PPIO聯合創始人兼CEO姚欣

2025世界人工智能大會（WAIC）期間，筆者見到PPIO聯合創始人兼CEO姚欣時，他剛從美國回來不到兩天，并且在白天與無數位客戶、投資人、媒體、各級領導等介紹新產品與交流。

他的日程相當緊湊。姚欣告訴筆者，當天晚上還需要與一些投資人見面。最后，我們單獨聊了不到1個小時。

筆者問他：日程排得這么滿，是因為你的精力非常旺盛嗎？

他笑著回答：“該旺盛旺盛，要能屈能伸，我上周剛從國外回來，前兩天還在倒時差。”

姚欣是一位穿越多個科技周期，擁有豐富創業、投資經驗的人：他曾是知名網絡視頻平臺PPTV的創始人，最后公司賣給了蘇寧；他還曾在藍馳創投擔任投資合伙人。

2018年，姚欣和王聞宇（PPIO公司聯合創始人兼CTO）一起創立了PPIO，團隊一直深耕邊緣云計算服務，十分低調。

然而，隨著ChatGPT、DeepSeek等大模型技術引爆全球AI熱潮，帶來GPU算力及AI推理需求激增，2023年，PPIO全面發力AI云計算服務，并且成為第一批適配DeepSeek的AI Infra公司，也是行業內極少數能對DeepSeek滿血版運行的平臺公司。因此，PPIO在AI Infra行業內的知名度和關注度瞬間暴增。

招股書披露，PPIO對DeepSeek-R1模型進行優化，采用PD分離等創新分布式計算技術，在提升通信效率的同時實現工作負載均衡。這種措施使吞吐量提高10倍以上，并將理論運營成本降低高達90%。通過算子融合、低精度量化及投機采樣等技術，該公司將模型輸出效率提高了7倍以上，并將理論運營成本降低85.7%。

據灼識咨詢數據顯示，按2024年收入計，PPIO是中國第七大邊緣云計算服務提供商，在中國獨立邊緣云計算服務商中排名第一，市場份額為4.1%；按計算節點數計，PPIO派歐云運營著中國最大的算力網絡。

而且，PPIO也是分布式云計算市場中最早提供AI云計算服務的參與者之一。其AI云計算服務增長迅速，日均token消耗量從2024年12月的271億次，增至2025年6月的2000億次，在中國獨立AI云計算服務供應商中位列前兩名。

今年6月，姚欣的PPIO（主體為PPLabs Technology Limited）正式向港交所提交上市招股書，啟動IPO上市之路。

姚欣告訴筆者，提交招股書之后，大家非常關注PPIO公司，他需要見的投資人也變得更多了。

WAIC 2025期間，姚欣宣布，PPIO正式發布國內首個 Agentic AI 基礎設施服務平臺。其中，PPIO研發了國內首款兼容 E2B 接口的Agent沙箱，專為Agent執行任務設計，在云端環境運行，為Agent賦予安全可靠、高效敏捷的“手和腳”；同時，PPIO模型服務支持百款主流開源與定制AI模型的快速接入、彈性部署與高效調用，助力開發者與企業快速構建AI Agent應用，滿足核心需求。

姚欣表示，PPIO將致力于從中國首款 Agent沙箱到模型服務，再到 AI 智能體平臺全面布局，為開發者和企業打造 Agent 基礎設施服務。

姚欣認為，AI要走向智能化，就需要Agentic AI基礎設施服務平臺，而MCP只是大廠的“羊毛”，無法解決根本性問題。

對于中美AI大模型，姚欣指出，他觀察到，中國公司都開始加速“卷”開源模型，但OpenAI等美國公司就轉成閉源模型，但他認為，開源模型對于AI行業發展更加有利，同時也讓AI Infra公司有了更多的發展機遇。

姚欣表示，雖然模型技術還在不斷更新，但很多企業還沒找到一個合理的商業化方向。對于模型公司來說，這是一個贏者通吃的市場，大家做更好的模型技術，但模型本身無法實現商業化，更多是依靠生態實現盈利。而AI Infra基礎設施領域只是一個非常低毛利、海量規模、長周期的市場。

