェアとソフトウェアが一体となったフルスタックパッケージ方式を採用しています。3,999元で、ユーザーはハードウェア端末本体を手に入れるとともに、丸1年分のTokenパッケージが付与されます。
STEPX Neo 先行版を購入したユーザーは、12か月連続で毎月100億Tokenの使用枠が付与される「STEPX Token Plan」を享受できます。
さらに、公式は「Step Amoo成長プログラム」も同時にローンチしました:
指定の体験タスクを完了した先着1万名のユーザーに「星辰搭乗チケット(Star Ticket)」が進呈され、今後5年間、本モデルを対象として、STEPXの任意のハードウェア新端末と0円で下取り交換することが可能です。
プラットフォームには「安全な境界」が不可欠
しかし、ここまで体験が進むと、避けては通れない本質的な疑問が浮上してきます:
システムの権限をここまで徹底的に開放して、ひとたび制御不能に陥った場合、安全性をどう担保するのか?
エージェントがユーザーの知らないところで勝手に課金してしまうことはないか? ローカルの写真フォルダやプライベートなチャット履歴を外部のパブリックネットワークへ勝手に送信してしまうことはないのか?
パーソナルアシスタントプロダクトを構築する上で、セキュリティは常に絶対に侵してはならないレッドラインです。年初のOpenClawの事故で見られた、多数のインスタンスがAPIキーやユーザープライバシーを抱えたまま公衆網上で「無防備に晒されていた」混乱は、今なお記憶に新しいところです。
また、複雑なネットワーク環境では、プロンプトインジェクションや悪意あるスクリプトの混入が後を絶ちません。オープンソースのSkillコミュニティに審査体制が欠如していれば、ユーザーがダウンロードする際にセキュリティ上の罠を踏んでしまうリスクが極めて高くなります。
STEPX Neoが提示した解は、システムレベルのネイティブセキュリティアーキテクチャです。
STEPX Neoのシステム設定には、新たに独立した「エージェントセキュリティ」モジュールが追加されています。
ユーザーはこのインターフェースからA仔の各種呼び出し権限を一括管理でき、可視化されたTool Callの監査ログを確認できます。

具体的には、StepFun端末はStep AOSにおいて、**「トラスト(信頼)」「ビジビリティ(可視性)」「コントロール(制御性)」「リバーシビリティ(可逆性)」**を中心としたセキュリティ防衛基盤を構築しています:
- トラスト(信頼):クラウドで処理されるすべてのアップロードデータに対して強制的な匿名化を実施。ユーザーの電話番号、高精度な位置情報、機微なマルチモーダル映像の平文アップロードは決して許可されません。
- ビジビリティ(可視性):すべてのツール呼び出し履歴、権限リクエスト、実行チェーンの全工程が構造化されて記録されます。A仔がどのデータ資産を利用したのかが、タスクパネル上で一目瞭然です。
- コントロール(制御性):ローカルファイルの削除、決済の実行、機微なアプリを跨ぐ連携など、高リスクな操作ノードにおいては、システムが強制的に二重確認ダイアログをポップアップ表示します。また、各種の認可境界はいつでもワンタップで取り消しが可能です。
- リバーシビリティ(可逆性):ディザスタリカバリレベルの「ロールバック機構」を提供。写真、ドキュメント、メモ、連絡先などをエージェントが誤って削除する異常動作が発生した場合でも、ステップごとのロールバックや全体復旧をサポートします。

エコシステムの管理ガバナンスという側面においても、セキュリティは同様にネイティブな基底層として位置づけられています。
コミュニティで配信されるSkillやAgentの安全性と信頼性を担保するため、StepFun端末は配信元の入口で参入障壁を設けました:
すべての開発者は作品を提出する前に、電話番号と連携した実名認証を通過する必要があり、プラットフォーム全体のSkillとAgentに対して厳格な実名追跡メカニズムが適用されます。

さらに、プラットフォームには静的コンプライアンススキャンが備わっており、インストールパッケージ内に .env 環境変数、各種プライベートキー認証情報、ローカルデータベースファイル、実行ログ、あるいは USER.md といったプライバシー痕跡を含むファイルが紛れ込んでいることを検知した場合、システムは即座にリリースを遮断します。
これこそが、STEPX Neoがエコシステム構築を着実に推進できている核心的な支えと言えるでしょう。
セキュリティ基盤が堅牢であればあるほど、エコシステム開放の半径はより広く拡張できるのです。
明確で追跡可能な権限分離ポリシーと監査追跡メカニズムがあるからこそ、サードパーティのサービスプロバイダーも安心してH2A2Aプロトコルを通じてStep Amooにコアサービス機能を開放でき、多くのメイカーたちも自作のAgentにスマートフォンの日常タスクを安心して任せられるのです。
パーソナルエージェント(Personal Agent)の新時代において、業界の競争軸は大きな変革期を迎えています。
かつては各陣営が基底モデルのパラメータ規模やBenchmarkのスコア競争に焦点を当てていました。しかし、テクノロジーがエッジ側のマスアダプション(大規模な普及)フェーズへと進むにあたり、ユーザーが抱く「安心して託せる感覚(信頼感)」こそが、プロダクトがキャズムを超えられるかどうかを決定づける最大のボトルネックとなります。
強固なセキュリティ基盤がなければ、どれほど賢いAgentであっても、サンドボックス環境で文字を入力してチャットするだけのツールにとどまるしかありません。
ハードウェアとソフトウェアが一体となったネイティブアーキテクチャによって信頼の境界を確立できた者だけが、パーソナルエージェント時代への正式な入場券を真に手に入れたと言えるのです。
いざ、ハードウェアへ
あらゆる技術の爆発的成長期において、常に先頭を走るのはクラウドソフトウェアであり、大規模モデルや各種Agentもその例外ではありませんでした。
しかし、ユーザー体験を究極の領域へと押し上げるためには、ハードウェアとソフトウェアの統合は、決して避けては通れない必然の道なのです。