DeepSeek融资并非为了钱，独家对话PPIO姚欣：Agent离不开智能Token工厂

　　（来源：智能纪元AGI）

　　今年是我和PPIO（派想未来）创始人、CEO姚欣对话的第三年，也是ChatGPT热潮的三年。

　　我持续见证着PPIO从分布式云到智能Token工厂的转型，以及奔赴IPO的过程。

　　姚欣创业超过20年，他完整经历了中国互联网和移动互联网时代，非常喜欢钻研技术和商业创新。无论是当年的PPTV还是今天的PPIO，都是将技术跟商业创新进行深度融合，将AI技术融入到整个计算机系统体系当中。

　　从2023年新一轮AI热潮开始，姚欣团队战略性地开展AI云计算服务，加速向智能Token工厂进发。

　　如今，姚欣每个季度都要全球跑，全球调研，全球理解，并与很多新锐企业合作，在Agent热潮还没爆发前，就已先落子，基于分布式计算技术实现大模型与算力的灵活调度，保持着前沿性。

　　2025年，PPLabs公司总营收超过7.7亿元。截至2026年6月，PPIO日均Tokens调用量超1.2万亿Tokens。

　　姚欣告诉我，受到Agent应用和模型技术更迭，今年PPIO业务增速较快。唯一的挑战就是，算力需求依然无法被完全满足。

　　事实上，最近关于AI模型和tokens使用量的热度攀升。

　　其中，DeepSeek-V4使用量持续攀升；而最新的Kimi K3模型爆火，导致算力紧张、价格攀升、Plan服务关闭等，引发关注。

　　因此，基于Agent的智能Token工厂正在成为新的发展趋势。

　　今年除夕看春晚的时候，姚欣搭建了第一个小“龙虾”，春节后他开始给整个公司都派发了Token，让高管和员工都要去用Agent和Vibe Coding类产品。

　　姚欣和我说，未来99%的Token都不是人消耗的，而是Agent消耗的。因此，他需要用Agent帮助他管理企业的业务组织。

　　这次采访的时候，恰好外媒报道，DeepSeek年化收（ARR）逼近5亿美元，最早2027年IPO上市。

　　在此之前，DeepSeek已经完成500亿元融资。其中，DeepSeek创始人梁文锋出资200亿元。背后的原因众说纷纭，包括留住人才、资本化购买AI算力。

　　姚欣则认为，梁文锋的DeepSeek进行融资，绝不是为了钱，其个人财务、企业体量早已无需依靠商业化、上市获利，融资的核心、初心始终是落地AGI，而非追逐商业利益。

　　“留住人才、做Coding，梁文锋的这两个判断跟我的看法是很像的。奔向AGI，不止是模型，今天要有辅助手段：第一个需要有资本化上市用激励团队，第二个需要Harness、Agent形成收入，才能实现AGI。我觉得他的初心和方向和路径依然没有变，他有能力商业化，但不是追求最大商业化，这跟其他纯商业型公司背后有大量VC投入、一轮轮涨估值，然后要去讲一个更大的故事，还不太一样。”姚欣称。

　　在姚欣看来，DeepSeek V4系列模型大幅降价75%的背后，不是抢占市场、收割利润，而是倒逼行业加速迭代、推动AI技术全民普及，推动整个国内AI产业快速成熟。

　　展望未来，姚欣认为，Agentic Cloud时代已经到来。对此，PPIO Agentic Cloud 构建了两层原生产品体系：智能模型网关，确保用低成本、高智能性能完成Agent任务；构建Agent Harness层，融合沙箱、任务编排、Tool Use、记忆管理等，解决复杂长程任务。

　　据测算，PPIO智能模型网关可以将智能水平提升20%，将成本降低50%-60%。

　　“Agent 时代最重要的变化，就是云的第一客户从人变成了 Agent。”姚欣强调，PPIO希望为Agent打造一套原生适配的全栈云服务体系，彻底释放Agent的产业价值。

