深度｜PPIO姚欣：國內日均調用最大的獨立Token工廠，未來99%的流量來自Agent

2026 年的上海世博展覽館，空氣里彌漫的已不再是單純的算力硝煙。視線所及之處，主通道兩旁不少展臺都赫然印著“Token 工廠”的標，這構成了本屆世界人工智能大會（WAIC）最顯著的敘事轉向，也體現了今年AI行業的變化。

趁著大會間隙，我們順勢對話了PPIO聯合創始人兼CEO姚欣，在“Token工廠”成為全場高頻詞的2026年WAIC，姚欣的判斷自帶一種務實感：少談AGI何時到來，更多討論需求是不是真的、成本還能降多少，以及誰能把模型能力真正轉化為穩定運行的生產力。

此時的PPIO，也正處在一個關鍵節點。2026年6月10日，PPIO（派想未來集團）再次向港交所遞交上市申請。

招股書顯示，PPIO總營收從2023年的3.58億元增至2025年的7.70億元，復合年增長率46.6%。收入結構發生顯著變化：AI云計算收入從2024年的1038.7萬元躍升至2025年的1.192億元，同比增長超十倍，占總營收比重從1.9%提升至15.5%，AI相關業務成為拉動整體增長的核心動力。

需求回歸理性：Token 消耗從“嘗鮮”轉向“生產力”

姚欣首先給這一輪AI熱潮定了一個調：“AI需求是真實的，而且已經進入了正循環?！?/p>

在他的觀察中，2026年初那一輪極為陡峭的增長，更多由大眾的嘗鮮需求推動。用戶集中體驗AI編程、深度研究和各類智能體產品，帶動Token調用量快速攀升。但當最初的熱度逐漸退去，企業級需求并沒有隨之消失，反而呈現出更加扎實的增長曲線——目前，企業級Token消耗量仍保持每月10%至20%的穩定增長。

根據招股書，從調用規?？矗琍PIO的日均Token消耗量從2025年12月的2710億增至2026年4月的1.03萬億，4個月增長近4倍，6月又飆升至1.2萬億。根據灼識咨詢統計，按 2025 年及 2026 年第一季度平均每日 Token 消耗量計，PPIO 在中國獨立 AI 云計算服務提供商中排名第一。平臺全球注冊開發者從12.5萬人增至66.6萬人，呈現出陡峭的增長曲線。

一個頗具代表性的變化發生在PPIO內部。財務、人事、行政等非技術崗位調用智能體的頻率，甚至已經超過部分技術人員。AI最先進入的，并不一定是最復雜、最前沿的研發場景，而是企業內部大量重復、瑣碎卻又必須完成的工作：整理數據、查詢資料、生成文檔、跨系統流轉信息，以及跟進標準化流程。

這也正在催生更多OPC，即One Person Company“一人公司”。創業者不再一定要先融資、招人、搭建完整團隊，而是先購買一個Token包，調用多個Agent完成產品開發、市場調研和運營測試，用更低的成本跑出Demo、驗證需求，再決定是否擴大投入。“我們離全民失業還很遠，但AI輔助完成80%工作量的目標正在加速實現。”姚欣表示。

在他看來，真正值得關注的變化，不只是每個人使用AI的頻率提高，而是Token的主要調用者正在由人轉向Agent。人的指令天然受到時間和注意力限制，但Agent可以在后臺持續調用模型、搜索信息、運行代碼、處理文件并操作工具。一個復雜任務背后，可能對應幾十次甚至數百次模型推理。當Token消耗不再完全依賴人的主動指令，而是由智能體自主規劃和調度時，整個市場的增長邏輯也將隨之改變。

此外，雖然GPU換代速度有所放緩，SSD等存儲成本也一度上漲，但姚欣對AI使用成本的下降依然樂觀。“每一年的智能使用成本，仍將呈現接近十倍的下降速度。”

從AI Infra走向Agentic Cloud

隨著閉源模型的邊際迭代逐漸放緩，姚欣認為，決定“智能密度”的關鍵，正在從單純的模型能力，轉向推理效率和智能體調用效率。欣提出了一個 Agent 時代的核心公式——Agent 生產力 = Token 智能密度 × Agent Loop 時長。Token 智能密度決定了 Agent 每一步決策的質量上限，Agent Loop 時長決定了 Agent 能持續運行多久、完成多復雜的任務。

