StepStar

1.1 身份、布局与产品逻辑

本报告用 StepStar 作为 StepFun 的英文尽调标签；StepFun 是 Shanghai Jieyue Xingchen Intelligent Technology Co., Ltd. 的商号。公开登记和公司资料均指向 2023 年 4 月 6 日成立、注册地址在上海徐汇；官方入口则把读者导向 StepFun 官网、开发者平台、Studio 和 Step AI 助手。产品身份不是单一聊天机器人：公司展示的是模型平台、消费者助手、模型文档，以及暗示 API 商业化路径的定价 / 限速页面。官方愿景接近口号：放大每个人的可能，让每个人都强十倍；模型页面重点展示 Step 3.7 Flash、Step 3.5 Flash、Step 2 和 Step 1。已抓取证据支持上海和北京运营信号，但本章未能验证用户要求核查的杭州办公室；应把它列为地点尽调缺口，而不是既成事实。[CO001, CO002, CO003, CO004, CO005, CO006]

1.2 创始人、领导层与治理披露面

公司最值得承销的资产，仍是围绕 Jiang Daxin 的技术领导层。Baidu 和 China AI Atlas 支撑了关键人物叙事：Jiang 在 Microsoft/MSRA 体系约 16 年，做到首席科学家或全球副总裁，并在 2024 年成为 IEEE Fellow。公开创始人及准创始人资料也显示，Zhu Yibo 是 CTO / 系统负责人，具备大规模系统经验；Jiao Binxing 来自 Microsoft Bing，是搜索与数据负责人。2026 年，治理叙事扩展：Yin Qi 据报道并在登记信息中出任董事长 / 法定代表人，Jiang 仍任董事和经理。这有利于运营厚度，但公开材料没有披露董事会投票权、优先股条款、观察员权利、创始人归属安排，或经核对的股东名册。因此，尽调判断是：创始人—市场匹配强，但治理透明度不足。[CO008, CO009, CO010, CO011, CO012, CO013]

1.3 融资、投资人和 IPO 准备度

StepFun 的融资记录，是本章最清晰的外部验证。36Kr 和 1ai 称，2024 年 12 月 Series B 融资规模为数亿美元，参与方包括上海国资、Tencent、FiveYuan/Wuyuan Capital 和 Qiming Venture Partners；Crunchbase 另将 StepStar 列入 2024 年 12 月估值 $1 billion 的独角兽。2026 年 1 月 B+ 轮佐证更强：Eastmoney 和 AIBase 报道融资超过 RMB5 billion，由上海国资和产业资本领投，Tencent、Qiming、FiveYuan 跟投。到 2026 年春天，叙事从私募融资转向上市准备：Yicai、The Standard、Reuters 镜像、Tencent News 等来源提到红筹拆除、可能的 pre-IPO 融资，以及募资约 US$500 million、估值 US$10 billion 至 US$12 billion 的香港 IPO 目标。它带来强资本市场选项，也带来监管结构风险和估值—披露张力。[CO017, CO018, CO019, CO020, CO021, CO022]

1.4 里程碑、规模信号与需延续核查的缺口

公开时间线解释了 StepFun 为什么很快进入「大六家」讨论：2023 年成立，早期模型推进很快，2024 年 7 月 WAIC 上完成 Step-2 定位里程碑，2024 年 12 月获独角兽融资，2026 年 1 月完成 B+ 融资并升级董事长，2026 年发布产品 / 模型，同时排出 2026 年 IPO 时间表。规模证明有意义，但不均衡。Eastmoney 报道超过 42 million 的设备模型安装基数、近 20 million 日服务量、手机品牌渗透、Geely 座舱部署，以及与芯片和云厂商的生态合作。Tencent News 也报道了 2025 年和 2026 年收入估计，但这些是未经审计的媒体估算，不是管理层财务数据。最重要的反向来源是 Lotus/CNINFO 文件，它称 StepFun 处于大额亏损状态，并提示市场、政策和运营风险。因此，后续章节应复用身份和融资事实，但独立检验产品—市场匹配、客户质量、经审计收入、毛利率、算力烧钱和 IPO 准备度。第二个需延续核查的问题是证据来源：若干规模数字来自媒体文章或数据库资料，而非发行人认证披露；后续章节应把它们当作待验证线索，而不是最终承销输入。[CO029, CO030, CO031, CO032, CO033, CO034]