“你想想，如果水、電、氣、煤都成了暴利，這個行業能走多遠嗎？”姚欣稱。

姚欣強調，國產算力卡的春天到了，未來AI算力需求都會轉向推理端，很多國產卡和算力設施都將迎來新的發展機會。雖然中心化模型還能再保持10%、20%的增速，但未來更大的增長方向是分布式算力，尤其是邊、端、側算力爆發式增長。

“我一直希望PPIO做面向未來的新一代AI應用的云計算公司。”姚欣稱。

以下是PPIO創始人兼CEO姚欣的獨家對話整理（有一定刪減）：問：最近中美AI模型之間發生了哪些新變化？

姚欣：我發現一個還挺有趣的觀察是：中國公司開始卷開源模型，美國就變成閉源模型了，連meta也開始走向閉源化。

之前，我一直關注開源這件事。我認為開源有兩個方面的價值：

第一個，開源是一個非常好、低成本溝通市場的手段，打響品牌，能夠促成大家關注的方式；

第二個，開源更開放，所以更容易建立生態，客戶在使用開源模型時沒有負擔。

所以從這兩點上來說，中國大模型廠商之所以想要賺更多的錢，是因為他們發現，想要從模型層面賺錢，并不是一件容易的事情。

國內大模型賽道實在很卷。而且實事求是講，我們（中國）、美國最先進模型的性能相比，還是有差距的。

問：近期多個消息稱，DeepSeek熱度似乎消退，平臺用戶使用率已從年初 7.5% 的峰值明顯回落，官網流量同期下滑近三成，其使用率由過年時 7.5%的高點下滑到如今的 3%。您認為，這個變化的原因是什么？這是否會影響很多Infra公司發展？

姚欣：DeepSeek還是很有機會的，DeepSeek這種開放性，尤其放棄了自己商業化機會，我覺得這是一件好事。

就像Linux一樣，如果一開始要做成一家商業化公司，就不會有這么多人用Linux。正是因為Linux基金會做了一個價值觀選擇，用他的真心長期堅持，最終成功了。

今天對于這些公司，我還是非常尊重的，每一個創始人都有自己的選擇，但毫無疑問今天大家都用自己的方式來推動模型世界的發展。正是因為有開源模型，才有 Infra公司的機會。所以，從我們立場來看，更愿意看到更先進的開源模型出來，甚至我們自己也在捐贈開源，提供代碼貢獻等。

無論是閉源模型，還是開源模型，基本上還是3-6個月周期的更迭，如果你趕不上這種迭代周期的話，就可能被卷出局了。“六小龍”卷出去，就是因為有的人跟不上了，國外也是如此，現在差不多也就那么4家了，甚至meta扎克伯格也急了，上億元挖硅谷工程師。

我認為，模型技術還在不斷更新，但是大家仍在探索一個合理的商業化方向。

問：PPIO剛剛發布的國內首個Agentic AI基礎設施服務平臺，與公司定位的獨立分布式云計算服務商有何關聯和聯系？

姚欣：首先，PPIO是一家獨立分布式云計算服務商，這更多是一個定義。“獨立”這個詞，是一個很重要的客戶市場劃分，之前叫中立性運營服務。

事實上，大廠云業務可能會跟客戶有一些競爭，客戶在采購的時候會有一些顧慮，但我們不可能與大廠的云計算業務直接競爭，主要定位是一些大廠云不能服務的客戶，可以考慮我們這種更加中立的第三方服務，所以大家提“獨立”這個概念。這樣對于客戶來說，可以有選擇的靈活性。

其次，相比公有云、混合云服務，我們專門做垂直細分領域的分布式云計算業務。同時，我的價值主張是，我們不會跟我的客戶產生沖突。

因此，這兩點其實是我們公司的優勢。

PPIO落地的核心場景：一個是邊緣云、另一個是AI云計算。

其中在邊緣云方面，我們的技術實力和服務能力得到了業界的廣泛認可。我們為眾多國內外領先的科技公司（根據灼識咨詢的數據，包括中國前十大互聯網公司的大部分）、云計算公司以及“獨角獸”初創公司提供了邊緣云計算服務和AI云計算服務。而且，我們是在IaaS、PaaS、MaaS三層都具備相應技術能力的公司。