　　以下是PPIO创始人姚欣，与智能纪元AGI对话实录，经整理，有一定删减：

　　一、DeepSeek引爆国产AI大模型走到下半场

　　智能纪元AGI：当下DeepSeek梁文锋团队的发展路径非常特殊，此前不追求商业化最大化，初心聚焦AGI研发，但今年DeepSeek也开始推进资本化、布局API和编码场景，你如何解读其战略转变？

　　姚欣：在所有大模型创始人中，梁文锋是最神秘、最纯粹的一位。其个人财务、企业体量早已无需依靠商业化、上市获利，核心初心始终是落地AGI，而非追逐商业利益。

　　在我看来，今年的战略转变，并非初心改变，而是落地AGI的必要辅助手段。

　　第一，团队人才需要资本化激励，创始人不追求利益，但核心团队需要合理的回报机制，上市资本化是留住人才的核心方式；

　　第二，AGI的落地不仅是模型，而是需要海量真实场景的Harness、Agent等应用产品，布局编码、智能体场景，能够收集真实用户数据和体验反馈，形成技术迭代闭环。

　　DeepSeek V4系列大幅降价普及API服务的核心目的，也不是抢占市场、收割利润，而是倒逼行业加速迭代、推动AI技术全民普及，相当于行业的“鞭策者”，打破行业躺赢局面，推动整个国内AI产业快速成熟，这也是其区别于所有VC驱动、商业化导向模型企业的核心特质。

　　智能纪元AGI：您如何看今年这一轮DeepSeek和大模型热潮？

　　姚欣：我的看法是，整个 AI 大模型产业的竞争开始走向后半场，明显在做收敛。

　　甚至从 2026 年开始，我认为整个全行业的重心正在从模型移开，走向应用整体。

　　如今，大家已经不再纠结模型能够完成什么样的 benchmark，而是你在真实场景里面能够完成更高质量的、更高附加值的任务和工程，这是大家愿意付钱的逻辑。

　　无论是编程，还是Agent办公，还是生成转写，模型需要解决这些需求。而要想把这些能力完成得更好，不仅只是来自模型，模型之外也很重要。

　　比如，今年行业热门的Harness工程、Loop Engineering、混合模型架构、开源云解决方案等，都是核心突破点。

　　我们内部测试的混合模型方案，通过2-3款模型能力融合、结果互评优化，任务执行率远超单一模型，原本单一模型测试得分最高53分，我们的混合模型可以达到55分，性能实现明显突破。

　　智能纪元AGI：那么我们是如何做的这种评测？这种多模型融合、专家互评的模式，后续还能带来多大的性能提升？

　　姚欣：它其实是个Fusion Model（融合模型），基于两到三个模型的执行能力和执行结果，再做一轮的综合计算。

　　就相当于是多个模型专家互相 PK 之后得出。A 模型可能是这样一个解析思路，B 模型是另一个解析思路，但是我们让 C 模型评判 A 和 B 谁好，然后最后三个人讨论之后得出来最终结果。如果拿这个结果作为输出去跟单一的模型去比，那结果会更好。

　　智能纪元AGI：对行业整体格局会产生哪些实质影响？

　　姚欣：虽然融合模型的Token消耗是单一模型的三倍，但国产模型定价仅为海外模型的十分之一，综合成本仅为海外高端模型的三分之一，却能实现更高的任务上限，这不就是对于海外闭源模型一个重大的叙事打击嘛，我们在帮着国产模型“撑腰”。

　　当然，这种模型任务执行率已从40%多提升至60%以上，后续还有持续优化空间。这种模式的核心价值，是重构了行业技术迭代逻辑：

　　过往行业迭代遵循“模型内部混合专家（MoE）”逻辑，如今已经迭代到“模型混合（Mixture of Model，MoM）”、“智能体混合（MOA）”的全新层级，介于模型层与智能体层之间的技术优化，能持续拉高AI任务处理的智能上限，让更多复杂产业任务可以被AI替代。