1.5 图表

2.1 市场边界：StepStar 卖的是模型能力，不是整个 AI 经济

StepStar 正确的市场边界，是以中国为中心的基础模型和生成式 AI 技术栈；不是整个 AI 经济，也不只是消费者聊天。StepStar 自家平台展示了面向生产的智能体型 Step 3.7 Flash 模型、无代码模型体验中心、API 使用，以及面向消费电子、内容创作、智能汽车、本地生活、金融、制造、游戏和政府的垂直方案。由此纳入的市场横跨四个变现面：MaaS/API 模型消耗、企业私有或托管部署、消费者设备和应用集成，以及政府或国企数字化服务。应排除的支出包括没有 AI 工作负载的通用云容量、传统分析、非 AI SaaS 和未变现的开源实验。替代品集合异常宽，因为买方可以选择 DeepSeek、Qwen、Doubao、GLM、全球 API 平台、开放权重本地部署，或超大规模云厂商的模型路由器，而不是 StepStar 端点。这个边界很关键：市场可以很大，但 StepStar 可变现的池子只限于中国买方愿意为能力、延迟、合规、集成或分发付费，而不是使用免费开放权重的那一块。[CM001, CM002, CM003, CM004, CM005, CM035]

2.2 规模估算方向利好，但数字彼此不兼容

市场规模故事很有吸引力，但数字混乱。口径较窄的 Grand View / Horizon 国家页面称，中国生成式 AI 到 2030 年应达到 $17.6 billion，CAGR 为 39.1%；MarketsandMarkets 则把中国 2025 年生成式 AI 市场定为 $7.0 billion，并预测 2030 年接近 $98.8 billion，CAGR 为 45.8%。Tianxia Gongchang 的中国大模型口径接近这个 2025 年数字，约 RMB49.5-51.0 billion；若纳入 AI 赋能软件，则扩至 RMB100-130 billion。Axis Intelligence 采用更宽的中国 AI 收入口径，把 2025 年放在约 $28-31 billion，并引用更宽的 IDC 式活动代理指标，约 $62 billion。全球口径同样不一致：Gartner 预计 2026 年 AI 支出为 $2.596 trillion，主要由基础设施主导；而 Grand View、Precedence 和 MarketsandMarkets 的 LLM 专项预测集中在个位数十亿到数百亿美元区间。尽调结论不是给这些数字取平均。对 StepStar 而言，TAM 是中国和全球基础模型需求；SAM 是中国 MaaS、私有部署、AI 应用以及设备 / 政府方案支出；SOM 取决于定价权、分发和工作负载份额，而公开来源没有拆出这些变量。[CM006, CM007, CM008, CM009, CM010, CM011]

2.3 买方分散在企业平台、开发者、消费者、政府和设备伙伴之间

StepStar 面向的不是单一买方画像。企业需要私有数据锚定、工作流智能体、合规和集成时，预算可能来自 CIO、CTO、数字化转型、业务部门或 AI 平台团队。开发者和创业公司通过 API 平台购买或试用，每 token 低价、长上下文、SDK 兼容性和模型路由器位置决定份额。消费者使用通常通过应用、手机 OEM、内容产品或订阅间接付费，而不是直接收到基础模型账单。政府和国企买方在中国是独立付款群体，因为国家 AI+ 政策明确鼓励公共服务和产业落地。设备和汽车伙伴也是一条路径，因为 StepStar 宣传消费电子和智能汽车方案；在这条路径上，用户可能从不知道底层模型来自 StepStar。因此，采用路径从能力证明和免费 token，走向开发者使用、企业试点、集成、治理审查和规模化生产。关键门槛是预算所有者是否清晰、模型切换成本多高、数据控制要求多强，以及 StepStar 是否嵌入了能把使用转成付费经常性需求的渠道。[CM017, CM018, CM019, CM020, CM021, CM022]

2.4 Token 增长和政策支持真实存在，但定价、算力和信任限制价值捕获

最强的市场驱动，是中国模型使用似乎已经从演示跨入高容量部署：Digital in Asia 报道，到 2026 年 3 月，日 AI token 达到 140 trillion；DigitalApplied 报道，2026 年 Q2 中国供应商拿下 OpenRouter 流量的 45% 以上。政府政策也是顺风：国务院 AI+ 意见推动跨行业采用，Axis 则引用了私人投资总额低估的国家和引导基金资本。全球企业需求也在从试点走向生产，Deloitte 报道员工 AI 访问增长 50%，McKinsey 则警告 AI 可能吃掉多达三分之一的变革预算。同一组证据也界定了约束。DeepSeek 官方定价显示 token 价格很低；AWS 和 Azure 让模型路由和多供应商选择变成常态；Qwen 和 DeepSeek 的开放权重让能力更可替代；中国特有监管还增加安全评估、实名义务、标识和内容控制风险。因此，市场判断是：使用量和政策利好，收入质量喜忧参半，对无差异模型 API 不利。StepStar 需要分发、垂直集成或智能体工作流控制，才能把中国 AI 增长转成可防守收入。[CM026, CM027, CM028, CM029, CM030, CM031]