基于這一判斷，PPIO提出從AI Infra向Agentic Cloud的戰略升級。同時構建了兩層原生產品體系：智能模型網關是 AI Agent 的智能調度中心；Agent Harness 層融合沙箱、任務編排、Tool Use、記憶管理等于一體，延長 Agent 可持續運行的 Loop 時長以解決復雜長程任務。

其核心邏輯可以拆解為三層。第一層，將已布局三年的模型API服務升級成“智能Token工廠”。PPIO強調的并不是簡單采購GPU、轉售算力，而是通過推理框架、模型部署、異構調度和系統優化，提高單位GPU能夠生產的有效Token數量。從底層算力到上層應用，進行端到端的全棧優化，最終出售的不是一張GPU卡的使用時間，而是更低成本、更高質量的模型推理結果。換句話說，未來衡量一家AI云廠商的核心指標，可能不再是擁有多少張卡，而是能夠以多低的成本，穩定生產多少高質量Token。

第二層，是混合模型的邏輯（MoM，Mixture of Models）。傳統模型路由解決的是“一個任務應該分配給哪個模型”，本質上仍是在多個模型中選擇一個最合適的選項。PPIO所強調的“Mix”，則是讓多個模型共同參與同一個任務，通過分工、交叉驗證和結果融合，提高復雜任務的成功率。

在 DRACO 深度研究基準測試中，PPIO 通過融合 Mimo-V2.5-Pro、Kimi-K2.7 和 GLM-5.2 進行混合模型推理，可以將性能提升至接近 Claude Fable5 的水平，而成本卻大幅下降。據綜合測算，PPIO 智能模型網關可以將智能水平提升 20%，將成本降低 50%-60%。

姚欣用一句更直白的話解釋這一思路：“三個臭皮匠頂個諸葛亮?！痹谶@一體系下，不同模型可以分別承擔規劃、執行、檢查和糾錯等角色。最終效果不再取決于某一個模型的能力上限，而取決于整個系統如何組合和調度模型。

第三層，則是Harness工程。在姚欣看來，當模型能力逐漸趨同，真正決定智能體體驗的，不再只是底層模型，而是模型之外的整套工程系統：如何構建上下文、管理長期記憶、調用外部工具、控制任務流程、驗證執行結果，并在失敗后自動重試。未來的護城河，不只是模型“有多聰明”，而是智能體能否運行得更穩定、調用更多工具，完成更長時間、更復雜的任務。

PPIO 在去年推出的國內首款兼容 E2B 接口的 Agent 沙箱，就是為 Agent Harness 提供安全隔離的運行環境。PPIO Agent 沙箱上線一年，業務規模已增長超 120 倍。

這正是Agentic Cloud與傳統AI云的區別：后者主要面向人和應用程序提供算力，前者則需要為能夠自主規劃、持續執行任務的數字員工提供完整的運行環境。

在姚欣的設想中，未來云端99%的流量都可能由Agent產生。他透露，目前，PPIO官網已經進行了“AI Agent友好”改造。當人類用戶訪問網站時，看到的仍然是常規網頁；但當Agent訪問時，系統可以直接向其展示Skill、MCP和命令行接口。Agent能夠自主理解服務能力、選擇模型、發起調用，甚至完成賬戶充值，整個過程不再需要人工逐步點擊操作。

談及出海和全球競爭，姚欣的觀點是。“AI產業的競爭，本質上是中國華人與硅谷華人的競爭?！?/p>

在他的判斷中，全球AI競爭并不是簡單的中美公司對抗。在硅谷的大模型公司、開源社區和智能體創業項目中，華人工程師已經成為一支不可忽視的力量；與此同時，中國本土團隊則擁有大規模互聯網應用、高并發系統和快速產品迭代的長期積累。OpenClaw等智能體項目在中國的迅速流行，某種程度上也印證了中國開發者和創業者對新技術極強的接受和工程轉化能力。