同時，不只是云計算，還有AI Infra優化和GPU資源利用率。如果企業有大量任務調度，只是服務一類需求，峰值會達到90%，但平時基本都是閑置。

一天24小時，服務器只跑兩小時，剩下22小時都在閑置利用。

因此，這就要求有很強的調度能力、融合能力、模型優化、底層算子等技術能力，而PPIO都有很強的市場競爭力。

AI Infra過去一段時間做的是怎么把GPU用好、GPU利用率提升、GPU跟模型的適配做好等技術。而Infra再上升一層，核心將不再是GPU，而是AI運行框架。

問：Agentic AI基礎設施服務平臺的靈感來源于哪里？

姚欣：其實我們很早就看到了Agentic AI技術方向。大的背景是，我們一直在為 Manus的母公司Monica服務，關于這個想法，我們與肖弘曾在2023年有過交流。

我認為，今天AI要走向智能化，一定需要有一套所謂的虛擬電腦，在里面像仿真一樣去訪問所有信息源，這是一套通用且終極的解決方案，而不是MCP。

我認為，MCP就是大廠的羊毛。

問：為什么MCP是大廠的羊毛？

姚欣：這是行業觀點。本質上，今天的MCP是把自己的數據開放給第三方調用，站在大廠的角度來講，為什么開放？我最核心的數據能開放嗎？

再比如，微信的朋友圈關系能開放嗎？支付寶的支付記錄能開放嗎？抖音推薦算法能開放嗎？這些都不可能開放的。而MCP開放的目的在于，要把用戶引導回來。

問：您認為AI Infra公司屬于賺錢的一方嗎？

姚欣：Infra賺很薄的利潤，但它的規模會很大。我一直認為，AI Infra基礎設施領域應該是一個非常低毛利、海量規模、長周期的市場。你想想，如果水、電、氣、煤都成了暴利，這個行業能走多遠嗎？

當然，國內Infra企業之間的定位都不太一樣。如果不算公共基礎設施，只要私有化部署的話，這類公司還是可以盈利的。

對于公有云的AI Infra，就是一個大規模、低毛利的產業。即便連英偉達，我認為它的毛利也會下降。

我的觀點一直沒變化。在訓練時代，英偉達一家獨大，但推理時代百花齊放。今天，不同類型的應用，不同類型的模型，不同類型的參數，使用的卡型也會不一樣，英偉達在訓練時壁壘和護城河特別強，但推理時代會面臨巨大挑戰。所以，隨著競爭加劇，毛利率下降，這是一個必然。

如今從技術趨勢來看，就是從AI算力訓練，走向推理；從中心化架構到分布式的架構，推理計算卡百花齊放，需求不同、應用場景不同，百花齊放必然會導致行業的競爭加劇，自然也會帶來毛利下降。這是我的完整邏輯。

問：國產算力卡目前還面臨哪些挑戰和機遇？

姚欣：首先，從此前的訓練，到如今的推理，我認為國產卡的春天到了，特別是加了PD分離架構之后，很多專注于做推理任務的計算卡，未來空間機會還是很大的。

其次，另一個機會在于，國產GPU芯片兩年迭代一次，這是一個穩步規劃的方向。但這里面的挑戰在于，國產卡與軟硬件、模型之間的結合，因為模型的迭代速度還是很快的，比如去年MoE還不是主流，今年全都是MoE架構的模型。

為什么會有Wintel聯盟，當年比爾·蓋茨講過一句話，每一代英特爾發布的芯片的高性能，都遠遠不夠軟件所吞吃掉的能力，本質上，Windows和英特爾芯片之間是一個互補關系。如今，今天這種硬件、軟件之間的快速迭代、良性結合，會推動AI時代加速到來。

最后，要想做好硬件，就要懂軟件；要想做好軟件優化，就要了解底層硬件架構，這樣的端到端垂直整合能力越來越重要，只做其中的一層是沒戲的。大的技術趨勢，主要還是由軟件驅動硬件的迭代，或者說由模型架構的進步，去驅動硬件的性能迭代。而PPIO要做的就是最懂模型和應用的Infra公司。

問：英偉達H20恢復銷售之后，國產卡是否將面臨更多競爭壓力？

姚欣：我覺得經過這次教訓，大家都清楚AI芯片“卡脖子”，隨時斷供，即使能用，也要再找替代。不只是國產GPU公司，今天連所有依賴AI發展的互聯網大廠都將面臨算力卡國產化轉型，做多卡融合、多卡兼容解決方案，這是一個普遍趨勢。