2.5 图表

3.1 中国前沿模型格局：StepStar 可信，但不是量级领先者

StepStar 所在的是全球最拥挤的基础模型市场之一。中国竞品集合不只是拿了风投的钱的「六小虎」；还包括 DeepSeek 的低成本开放推理栈、Alibaba/Qwen 的云与开放权重机器、ByteDance/Doubao 的消费者分发、Baidu/ERNIE 和 Tencent/Hunyuan 的存量企业渠道，以及 Baichuan 等垂直化同行。证据支持 StepStar 是严肃玩家：Step3 是大型多模态 MoE 模型，STEPX Neo 则给公司一条终端级产品逻辑。反向解读是，独立 2026 年 Q2 供应商地图把 StepFun 排在最大 API 量级领导者之后，因此公司当前公开优势不是原始 API 份额。差异化必须来自多模态效率和设备 / 智能体集成，而不是默认开发者后端。尽调需要这一点，因为买方比较按工作负载展开，而不是按公司名展开：文档智能体、编码智能体、设备助手、云托管企业模型和自托管开放权重，都能满足重叠任务。因此，StepStar 需要证据证明，Step3 加终端这条路能改变使用频率或服务成本，而且便宜 API 难以复制。[CP001, CP003, CP007, CP008, CP009, CP036]

3.2 能力与开放性：Step3 有效率优势，但开放生态已很拥挤

Step3 架构是竞争论点的正面核心：总参数 321B、每 token 激活 38B、多模态推理、公开模型检查点，以及兼容 OpenAI/Anthropic 的访问方式。对需要在受限加速器上跑视觉—语言推理的买方来说，这是可信的技术切入点。问题在于，开放已经不稀缺。DeepSeek 开源 R1 和蒸馏模型，Qwen3 在广泛模型家族中开放稠密与 MoE 权重，Zhipu 以宽松许可发布 GLM 模型，Moonshot 和 MiniMax 发布大型 MoE 模型卡，Meta 则通过 Llama 在国际市场维持开放权重压力。因此，StepStar 的策略更像选择性开放叠加终端分发，而不是独一无二的开源护城河。买方可以跨这些 API 和模型检查点多宿主，降低切换成本，也削弱单独模型访问的溢价。比较方式也会改变基准测试解读。强模型卡是进入候选名单的必要条件；但如果买方能用开放模型检查点、云托管 Qwen 或 GLM 部署，或 DeepSeek 式低成本路由复现可接受表现，它还不足以赢单。StepStar 必须证明，多模态效率在生产中到底在哪里可量化。[CP001, CP002, CP010, CP011, CP015, CP017]

3.3 定价、融资和全球标杆抬高门槛

融资故事很强，但不够。公开来源显示，StepStar 到 2024 年底已成为独角兽，2026 年据报完成超过 RMB 5 billion 的 B+ 轮，并与估值目标更高的潜在香港 IPO 绑定。但 Moonshot、Zhipu、MiniMax、Baichuan 等私营公司的融资数据参差不齐，单靠资本化无法干净排序。采购可比性在定价和包装上更清楚。DeepSeek、Kimi、Gemini、OpenAI 和 Baichuan 发布 API 或商业定价入口；Alibaba 把 Qwen 包进云部署和合规工具；OpenAI、Anthropic 和 Google 则提供国际企业级控制和模型广度标杆。StepStar 有公开技术模型故事，但已审阅证据在标价、企业管理、支持承诺和使用控制上更薄。落到实际采购，StepStar 是高潜力但不够清晰的选项。技术团队可能喜欢 Step3；CIO 或平台负责人仍会追问价格可预测性、安全姿态、支持、使用分析和备用模型。全球领导者和若干中国存量厂商已经把这些买方控制项摆了出来。[CP004, CP005, CP006, CP014, CP016, CP018]