　　我觉得大家应该从模型层移出来，应该要去看看模型之外的部分，这块的发展迭代速度非常快，我觉得也是新型创业公司的重要机会。

　　智能纪元AGI：英伟达近期加大布局端侧市场，不再仅聚焦云端高端算力，你如何看待其全栈布局的战略逻辑？云端与端侧市场未来会形成竞争替代关系吗？

　　姚欣：英伟达多年来一直是全栈布局，包括布局视觉端侧算力，如今更是覆盖量子计算、生物计算等未来十年的前沿赛道。

　　作为行业绝对巨头，英伟达核心逻辑是规避发展风险、抢占所有行业船票，降低战略犯错成本，不会单纯聚焦单一赛道。

　　从市场格局来看，云端和端侧并非替代关系，而是融合互补、各司其职：云端高端算力是市场绝对主力，承载绝大多数AI算力需求；端侧算力仅作为细分补充，适配低延时、数据隐私、轻算力的小众场景。

　　二者的核心应用场景差异极大：普通互联网AI应用是秒级响应需求，依托云端算力即可满足；但机器人、高速自动驾驶等物理AI场景，需要毫秒级响应，必须依托端侧算力支撑。

　　从未来三年营收增长来看，物理AI、具身智能距离商业化落地仍有较远距离，当下核心增长来自“人用AI”和“智能体用AI”两大场景，云端架构依然是未来三、五年的行业核心。

　　如果我们走到 physical AI、机器人、高速自动驾驶汽车，物理对于时间的要求要降到毫秒以下，但今天我们用 AI 都应该是秒级需求，一秒出多少 token，沙箱是百毫秒起跳。

　　所以说，我觉得这是两个不同的市场，不是说谁替代谁，而是说它不同市场满足不同的场景需求。

　　只说在当下，如果你要看未来三年的增长，我认为具身智能那些物理 AI 还离得很远，所以说我还觉得今天这种云端架构是最核心的，在未来的三五年内，人用 AI 是在持续增长的过程中。

　　智能纪元AGI：目前中美大模型行业呈现明显的“坚壁清野”态势，尤其是阿里和Claude之间的纠葛，这种模型割裂态势后续会如何演变？

　　姚欣：当下确实，海外高端算力无法进入国内，国内模型出海也面临合规、生态壁垒。但海外硅谷企业对中国开源模型的接受度正在快速提升，去年下半年千问，今年Kimi、智谱等国产模型，在海外开发者和企业中的使用率持续攀升。

　　今年3月PPIO在硅谷举办的行业活动，邀请了 Kimi、MiniMax、智谱等国内核心模型厂商，受到当地互联网企业的高度关注。

　　海外市场接纳国产模型的核心逻辑是高性价比，海外模型价格战持续升级，OpenAI、Anthropic、Meta等厂商互相内卷，而国产开源模型性能差距持续缩小，目前行业共识是：中外模型技术差距已从去年的6个月，缩短至今年的3个月。

　　智能纪元AGI：技术差距持续缩小的背景下，海外闭源厂商是否会转向开源模式？国内厂商为何扎堆开源、极少闭源？

　　姚欣：海外头部闭源厂商不会转向开源，闭源是更优质的商业模式，拥有完整的数据飞轮、定价权和优化空间，盈利能力远超开源模式。

　　行业的核心规律是：赛道第一名必然闭源，开源是追赶者的“曲线救国”策略。

　　多模态赛道的顶尖企业全部闭源，凭借技术优势垄断市场、获取高额利润；技术落后的厂商才会通过开源搭建生态、聚拢开发者、补齐竞争力。

　　国内厂商扎堆开源，核心是行业竞争过于激烈。2024年底，国内优质模型基本都是闭源状态，MiniMax、Kimi等均未开源，直到DeepSeek凭借高性价比模型打破行业格局，倒逼所有国内厂商开启开源，通过开源抢占生态、留住开发者，否则会快速被市场淘汰。

　　最终行业会形成稳定格局：每个细分赛道仅留存少数玩家，闭源赛道留存1-2家头部企业，开源赛道留存2-3家核心厂商，分别深耕不同细分场景，比如专属编码、专属智能体、专属多模态模型。