今天，你不能撿著最好的用，一定是你有啥用啥，所以說，這種多卡融合是一個基礎和必備的方向。

問：您認為中美AI算力還有多少差距？

姚欣：PPIO屬于云計算層面。所以在我看來，對于算力底層來說，中美AI算力布局方式是不太一樣的。

中國的AI底層是做算力網絡、東數西算。雖然中國在最先進性能上面比不過英偉達最先進的GPU卡，但中國在各地建設這么多資源，做算力樞紐、調度和整合。在我們看來，算力調度、算力網絡只有中國才能長出來，就像高鐵網和電力調度網只有在中國才能發展起來，我們能做的算力核心在于，中國的網絡基礎設施已經足夠領先了。

而美國的算力底層就不一樣了。美國在做星際之門，堆20萬張卡、拿核電站在發電，因為美國沒有統一電網，每個州的電網都不通，電費計價都不一樣。所以，美國在加大基礎設施建設，逐步建公路、建電網，而美國的優勢在于，卷高科技、卷核聚變，讓數據中心與核電能源實現互通和整合。

然而，問題存在于，10萬卡互聯都有數據中心散熱，但20萬張、50萬張卡的時候，光互聯和散熱能力無法解決，而且可能會帶來很大的問題。當這個數據中心啟動的時候，對于電網的沖擊相當于在一瞬間增加了一個中小型城市的用電負荷。

所以，星際之門對于散熱的挑戰、能耗的挑戰、電網的沖擊、能源的沖突等都有一定的局限性，大家會質疑推理是否需要集中化。

在我看來，推理不需要集中。推理是典型的分布式，基礎模型需要不斷迭代，長期來看，智算中心的訓推不會長期在一起的，訓推一定是分離的。未來，訓練集群和推理集群一定是兩個集群，現在訓推一體是為了訓練削峰填谷，因為訓練任務之間是不能夠保證百分百銜接。

長期看，推理算力占比達到95%，訓練只占據5%。所以，未來大量數據中心需要分布式以及海量的推理優化，如何把數十萬張卡用好，其實是一個關鍵性的技術趨勢。

問：近期，人形機器人賽道非常火爆，但機器人似乎不完全用云計算，您認為機器人或具身智能有非常強的算力需求嗎？

姚欣：機器人、自動駕駛的實時計算，需要毫秒級的處理速度，這個就只能用本地化算力。未來機器人需要實時理解物理環境，作出自主決策和判斷，那么各類感知，規劃，空間交互中都需要消耗大量tokens，而且對時延敏感，那么就需要在網絡邊緣側能夠部署大量AI推理算力。

不同的算力結構都有它特定用途。

一般來說，機器人計算用常規端側AI芯片就夠用，但它需要更高性能的話，就要跑在低時延的云側，這就是我們要做邊緣云、AI推理云的意義所在。而且，如果運行包括復雜任務拆解、推理、形成代碼等場景，至少需要30B參數規模，而且 Agent也會運行在云端。

所以，未來我們的邊緣云、AI推理云兩個業務會融合“會師”的，云、邊、端各有各的需求。

問：PPIO的最終目標是什么？

姚欣：我一直希望做面向未來的新一代AI應用的云計算公司。

早在2018年我二次創業之前，我在藍馳做投資，當時我就思考，機器人、自動駕駛、VR/AR這些技術未來都能實現。5年、10年、20年后，就像當年我們就用抖音、用微信一樣，大家對于計算需求會成千上萬倍提升。

同時，大家對于計算的需求，逐漸從中心化，再向云邊端側遷移，背后這個叫“數據引力效應”計算概念，就是隨著數據處理下沉，計算也要逐步下沉，這是計算機的范式遷移。

如果把計算機的歷史拉長一點。計算機就是20年中心化、20年分布式。

之前，從IBM大型機到PC機時代，后面互聯網早期誕生時的核心是云計算。如今，計算走向分布式，所以，這是20年為周期的計算架構的范式轉變。

如今，我認為中心化模式到了一個階段性頂點，雖然它還能再保持10%、20%的增速，但更大的增長是分布式算力，尤其是邊端側算力爆發式增長。這就是2018年我們PPIO為什么要做分布式云、做邊緣計算的原因，當時我們看到了新的趨勢，未來自動駕駛、機器人等場景都將需要分布式的算力。

（本文首發于鈦媒體App，作者｜林志佳，編輯｜蓋虹達）