3.4 护城河耐久性：DeepSeek 冲击和较小 API 份额构成反向情景

反向竞争情景很直接。DeepSeek 重置了买方对价格和开放性的预期；Qwen 和 GLM 让自托管和云部署更可信；MiniMax 和 Kimi 争夺长上下文与智能体工作负载；Doubao、Baidu、Tencent、OpenAI、Anthropic 和 Google 带来的分发能力，StepStar 很难快速复制。StepStar 的答案是一条整合「AI + 终端」路径；如果 STEPX 设备和伙伴成为经常性用户界面，它可能形成工作流级锁定。这个结果尚未得到公开证明。因此，尽调负担不是 StepStar 是否有技术可信的模型——它有——而是 StepStar 能否赢下任务级部署；在这些场景中，买方也可以因成本把工作路由给 DeepSeek，因开放性选 Qwen 或 GLM，因长上下文智能体选 Kimi 或 MiniMax，或因企业控制选国际前沿供应商。由此得出的尽调姿态是：把 StepStar 视为差异化挑战者，而不是已经证明的品类赢家。下一步最重要的证据，是重复部署案例能证明终端访问、模型效率和多模态推理共同产生持久优势，胜过更便宜或分发更强的替代品。[CP012, CP024, CP027, CP028, CP035, CP037]

3.5 图表

4.1 融资与估值轨迹

StepStar 的融资记录，是其财务画像中最可见的一块；但即便在这里，公开证据也更偏标题级，而非尽调级。多个来源称，2024 年 12 月 Series B 有上海国资、Tencent、Qiming Venture Partners 和 5Y Capital 参与；后续来源称，2026 年 1 月 B+ 轮超过 RMB 5 billion，约 US$700 million 以上，并新增国资、产业资本和存量财务投资人。估值路径没那么干净：2024 年报道把公司放在约 US$1 billion 档位；2026 年 1 月中文报道估计投后区间约 RMB 20-30 billion；后续面向 IPO 的英文报道则抛出更高美元目标。后面的 IPO 估值应视为市场报道，不是已完成融资条款。最强结论不是精确估值曲线，而是 StepStar 已成为少数能在同业面对更挑剔融资市场时，仍吸引超大规模战略资本的中国基础模型创业公司。因此，下表记录融资事实，并把已确认轮次金额与报道或推断的估值锚分开。[CI001, CI002, CI003, CI004, CI005, CI006]

4.2 收入模式与变现披露

公开记录不足以支撑常规收入模型拆解。StepStar 官方入口展示消费者聊天、开放平台、模型卡和 Step Plan 促销页面，包括限时免费 token 优惠；但没有提供完整收入表、实际成交价格、客户集中度、确认收入、年经常性收入（ARR）、留存或毛利率。独立中文报道主张公司有终端优先的商业化路径，并引用手机安装、日服务量、汽车部署和 API 增长；这些证据能说明商业化方向，但仍不等于经审计收入。最可防守的收入模型，是终端与平台混合：平台上的 API 使用或套餐订阅，与手机和汽车伙伴的授权或集成经济性，以及未来企业或智能体工作流套餐。每条收入流的承销信息仍不足，因为计量单位、价格兑现、收入分成、支持义务和收入确认政策都未公开。因此，本章把公开变现视为方向上得到证明，但财务上无法量化。[CI011, CI012, CI013, CI014, CI015, CI016]

4.3 成本结构、单位经济性与烧钱速度

StepStar 更不像轻 SaaS 公司，而像资本密集型基础模型和 AI 设备基础设施公司。公司自有和第三方材料强调大型多模态模型、Step 3.7 Flash、Step-3 效率、AI 智能体、端侧部署、车载语音模型和模型迭代。中文报道称，B+ 轮资金将用于基础模型研发和 AI 终端推出；长篇文章也明确把算力基础设施和顶尖 AI 人才列为投资重点。这些事实使 GPU / 算力、高级研究人才、模型服务基础设施、数据运营和集成工程，成为最可能的烧钱类别。但没有来源披露月度烧钱、云承诺、GPU 资本开支、单用户推理成本、毛利率或伙伴收入分成。反向市场背景很重要，因为行业来源描述了更广泛的转向：从不受约束地烧钱，转向变现、效率和公开市场审视。因此，单位经济性只能做方向性估计：如果效率主张成立，StepStar 或许拥有更低边际推理成本，但公开记录不足以把它转译为毛利率或现金跑道。[CI020, CI021, CI022, CI023, CI024, CI025]