　　二、智能Token工厂的不只是数量，更要质量和价值

　　智能纪元AGI：当下众多企业都在布局Token工厂，行业扎堆入局，我们则将Token工厂升级为智能工厂，二者的核心差异是什么？升级的核心价值在哪里？

　　姚欣：我们升级智能工厂，核心是从生产端和使用端双向突破，摆脱单纯的Token数量竞争，转向Token质量和价值竞争。

　　第一，生产端。我们打造全栈式AI云服务，不止做简单的推理加速，而是通过底层算力调度、云端调度、模型优化、任务优化的全链路垂直整合，和英伟达的垂直整合战略逻辑一致，让同等GPU算力产出更多、更高质量的Token，大幅提升生产效率和毛利率，这是单纯叠加算力的普通Token工厂无法实现的。

　　第二，使用端。核心是提升智能定价权、应对行业价格内卷。今年上半年行业整体涨价、毛利空间充足，DeepSeek大幅降价75%后，行业整体进入薄利甚至亏损时代。但高端高价值场景无法被低价模型替代，比如智谱GLM系列模型在编码场景的优势，是低价模型无法赶超的。

　　基于此，我们打造了两套核心能力：

　　一是模型调度，简单任务调用轻量化模型、复杂任务调用高端模型，自动节省多余Token消耗；

　　二是MoM混合模型，通过多模型协同互评，提升20%的智能性能，用远低于海外闭源模型的成本，实现更高的任务上限，帮助客户解决高价值问题，提升整体服务定价竞争力。

　　当下国内Token年消耗量已达140万亿级，同比提升千倍，行业早已不缺Token数量，缺的是高质量、高价值、高精准的Token服务，这就是智能工厂的核心竞争力。

　　智能纪元AGI：那PPIO的定位呢？

　　姚欣：PPIO的定位就是做一个独立、中立的Agentic Cloud 平台。我们认为Agent 时代的核心公式是Agent 生产力 = Token 智能密度 × Agent Loop 时长。Token 智能密度决定了 Agent 每一步决策的质量上限，Agent Loop 时长决定了 Agent 能持续运行多久、完成多复杂的任务。

　　围绕这一公式，PPIO Agentic Cloud 构建了两层原生产品体系：智能模型网关是 AI Agent 的智能调度中心——关键决策由混合模型把关提升质量，简单任务由模型调度自动分流到轻量模型，确保 Agent 用最低的 Token 成本、最高的智能性能把任务完成，持续推高 Token 智能密度。

　　Agent Harness 层融合沙箱、任务编排、Tool Use、记忆管理等于一体，延长 Agent 可持续运行的 Loop 时长以解决复杂长程任务。今年 PPIO 通过 Harness 手段推出的 PPClaw/PPHermes 等托管 Agent ，可以实现 7x24h 长时间运行，且具备自我修复能力。

　　Agent 时代最重要的变化，就是云的第一客户从人变成了 Agent。过去的云计算是为人使用软件而设计，而 Agentic Cloud 是为 Agent 自主运行而生。我们希望为 Agent 打造一套原生适配的全栈云服务体系，更高效、更稳定、更低成本地支持 Agent 的构建、部署与运行，彻底释放 Agent 的产业价值。”

　　智能纪元AGI：Token出海市场，您怎么看？

　　姚欣：目前，全球AI渗透率极低，81亿人口中仅20%人群接触过AI应用，除了硅谷、中国一线城市之外，全球绝大多数地区都是“数字第三世界”，海外下沉市场潜力巨大，巴西、日本等市场的AI应用营收增速远超预期，是国内企业出海的核心突破口。

