对话PPIO姚欣：AI大模型赛道加速内卷，但合理盈利路径仍需探索

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）