4.4 资本充足性与 IPO 融资背景

B+ 轮显著改善 StepStar 的资本充足性，但仍不足以承销现金跑道。按中国 AI 标准，超过 RMB 5 billion 是一笔大型私募融资，可能给公司继续训练模型、补贴推理、招聘和深化终端伙伴关系留下空间。但公开来源没有显示轮前或轮后现金、月度净烧钱、计划算力承诺、债务义务、清算优先权，或融资是否包含老股流动性。2026 年后续报道称 StepStar 正在探索香港 IPO，并可能募资约 US$500 million，这又增加了一个融资依赖信号：公司可能希望趁私募市场仍接受 AI 终端故事时引入公共资本。这些 IPO 报道可作为市场背景，但不等同于已提交的招股书。因此，财务判断是平衡的：StepStar 拥有异常强的资本获取能力和一个可能差异化的商业化渠道，但详细财务仍未公开，决定性尽调阻塞点仍是收入、利润率、烧钱速度、现金跑道、股权结构条款和伙伴经济性。[CI032, CI033, CI034, CI035, CI036, CI037]

4.5 图表

5.1 产品定义与组合宽度

StepFun 不是单产品 AI 创业公司；公开产品定义是一套分层平台。可见组合从消费者 StepFun AI 应用和桌面智能体开始，加上用于实验和创作的 AI Studio，开放带 API 文档和定价的 Open Platform，把面向编码与智能体工具的 Step Plan 订阅打包进去，现在又通过 STEPX Neo 智能体手机概念延伸到终端硬件。按工作流看，公司想掌握从基础模型到智能体执行界面的路径：开发者通过 OpenAI 风格 API 调用模型，创作者在 Studio 里实验，消费者使用 StepFun AI，设备伙伴则可把多模态助手能力嵌入手机、车辆或其他终端。组合宽度是正面承销信号，因为它展示了多条分发路径，而不是单纯研究演示。需要警惕的是，宽度也会分散执行：模型质量、API 可靠性、应用 UX、开放权重支持、订阅经济性和硬件—智能体集成，需要不同运营肌肉。[CE001, CE018, CE019, CE028, CE029, CE030]

5.2 模型架构、成本效率与基准证据

最强的产品技术证据是 Step-3。公开技术材料描述了一个 321B 参数多模态 MoE，每 token 激活 38B 参数，支持 65,536 上下文，采用 MFA attention、48 个专家且每 token 选择 3 个专家。系统论文和模型博客对工程逻辑写得异常明确：不是单纯堆参数，而是降低解码成本。MFA 降低 KV-cache 和 attention 计算；AFD 把 attention 与 FFN 工作拆到专门推理子系统。StepFun 还披露了预训练规模——超过 20T 文本 tokens 加 4T 图文混合 tokens——并报告 MMMU、MATH-Vision、AIME25、GPQA-Diamond、LiveCodeBench 等任务的基准结果。成本故事可信，因为模型、attention 算术、稀疏激活和部署指引彼此一致。但这些基准仍主要由公司发布，比较器复现设置很关键；已审阅公开记录中没有找到独立复现。因此，Step-3 可以作为严肃技术资产来承销，但还不能被独立认证为持久性能护城河。[CE002, CE003, CE004, CE005, CE006, CE009]

5.3 部署、开发者工作流与智能体界面

StepFun 的使用路径先面向开发者，也先面向智能体。Open Platform 和 API 参考文档记录了 chat-completion 调用、兼容 OpenAI 的迁移、按 token 计费、速率限制和分模型定价。Step Plan 为使用 OpenClaw、Claude Code、Trae、Cursor 等编码和智能体平台的开发者增加了一层订阅。开放模型侧，Step-3 出现在 GitHub 和 Hugging Face，在中国通过 ModelScope 分发；部署指南支持 vLLM 和 SGLang，但也显示大模型自托管仍然吃硬件。这个分叉对尽调很重要。托管 API 和订阅产品降低采用摩擦，开放权重提升开发者心智和自托管选择权。与此同时，开放权重也会商品化部分模型层，最低部署足迹仍大到不适合普通企业随手自托管。只有当 StepFun 能把模型层转成稳定工具、记忆、编排、设备集成和可支持的企业工作流，智能体策略才更可防守。[CE007, CE008, CE009, CE010, CE018, CE020]

5.4 路线图、信任控制与技术风险判断

路线图推进很快：2024 年 WAIC 展示 Step-2，2024 年推出 Step-1V 和其他多模态线，2025 年与 Geely 开放视频 / 音频模型，2025 年推出 Step-3，2026 年推出 Step-3.7 Flash 和 Step Plan，2026 年 7 月推出 STEPX Neo。这个节奏支持一个判断：StepFun 具有真实的模型开发速度，也有宽广的多模态议程。信任和部署证据更薄。公司发布了隐私、用户协议和平台管理规则，定价 / 限速文档也比通用营销页面更具体。但已审阅公开记录没有识别到官方状态页、uptime SLA、SOC 2 或等同认证、独立模型风险审计，或旗舰 Step-3 基准的第三方复现。反向观点因此不是 StepFun 没有技术，而是大型开放多模态模型栈可以被复制，基准叙事可由发行方选择，生产级企业保证还没有追上产品野心。[CE016, CE017, CE022, CE023, CE024, CE025]

