PPIO 联合创始人兼 CEO 姚欣
2025 世界人工智能大会 （WAIC） 期间，笔者见到 PPIO 联合创始人兼 CEO 姚欣时，他刚从美国回来不到两天，并且在白天与无数位客户、投资人、媒体、各级领导等介绍新产品与交流。
他的日程相当紧凑。姚欣告诉笔者，当天晚上还需要与一些投资人见面。最后，我们单独聊了不到 1 个小时。
笔者问他：日程排得这么满，是因为你的精力非常旺盛吗？
他笑着回答：「该旺盛旺盛，要能屈能伸，我上周刚从国外回来，前两天还在倒时差。」
姚欣是一位穿越多个科技周期，拥有丰富创业、投资经验的人：他曾是知名网络视频平台 PPTV 的创始人，最后公司卖给了苏宁；他还曾在蓝驰创投担任投资合伙人。
2018 年，姚欣和王闻宇 （PPIO 公司联合创始人兼 CTO） 一起创立了 PPIO，团队一直深耕边缘云计算服务，十分低调。
然而，随着 ChatGPT、DeepSeek 等大模型技术引爆全球 AI 热潮，带来 GPU 算力及 AI 推理需求激增，2023 年，PPIO 全面发力 AI 云计算服务，并且成为第一批适配 DeepSeek 的 AI Infra 公司，也是行业内极少数能对 DeepSeek 满血版运行的平台公司。因此，PPIO 在 AI Infra 行业内的知名度和关注度瞬间暴增。
招股书披露，PPIO 对 DeepSeek-R1 模型进行优化，采用 PD 分离等创新分布式计算技术，在提升通信效率的同时实现工作负载均衡。这种措施使吞吐量提高 10 倍以上，并将理论运营成本降低高达 90%。通过算子融合、低精度量化及投机采样等技术，该公司将模型输出效率提高了 7 倍以上，并将理论运营成本降低 85.7%。
据灼识咨询数据显示，按 2024 年收入计，PPIO 是中国第七大边缘云计算服务提供商，在中国独立边缘云计算服务商中排名第一，市场份额为 4.1%；按计算节点数计，PPIO 派欧云运营着中国最大的算力网络。
而且，PPIO 也是分布式云计算市场中最早提供 AI 云计算服务的参与者之一。其 AI 云计算服务增长迅速，日均 token 消耗量从 2024 年 12 月的 271 亿次，增至 2025 年 6 月的 2000 亿次，在中国独立 AI 云计算服务供应商中位列前两名。
今年 6 月，姚欣的 PPIO（主体为 PPLabs Technology Limited） 正式向港交所提交上市招股书，启动 IPO 上市之路。
姚欣告诉笔者，提交招股书之后，大家非常关注 PPIO 公司，他需要见的投资人也变得更多了。
WAIC 2025 期间，姚欣宣布，PPIO 正式发布国内首个 Agentic AI 基础设施服务平台。其中，PPIO 研发了国内首款兼容 E2B 接口的 Agent 沙箱，专为 Agent 执行任务设计，在云端环境运行，为 Agent 赋予安全可靠、高效敏捷的 「手和脚」；同时，PPIO 模型服务支持百款主流开源与定制 AI 模型的快速接入、弹性部署与高效调用，助力开发者与企业快速构建 AI Agent 应用，满足核心需求。
姚欣表示，PPIO 将致力于从中国首款 Agent 沙箱到模型服务，再到 AI 智能体平台全面布局，为开发者和企业打造 Agent 基础设施服务。
姚欣认为，AI 要走向智能化，就需要 Agentic AI 基础设施服务平台，而 MCP 只是大厂的 「羊毛」，无法解决根本性问题。
对于中美 AI 大模型，姚欣指出，他观察到，中国公司都开始加速 「卷」 开源模型，但 OpenAI 等美国公司就转成闭源模型，但他认为，开源模型对于 AI 行业发展更加有利，同时也让 AI Infra 公司有了更多的发展机遇。
姚欣表示，虽然模型技术还在不断更新，但很多企业还没找到一个合理的商业化方向。对于模型公司来说，这是一个赢者通吃的市场，大家做更好的模型技术，但模型本身无法实现商业化，更多是依靠生态实现盈利。而 AI Infra 基础设施领域只是一个非常低毛利、海量规模、长周期的市场。