　　智能纪元AGI：日本市场我们也有关注到，这属于典型的熟人圈层市场，必须依托本土渠道资源，你怎么看待这类小众海外市场的入局逻辑？

　　姚欣：确实如此。日本AI市场高度封闭、圈层固化，据说仅有的6000名IT从业者覆盖全国所有500强企业，且只认可圈层内的合作资源，外来企业单打独斗根本无法入局。

　　我们目前的策略是深耕本土、对接渠道、融入行业圈层，依托本土资源拓展业务，这是唯一可行的入局方式。

　　整体来看，全球下沉市场的潜力远超国内内卷市场：很多头部AI智能体应用，仅靠单一地区10万左右用户，就能实现百万美金级营收。

　　巴西、东南亚、日本等区域的空白市场极多，国内企业出海深耕，远比国内同质化竞争更有发展空间。

　　三、Coding Plan已死

　　智能纪元AGI：此前行业普遍依赖MaaS订阅模式盈利，如今Coding Plan等订阅模式也逐渐被替代，你认为软件订阅模式是否已经过时？未来行业计费模式的核心趋势是什么？

　　姚欣：我认为Coding订阅模式已死。

　　Coding订阅模式的盈利逻辑，本质是利用人性的懒惰：一是超卖逻辑，用户订阅会员后不会高频使用，企业靠闲置资源获利；二是遗忘逻辑，用户忘记取消订阅，持续被动扣费。

　　但智能体时代彻底打破了这一逻辑。我们的智能体沙箱采用秒级计费模式，智能体执行子任务是碎片化、高频次、短周期的，虚拟机仅需200毫秒即可启动，15秒内完成任务、处理数据、销毁进程，使用场景和计费方式完全区别于传统人类使用AI的模式。

　　智能体用云的需求，比人类用云高出10-100个数量级，具备碎片化、高动态、低延时的特征，固定周期的订阅模式完全无法适配。

　　智能纪元AGI：你觉得 Coding Plan 那种不太可持续？

　　姚欣：我认为Coding Plan不可持续。

　　你看现在大家都在把 Coding Plan 转向成为按量计费（Pay by Usage），类似运营商话费模式，基础套餐保底，超额用量单独计费，彻底告别“一刀切”的订阅模式，这是适配智能体时代、AI高频碎片化使用的必然趋势。

　　传统的软件订阅模式，我认为已经在慢慢被消亡了。

　　像DeepSeek这种，它其实没什么订阅模式、什么都没有，就每时每刻用AI，按照用量来使用，我觉得是趋势。

　　智能纪元AGI：当下头部模型企业、算力企业都在打造闭环生态，智谱等公司做生态，阿里等大厂实现模型、应用、基础设施全栈整合，你认为行业最终会形成头部公司和大厂的垄断格局吗？初创模型企业还有生存空间吗？

　　姚欣：我同意这个趋势的观察。对于企业来说，垂直整合、生态闭环是行业必然趋势，算力方、模型方、应用方的绑定会越来越紧密，全链路优化是提升行业效率的核心方式。

　　但这并不会形成少数大厂垄断的格局，模型生态和Token服务赛道逻辑完全不同。

　　模型赛道进入下半场后，细分场景价值凸显，初创企业可以依托单点极致的技术优势，深耕垂直场景、差异化突围。

　　大厂的全栈整合优势集中在通用场景，但在细分高价值场景、轻量化应用、海外下沉市场、开发者中立服务等领域，初创企业依然具备不可替代的优势。

　　讲到 Token 生态更不太一样。我认为，今天Token生态刚刚开始、百花齐放，因为比起模型，Token更加偏向于智能体应用，OpenAI 有生态、Grok有生态，我觉得这个正在发展过程中。

　　而以我们的中立MaaS平台为例，不绑定单一模型、汇聚200余款各类模型，实现一键API调用、模型自由切换、参数上下文保留，完美解决开发者“多模型适配、频繁迭代、场景差异化选型”的核心痛点，同时助力国内各类中小模型厂商出海破圈。