5.5 图表

6.1 客户分层：伙伴主导分发先于直客证明

StepFun 的公开客户故事异常依赖渠道。最强证据不像经典 SaaS 客户名单，更像通过手机 OEM、汽车座舱、应用商店消费者、API 开发者，以及能让 Amoo 在 STEPX Neo 内执行有用动作的生态伙伴来分发。据报道，通过 OPPO、Honor 和 ZTE 的设备集成提供了最清楚的规模化使用界面；Geely 则是最清晰的具名汽车部署伙伴。消费者 StepFun AI 应用提供评分和评论，但不提供活跃用户或变现数字。开发者 / API 来源展示目录、价格和开源界面，而不是付费账户队列。这个分层很重要，因为 StepFun 可能更接近嵌在伙伴渠道里的模型与智能体基础设施供应商，而不是拥有可独立观察终端客户需求的公司。因此，本章把伙伴、用户和付款方分开处理，而不是把所有触达都折叠成客户。实际尽调应逐个分层追问：StepFun 是否控制账户关系，是否只是提供模型能力，还是依赖另一平台暴露需求。[CU001, CU002, CU003, CU004, CU005, CU014]

6.2 采用证明：42M+ 设备触达很强，但分母不均衡

最具体的采用指标，是据报道截至 2025 年底通过手机伙伴达到超过 42 million 的设备安装基数。这是有意义的分发信号，也比单纯 logo 页更强，因为它把 StepFun 模型绑定到已出货设备。但分析一旦从伙伴触达转向使用质量，公开记录就更薄。Geely 报道指向智能座舱共研和 2026 年部署预期，但本章没有生产激活率、单车使用量或合同经济性。STEPX Neo 具有战略重要性，因为它可能让 StepFun 成为直接消费者硬件拥有者；但发布报道反复提示价格、规格、出货目标和销售时间缺失。StepFun AI 应用评分显示真实消费者存在，API 定价来源则显示开发者可接入。没有一个来源披露留存、ARPU、付费用户转化，或按渠道拆分的收入贡献。因此，设备数字是漏斗顶部 KPI，而不是完整采用指标；应与日活请求、经常性合同和伙伴发票核对。[CU002, CU005, CU006, CU007, CU009, CU010]

6.3 具名客户证明：伙伴有名字，付费客户和留存没有

具名证明表刻意保守。OPPO、Honor、ZTE、Geely、Alipay、Kingdee 和 Huaqin 都是公开报道中的真实具名实体，但角色不同。手机厂商和 Geely 更像分发或部署伙伴；Alipay、Meituan、Didi、Trip.com、CapCut 等应用公司是生态参与者；Kingdee 和 Alipay 报道指向企业服务与支付基础设施合作；Huaqin 是制造依赖。这些信号有价值，但不等同于已披露付费客户数量或可引用企业合同。留存几乎完全私有：已审阅公开材料没有出现净留存率（NRR）、总留存率（GRR）、流失率、续约率、合同长度、队列留存、头部客户集中度或分层 ARPU。这意味着客户质量必须通过伙伴耐久性和分发杠杆承销，而不是传统经常性收入指标。后续客户访谈应区分试点、付费生产部署和联合营销公告，避免把伙伴可见度误认成合同客户质量。[CU003, CU005, CU007, CU010, CU014, CU015]

6.4 耐久性风险：OEM 锁定和生态权限仍是关键测试

反向证据直接削弱了简单的客户牵引叙事。GSMArena 质疑智能体手机发布背后有多少实质；Gogi 警告买方不要等待一款时间、定价或国际可用性都未确认的产品。中文分析对 StepFun 伙伴模式更尖锐：Toutiao 认为 OEM 关系并非独家，OPPO 或 Geely 可以切换或多源采购模型，而少数终端伙伴周围的收入集中可能变成断崖风险。BigGo 的发布分析增加了另一个运营约束：Amoo 的有用性取决于超级应用是否提供深且持久的接口，以及用户是否愿意交出敏感权限。尽调结论不是客户牵引不存在，而是公开证据支持广泛分发，却不支持留存耐久性。后续尽调应要求合同、独家条款、活跃用户队列、伙伴级收入、续约历史和权限接口深度。这个反向姿态尤其重要，因为如果最重要的应用限制自动化，或把关键工作流留给自家助手，智能体手机的用处就会下降。[CU012, CU013, CU028, CU029, CU030, CU031]