「你想想，如果水、电、气、煤都成了暴利，这个行业能走多远吗？」 姚欣称。
姚欣强调，国产算力卡的春天到了，未来 AI 算力需求都会转向推理端，很多国产卡和算力设施都将迎来新的发展机会。虽然中心化模型还能再保持 10%、20% 的增速，但未来更大的增长方向是分布式算力，尤其是边、端、侧算力爆发式增长。
「我一直希望 PPIO 做面向未来的新一代 AI 应用的云计算公司。」 姚欣称。
以下是 PPIO 创始人兼 CEO 姚欣的独家对话整理 （有一定删减）：
问：最近中美 AI 模型之间发生了哪些新变化？
姚欣：我发现一个还挺有趣的观察是：中国公司开始卷开源模型，美国就变成闭源模型了，连 Meta 也开始走向闭源化。
之前，我一直关注开源这件事。我认为开源有两个方面的价值：
第一个，开源是一个非常好、低成本沟通市场的手段，打响品牌，能够促成大家关注的方式；
第二个，开源更开放，所以更容易建立生态，客户在使用开源模型时没有负担。
所以从这两点上来说，中国大模型厂商之所以想要赚更多的钱，是因为他们发现，想要从模型层面赚钱，并不是一件容易的事情。
国内大模型赛道实在很卷。而且实事求是讲，我们 （中国）、美国最先进模型的性能相比，还是有差距的。
问：近期多个消息称，DeepSeek 热度似乎消退，平台用户使用率已从年初 7.5% 的峰值明显回落，官网流量同期下滑近三成，其使用率由过年时 7.5% 的高点下滑到如今的 3%。您认为，这个变化的原因是什么？这是否会影响很多 Infra 公司发展？
姚欣：DeepSeek 还是很有机会的，DeepSeek 这种开放性，尤其放弃了自己商业化机会，我觉得这是一件好事。
就像 Linux 一样，如果一开始要做成一家商业化公司，就不会有这么多人用 Linux。正是因为 Linux 基金会做了一个价值观选择，用他的真心长期坚持，最终成功了。
今天对于这些公司，我还是非常尊重的，每一个创始人都有自己的选择，但毫无疑问今天大家都用自己的方式来推动模型世界的发展。正是因为有开源模型，才有 Infra 公司的机会。所以，从我们立场来看，更愿意看到更先进的开源模型出来，甚至我们自己也在捐赠开源，提供代码贡献等。
无论是闭源模型，还是开源模型，基本上还是 3-6 个月周期的更迭，如果你赶不上这种迭代周期的话，就可能被卷出局了。「六小龙」 卷出去，就是因为有的人跟不上了，国外也是如此，现在差不多也就那么 4 家了，甚至 Meta 扎克伯格也急了，上亿元挖硅谷工程师。
我认为，模型技术还在不断更新，但是大家仍在探索一个合理的商业化方向。
问：PPIO 刚刚发布的国内首个 Agentic AI 基础设施服务平台，与公司定位的独立分布式云计算服务商有何关联和联系？
姚欣：首先，PPIO 是一家独立分布式云计算服务商，这更多是一个定义。「独立」 这个词，是一个很重要的客户市场划分，之前叫中立性运营服务。
事实上，大厂云业务可能会跟客户有一些竞争，客户在采购的时候会有一些顾虑，但我们不可能与大厂的云计算业务直接竞争，主要定位是一些大厂云不能服务的客户，可以考虑我们这种更加中立的第三方服务，所以大家提 「独立」 这个概念。这样对于客户来说，可以有选择的灵活性。
其次，相比公有云、混合云服务，我们专门做垂直细分领域的分布式云计算业务。同时，我的价值主张是，我们不会跟我的客户产生冲突。
因此，这两点其实是我们公司的优势。
PPIO 落地的核心场景：一个是边缘云、另一个是 AI 云计算。
其中在边缘云方面，我们的技术实力和服务能力得到了业界的广泛认可。我们为众多国内外领先的科技公司 （根据灼识咨询的数据，包括中国前十大互联网公司的大部分）、云计算公司以及 「独角兽」 初创公司提供了边缘云计算服务和 AI 云计算服务。而且，我们是在 IaaS、PaaS、MaaS 三层都具备相应技术能力的公司。
同时，不只是云计算，还有 AI Infra 优化和 GPU 资源利用率。如果企业有大量任务调度，只是服务一类需求，峰值会达到 90%，但平时基本都是闲置。