　　这种中立生态服务，是大厂闭环体系无法实现的，也是初创企业的核心生存空间。未来行业不会大一统垄断，而是通用场景大厂主导、细分场景初创突围的差异化格局。

　　我其实自己在思考，PPIO经历了几个过程：

　　第一轮是边缘云时期，我们通过算力调度的商业模式，理解并且深度地掌握了底层的算力调度、算力能力，它们能让我们持续不断地获取更优质高性价比的算力资源。

　　第二个阶段是从 2023 年起，我们开始加速AI云服务，就在讲开发者的事情，给开发者提供 AI 云服务。当然这件事至少未来三五年还在继续发展。

　　但从 2026 年这个时间点开始，我们又看到的第三个群体，虽然还是 AI 云，但是服务对象改变了，从人，变成了Agent。

　　我认为，以前我们叫做 AI Native 公司，现在叫 Agent Native 公司。你看我们现在服务的客户都是OPC，它内部逻辑都是叫Human on the loop。Human in the loop 还是传统的 AI 或者是 AI native 的，但是 Human on the loop 就是一个 Agent native 的公司，商务的人做一大堆的智能体来跑，我们公司也在内部进行实践。

　　智能纪元AGI：现在公司内部组织都是如何跑Agent的？

　　姚欣：我们公司现在300人左右，上线了 1000 个 Bot。但看内部 Token 消耗数据，大量使用集中在不到 5% 的员工。核心技术部门已经跑通 Agent on the Loop 体系，运转十分成熟。核心负责人能够调动一批工程师、开发者协同推进工作。

　　像我，很多事务、文章分享、周报日报，都交给 Agent 并行处理。哪怕我睡觉，它依旧在持续工作。这就是 Agent Native 原生模式。 亲身实践下来我判断，未来传统的人力组织，终将被 Agent 原生组织替代。既然有这个趋势，市场一定会需要专属的 Agent 原生基础设施，而这正是 PPIO 要承担的使命。

　　智能纪元AGI：Agent来了，人的工作会更多，会不会AI让人会感到越来越累？

　　姚欣：是这样，我现在有一位高管助理，也就是 Agent 助理路小飞，相当于我的数字分身。 咱们今天这场对话结束后，所有录音我都会同步发给他，完整留存全部上下文，很多事务就交由他去处理。 我和他并非单向指令、步步跟进的模式，而是并行同步协作。我推进工作的同时他同步开展处理，后续我们再对齐核对就好。 我今年个人最重要的目标之一，就是持续探索打造 CEO Agent。

　　智能纪元AGI：你把你自己也替代了？

　　姚欣：我一直在做模型“蒸馏”，目前至少完成了 20%。

　　现在我的 OKR 都不用我亲自写，交给这个 Agent 持续打磨迭代。它会通读公司所有会议资料、各类内部信息，每两周跟我同步一次 OKR 的进展。

　　智能纪元AGI：那人类做什么呢？

　　姚欣：人类依然有发挥，因为给他提出这个问题的人是我，提出整个问题、提出思路的方向，他帮我做的是跟进整理梳理。

　　第二个，评判他的工作还是我，我永远是那个裁判人。

　　所以，我是问题提出者和裁判员。到了 loop 这个时代，你要提出问题，提出最好的起点，而且你要定期地去做校验。

　　它其实本质上是一个强化学习的模式，它在基于human on the loop改进和增长。

　　所以说人类就应该走向提出问题、验证问题和给予评价，但是用 AI 去做解决问题。

　　智能纪元AGI：最近我们在聊，这一轮AI当中，创业者越来越年轻了，开始有很多00后创业者，投资人也变得年轻化，OPC规模在不断增加。您认为这其中有泡沫吗？或者创业者需要年轻到18岁、19岁吗？

　　姚欣：我也是 24 岁开始创业。我一直认为创造力其实和年龄没关系，十几岁、二十岁、三十岁，甚至四十岁，每个年龄段都能拥有各具特色的创造力。现在像我们这样的公司，把基础设施做得更简单、好用、成本更低，年轻人更应该大胆试错，轻松掌握过去很难获取的能力。

　　眼下这波 Agent 热潮，进一步压低了试错的门槛和成本，创业成功的机会也更大。

　　我觉得这是很好的现象，所以我个人在做投资的时候，也很愿意去投 OPC 这类创业公司。