6.5 图表

7.1 监管、IPO 与法律结构风险

StepFun 的风险栈从监管开始，因为公司卖的不是普通软件；它运行在全球监管最活跃的 AI 体系之一。中国生成式 AI 规则、当前 CAC 备案公告、深度合成规定和国家 AI 内容标识标准，为任何面向公众的模型、API、智能体或设备界面列出一张实时运营清单。StepFun 自家法律页面展示了基础条款和隐私披露，但不能证明模型备案、标识落地、安全审计或企业控制准备已经完成。IPO 层进一步放大这个问题：Reuters 转发报道称，在北京审查红筹上市的背景下，公司拆除了离岸结构；其他来源则描述股改和香港 IPO 准备。这并不意味着上市受阻，但会让法律执行成为高影响路径依赖，而不是行政细节。[CR001, CR002, CR003, CR004, CR005, CR006]

7.2 算力、地缘政治与供应链风险

最具体的运营依赖是算力。StepFun 的大模型、API、手机和汽车野心，都需要可靠的模型训练、推理和边缘优化。公开来源没有显示 StepFun 的内部 GPU 合同，但行业背景已经足够不利，应把算力视为核心残余风险。美国出口管制分析、2026 年 H200 许可争论，以及海外中国实体受限报道都显示，Nvidia 级硬件获取可能由政策改变，而不只取决于采购能力。国产替代是部分缓释，不是完整解法：以 Huawei 为代表的产能正在中国提升份额，但 CFR 技术分析认为，Huawei 在前沿性能上仍明显落后于 Nvidia。对 StepFun 而言，GPU 风险是双向的：过度依赖美国来源芯片会带来地缘政治敞口，快速迁移到国产芯片又会带来优化、成本、性能和交付风险。[CR027, CR028, CR029, CR030, CR031, CR032]

7.3 竞争、变现与资本风险

竞争风险比普通的“市场拥挤”警示更重。StepFun 处在中国“AI 六小虎”叙事里，但公开反向来源认为，这组同业本身正承受 DeepSeek、Alibaba、ByteDance、Qwen 以及开放权重价格 / 性能模型的压力。Forbes 报道 DeepSeek 突然降价，其他来源也把中国模型市场概括为效率、开放分发和长期价格战。这迫使 StepFun 证明，除通用 API 访问之外还能变现。AsiaICT 的反向表述尤其相关，因为它直接点出核心问题：盈利模式未证实、依赖少数硬件厂商、成本重估压力。大额融资和 IPO 野心买来了时间，也抬高了证明门槛。如果 StepFun 不能把设备安装、企业使用和智能体功能转成持久利润率，公开市场投资者可能会认为估值叙事跑在经济性前面。[CR017, CR018, CR019, CR020, CR021, CR033]

7.4 人才、执行与伙伴依赖风险

StepFun 的人才叙事很强，但这一叙事本身也是风险因素。Jiang Daxin 的 Microsoft、STCA 和 IEEE Fellow 履历是有价值的信号，但也让公司故事异常依赖一位创始人的科学声望，以及他持续凝聚顶尖模型人才的能力。2026 年 1 月 Yin Qi 出任董事长，是有意义的缓释：公司在团队里加入了商业化与 AI 硬件负责人。它也带来执行挑战：同一批公开来源强调 AI + 硬件、智能汽车、设备和 Qianli 相关经验，因此公司如今要同时协调前沿模型、手机 OEM、汽车伙伴、芯片约束和 IPO 工作。公开报道列出了核心管理团队，却没有披露董事会架构、继任计划、留任激励或运营节奏，投资者因此难以有把握地承销关键人和跨领域执行风险。[CR020, CR021, CR022, CR023, CR024, CR025]

7.5 缓释因素、监测指标与否决条件

今天可见风险没有单项致命，但剩余风险堆栈仍高，因为多条风险链相互强化。监管合规影响产品发布节奏；产品发布节奏影响企业和设备变现；变现影响 IPO 准备度；IPO 准备度又影响公司继续为昂贵算力和人才融资的能力。公开缓释因素存在：国资相关和产业投资人、StepFun 法律页面、扩大的领导团队、主要设备伙伴，都降低了这是空转概念故事的概率。它们不能替代私下尽调。投资逻辑破裂触发器应当具体：CAC 备案和模型公示证据缺失或过期、AI 内容标识执行薄弱、没有清晰算力应急方案、DeepSeek 式价格压力下看不到毛利率路径、红筹或股改问题未解决，或者上市前核心技术领导团队离职。[CR040, CR041, CR042, CR043, CR044, CR045]