一天 24 小时，服务器只跑两小时，剩下 22 小时都在闲置利用。
因此，这就要求有很强的调度能力、融合能力、模型优化、底层算子等技术能力，而 PPIO 都有很强的市场竞争力。
AI Infra 过去一段时间做的是怎么把 GPU 用好、GPU 利用率提升、GPU 跟模型的适配做好等技术。而 Infra 再上升一层，核心将不再是 GPU，而是 AI 运行框架。
问：Agentic AI 基础设施服务平台的灵感来源于哪里？
姚欣：其实我们很早就看到了 Agentic AI 技术方向。大的背景是，我们一直在为 Manus 的母公司 Monica 服务，关于这个想法，我们与肖弘曾在 2023 年有过交流。
我认为，今天 AI 要走向智能化，一定需要有一套所谓的虚拟电脑，在里面像仿真一样去访问所有信息源，这是一套通用且终极的解决方案，而不是 MCP。
我认为，MCP 就是大厂的羊毛。
问：为什么 MCP 是大厂的羊毛？
姚欣：这是行业观点。本质上，今天的 MCP 是把自己的数据开放给第三方调用，站在大厂的角度来讲，为什么开放？我最核心的数据能开放吗？
再比如，微信的朋友圈关系能开放吗？支付宝的支付记录能开放吗？抖音推荐算法能开放吗？这些都不可能开放的。而 MCP 开放的目的在于，要把用户引导回来。
问：您认为 AI Infra 公司属于赚钱的一方吗？
姚欣：Infra 赚很薄的利润，但它的规模会很大。我一直认为，AI Infra 基础设施领域应该是一个非常低毛利、海量规模、长周期的市场。你想想，如果水、电、气、煤都成了暴利，这个行业能走多远吗？
当然，国内 Infra 企业之间的定位都不太一样。如果不算公共基础设施，只要私有化部署的话，这类公司还是可以盈利的。
对于公有云的 AI Infra，就是一个大规模、低毛利的产业。即便连英伟达，我认为它的毛利也会下降。
我的观点一直没变化。在训练时代，英伟达一家独大，但推理时代百花齐放。今天，不同类型的应用，不同类型的模型，不同类型的参数，使用的卡型也会不一样，英伟达在训练时壁垒和护城河特别强，但推理时代会面临巨大挑战。所以，随着竞争加剧，毛利率下降，这是一个必然。
如今从技术趋势来看，就是从 AI 算力训练，走向推理；从中心化架构到分布式的架构，推理计算卡百花齐放，需求不同、应用场景不同，百花齐放必然会导致行业的竞争加剧，自然也会带来毛利下降。这是我的完整逻辑。
问：国产算力卡目前还面临哪些挑战和机遇？
姚欣：首先，从此前的训练，到如今的推理，我认为国产卡的春天到了，特别是加了 PD 分离架构之后，很多专注于做推理任务的计算卡，未来空间机会还是很大的。
其次，另一个机会在于，国产 GPU 芯片两年迭代一次，这是一个稳步规划的方向。但这里面的挑战在于，国产卡与软硬件、模型之间的结合，因为模型的迭代速度还是很快的，比如去年 MoE 还不是主流，今年全都是 MoE 架构的模型。
为什么会有 Wintel 联盟，当年比尔·盖茨讲过一句话，每一代英特尔发布的芯片的高性能，都远远不够软件所吞吃掉的能力，本质上，Windows 和英特尔芯片之间是一个互补关系。如今，今天这种硬件、软件之间的快速迭代、良性结合，会推动 AI 时代加速到来。
最后，要想做好硬件，就要懂软件；要想做好软件优化，就要了解底层硬件架构，这样的端到端垂直整合能力越来越重要，只做其中的一层是没戏的。大的技术趋势，主要还是由软件驱动硬件的迭代，或者说由模型架构的进步，去驱动硬件的性能迭代。而 PPIO 要做的就是最懂模型和应用的 Infra 公司。
问：英伟达 H20 恢复销售之后，国产卡是否将面临更多竞争压力？
姚欣：我觉得经过这次教训，大家都清楚 AI 芯片 「卡脖子」，随时断供，即使能用，也要再找替代。不只是国产 GPU 公司，今天连所有依赖 AI 发展的互联网大厂都将面临算力卡国产化转型，做多卡融合、多卡兼容解决方案，这是一个普遍趋势。
今天，你不能捡着最好的用，一定是你有啥用啥，所以说，这种多卡融合是一个基础和必备的方向。
问：您认为中美 AI 算力还有多少差距？
姚欣：PPIO 属于云计算层面。所以在我看来，对于算力底层来说，中美 AI 算力布局方式是不太一样的。
中国的 AI 底层是做算力网络、东数西算。虽然中国在最先进性能上面比不过英伟达最先进的 GPU 卡，但中国在各地建设这么多资源，做算力枢纽、调度和整合。在我们看来，算力调度、算力网络只有中国才能长出来，就像高铁网和电力调度网只有在中国才能发展起来，我们能做的算力核心在于，中国的网络基础设施已经足够领先了。
而美国的算力底层就不一样了。美国在做星际之门，堆 20 万张卡、拿核电站在发电，因为美国没有统一电网，每个州的电网都不通，电费计价都不一样。所以，美国在加大基础设施建设，逐步建公路、建电网，而美国的优势在于，卷高科技、卷核聚变，让数据中心与核电能源实现互通和整合。
然而，问题存在于，10 万卡互联都有数据中心散热，但 20 万张、50 万张卡的时候，光互联和散热能力无法解决，而且可能会带来很大的问题。当这个数据中心启动的时候，对于电网的冲击相当于在一瞬间增加了一个中小型城市的用电负荷。
所以，星际之门对于散热的挑战、能耗的挑战、电网的冲击、能源的冲突等都有一定的局限性，大家会质疑推理是否需要集中化。
在我看来，推理不需要集中。推理是典型的分布式，基础模型需要不断迭代，长期来看，智算中心的训推不会长期在一起的，训推一定是分离的。未来，训练集群和推理集群一定是两个集群，现在训推一体是为了训练削峰填谷，因为训练任务之间是不能够保证百分百衔接。
长期看，推理算力占比达到 95%，训练只占据 5%。所以，未来大量数据中心需要分布式以及海量的推理优化，如何把数十万张卡用好，其实是一个关键性的技术趋势。
问：近期，人形机器人赛道非常火爆，但机器人似乎不完全用云计算，您认为机器人或具身智能有非常强的算力需求吗？
姚欣：机器人、自动驾驶的实时计算，需要毫秒级的处理速度，这个就只能用本地化算力。未来机器人需要实时理解物理环境，作出自主决策和判断，那么各类感知，规划，空间交互中都需要消耗大量 tokens，而且对时延敏感，那么就需要在网络边缘侧能够部署大量 AI 推理算力。
不同的算力结构都有它特定用途。
一般来说，机器人计算用常规端侧 AI 芯片就够用，但它需要更高性能的话，就要跑在低时延的云侧，这就是我们要做边缘云、AI 推理云的意义所在。而且，如果运行包括复杂任务拆解、推理、形成代码等场景，至少需要 30B 参数规模，而且 Agent 也会运行在云端。
所以，未来我们的边缘云、AI 推理云两个业务会融合 「会师」 的，云、边、端各有各的需求。
问：PPIO 的最终目标是什么？
姚欣：我一直希望做面向未来的新一代 AI 应用的云计算公司。
早在 2018 年我二次创业之前，我在蓝驰做投资，当时我就思考，机器人、自动驾驶、VR/AR 这些技术未来都能实现。5 年、10 年、20 年后，就像当年我们就用抖音、用微信一样，大家对于计算需求会成千上万倍提升。
同时，大家对于计算的需求，逐渐从中心化，再向云边端侧迁移，背后这个叫 「数据引力效应」 计算概念，就是随着数据处理下沉，计算也要逐步下沉，这是计算机的范式迁移。
如果把计算机的历史拉长一点。计算机就是 20 年中心化、20 年分布式。
之前，从 IBM 大型机到 PC 机时代，后面互联网早期诞生时的核心是云计算。如今，计算走向分布式，所以，这是 20 年为周期的计算架构的范式转变。
如今，我认为中心化模式到了一个阶段性顶点，虽然它还能再保持 10%、20% 的增速，但更大的增长是分布式算力，尤其是边端侧算力爆发式增长。这就是 2018 年我们 PPIO 为什么要做分布式云、做边缘计算的原因，当时我们看到了新的趋势，未来自动驾驶、机器人等场景都将需要分布式的算力。
（本文首发于钛媒体 App，作者｜林志佳，编辑｜盖虹达）