7.6 图表

8.1 投资建议与价格纪律

估值判断对价格敏感，而不是对公司质量敏感。StepStar 融资动能异常强：公开来源核验了 2024 年 12 月由上海国资、Tencent、Qiming 等投资人支持的 Series B；多家 2026 年来源核验了超过 RMB5 billion 的 Series B+；后续报道还描述了来自产业硬件玩家、国资相关投资人和既有创投股东的 Pre-IPO 或 IPO 路径融资。这一组合让香港上市具备可信度。承销难题在于，头部价格比公开基本面变化更快。本次审阅来源把公司在 Pre-IPO 语境下估到大约 $4 billion 至 $6 billion；部分融资数据集约 $10 billion；IPO 报道为 $12 billion；更激进市场传闻接近 RMB90 billion 或更高。本文审阅的 StepStar 官方页面和公开文件没有提供经审计收入、毛利率、烧钱速度、算力承诺、优先股堆叠或确定版招股书。因此，新投资人不应把最高 IPO 标记视为已证实价值；那只是动能标记，需要数据室确认。[CV001, CV002, CV003, CV004, CV005, CV006]

8.2 估值支撑与倍数上限

支撑溢价估值的最强证据不是披露的软件倍数，而是战略稀缺性。StepStar 背后有国资相关资本、Tencent/Qiming/FiveYuan 式财务投资人，以及后续报道中的 Huaqin、Longcheer、OmniVision、ZTE 等硬件生态投资人。来源还指向终端设备部署、移动 / 汽车合作，以及已有公开开发者入口的模型平台。这些都是真实战略信号，因为中国基础模型赢家需要资本、分发、算力获取和嵌入硬件的路径。限制因素是，基于公开证据无法干净地做收入倍数工作。Caijing 与一篇转载的 Tencent 文章报告 2025 年收入接近 RMB500 million、2026 年预计约 RMB1.2 billion，后续市场报道也重复这些数字；但这些是媒体估计，不是经审计的公司披露。用它们去计算 $10 billion、$12 billion 或接近 RMB90 billion 标记下的市销率，会制造虚假精确。因此，本章采用里程碑 / 情景估值，把收入披露视为尽调缺口，而不是表格分母。[CV016, CV017, CV018, CV019, CV020, CV021]

8.3 中国 AI 可比公司与 IPO 窗口

最有用的可比对象不是美国软件倍数，而是 2026 年香港 AI 上市参照和中国后期模型实验室融资轮。Zhipu/Z.AI 与 MiniMax 提供公开市场类比，Moonshot 提供私募估值类比。关键信号是，香港投资者愿意给稀缺 AI 上市公司很大的市值：StockAnalysis 显示，Z.AI 在 2026 年 7 月 20 日约 HK$397 billion，4 月 30 日约 HK$386.99 billion；MiniMax 5 月 14 日约 HK$266.59 billion，之后到 7 月 20 日跌至约 HK$60.56 billion。波动性很关键：同一组可比公司既支持 IPO 需求的乐观情景，也支持上市后估值压缩的悲观情景。Moonshot 据报道 $20 billion 至 $30 billion 的私募标记说明，StepStar 的 $10 billion 至 $12 billion IPO 目标在中国前沿实验室语境下并不荒唐；但可比表也表明，市值可能跑赢已披露收入，然后迅速修正。[CV027, CV028, CV029, CV030, CV031, CV032]

8.4 下行触发器与最终尽调问题

反向情景很直接：中国 AI 估值可能被资本稀缺、国家冠军叙事和 IPO 稀缺性拉动，跑得比基本面追赶更快。反向来源警告，算力成本、token 配给，以及相对收入 / 盈利能力的高估值，可能把当前周期推成类似泡沫的结构。对 StepStar，具体的降轮或 IPO 破发风险包括：重组或备案审核耗时超预期，导致 HKEX 时间表滑坡；招股书显示收入或亏损显著弱于媒体估计；公开市场投资者给私募或基石价格打折；MiniMax 式波动削弱下一单上市的需求；或者优先股条款过重，使头部估值不能很好代表普通股价值。因此，决定性尽调问题必须具体：已提交招股书、经审计收入、毛利率、算力承诺、客户集中度、股权结构表、清算优先权以及锁定期 / 老股出售结构。在这些材料可得之前，建议维持继续研究 / 观察，估值立场偏高。[CV039, CV040, CV041, CV042, CV043, CV044]

8.5 图表