【创始人分享】PPIO边缘云王闻宇:如何将碎片化、非标异构的服务器资源进行全局调度编排?

摘要:2021年9月,LiveVideoStackCon 2021音视频技术大会在北京召开,PPIO边缘云CEO&联合创始人王闻宇与华为云、阿里云、腾讯云等一同出席本次大会,并分享了PPIO共享经济模式下边缘计算的三大研发技术。

【创始人分享】PPIO边缘云王闻宇:如何将碎片化、非标异构的服务器资源进行全局调度编排?

摘要:2021年9月,LiveVideoStackCon 2021音视频技术大会在北京召开,PPIO边缘云CEO&联合创始人王闻宇与华为云、阿里云、腾讯云等一同出席本次大会,并分享了PPIO共享经济模式下边缘计算的三大研发技术。

随着 5G、物联网时代的到来以及云计75%的传统中心或云平台之外产生和进行处理,相关预测表示,到2027年,全球边缘计算的市场值有望达到434亿美元。

PPIO基于共享经济的商业模式,建立了一个纵横交织的边缘云平台。纵向上,通过独有技术将异构资源进行整合,为客户提供稳定、安全、可靠的服务;横向上,通过靠近用户端的边缘节点能力,以及与云厂商的联动,打造了端到端的性能保障体系。PPIO针对的是碎片化、非标异构的服务器资源,对于可靠性、安全性要求更高,因此技术路线也有所不同。

K8s@edge,云原生+标准开放  

首先,我们需要做的是边缘异构资源的全局调度编排,将闲置资源用起来。PPIO基于目前最主流的容器引擎K8s,在边缘云领域进行了创新,提升了对资源的弹性纳管能力,实现了云机效率的极致。 K8s在边缘云的应用没有先例,但凭借PPIO技术团队的坚持和能力积累,它不但兼容了K8s命令,而且能够把任务往边缘节点进行高效编排,成功实现了这款主流容器引擎在边缘云上的应用,所以避免了重复造车的效率低下问题。

SDN@edge ,多路冗余备份,保障云边协同流畅度的网络架构

由于节点的碎片化和下沉,相互之间的网络连接并没有传统数据中心的骨干网或专线那么可靠,在流量高峰期的时候可能会出现拥塞和丢包情况,针对这一痛点,PPIO抛弃传统网络树状结构的路径,改为搭建网状结构,并发式的实施监控预警、流量预测。任务运行过程中,一旦发现某个节点有问题,就会通过路径寻优的方式,找到最适合的路径来支持或疏解,从而保证了高质量、稳定的网络服务。

AIDevOps@edge ,自动化运维能力,提升云资源利用率

AIDevOps@edge本质解决的不是简单的计算机架构问题,而是经济学问题。这个经济学问题是什么呢?基于共享经济模式所发展的PPIO边缘云,它和传统的云会有很大的区别,它不是单边经济,而是双边经济。

在整个模型中,既包含我们的用户,也包括我们的资源供应商,这是一种循环的聚合拉动模式。

而拉动的关键就是在于需要尽可能把资源复用,让不同的任务能同时使用资源,从而提高它的利用率。当用户调用云资源时,面对海量的节点,利用PPIO的自动化运维和资源节点匹配能力,更高效的调度边缘侧的云资源,有效提升云资源利用率。

经过苦心钻研,通过AIDevOps@edge,我们的利用率整体做到了14.3%的提升,并且大大降低了错误调度、重复调度,使得整体调度效率提升了34.7%。

目前,PPIO 边缘云在全国1000 多个县市及区域 ,为客户提供符合低时延、高带宽、海量数据分布处理需求的边缘云计算服务和解决方案,已成为多家互联网巨头、一线云计算服务商、独角兽级创业公司,在边缘云服务领域的主要合作伙伴。

未来,PPIO将持续打磨技术,并逐步拓展到更多垂直场景,赋能千行百业。

Read more

PPIO发布Agent Runtime:让Agent部署像Serverless一样简单

PPIO发布Agent Runtime:让Agent部署像Serverless一样简单

近期,PPIO 发布了基于 Sandbox(沙箱)自研的新产品:Agent Runtime,一个轻量级的 Agent 运行时框架。 Agent Runtime 是为了顺应 Agent 的专属需求而推出,其定位与 AWS AgentCore Runtime 类似。AgentCore 是 AWS 在 2025 年推出的专为 Agent 设计的基础设施平台,AgentCore Runtime 则是其中一个子产品,是基于 Firecracker 微虚拟机的 Serverless 运行时环境,旨在解决 Agent 低成本、高效率的部署问题。 PPIO Agent Runtime 通过简单易用的 SDK 与强大的沙箱运行环境来简化 Agent 的部署过程。用户无需关心基础设施配置、

By PPIO
当Agent计算规模扩大100倍,我们需要什么样的Agentic Infra?

当Agent计算规模扩大100倍,我们需要什么样的Agentic Infra?

近期,PPIO Sandbox(沙箱)发布了一个重要功能:沙箱克隆。 沙箱克隆旨在助力提高 Agent 的并行计算能力,也就是经典的“Scale up”规模扩展问题。 今年最流行的 Agent 产品是 Deep Research,它可以看作对单个研究问题持续追踪、推演、迭代直到形成洞察的长链路串行推理过程。 那么,如果将 Deep Research 的能力 Scale up 一百倍会发生什么?像 Manus 这样的 Agent 正在解决这类挑战,并将这种并行计算架构的 Agent 称之为 Wide Research。 从 Agent 的串行计算到并行计算,离不开“沙箱克隆”这一核心技术的助力,这是 PPIO 在 Agentic Infra

By PPIO
PPIO上线Kimi K2 Thinking,兼容Anthropic协议

PPIO上线Kimi K2 Thinking,兼容Anthropic协议

今天,PPIO 上线 Kimi K2 Thinking,这是 Kimi 最新、功能最强大的开源思考模型。 Kimi K2 Thinking 基于 Kimi K2 后训练而来的混合专家模型(MoE),总参数达 1T,激活参数 32B,上下文长度 256K。该模型支持深度思考、Function Call、结构化输出、json_schema、json_object 等功能。 现在,你可以到 PPIO 官网在线体现 Kimi K2 Thinking,也可以将 PPIO 的模型 API 部署到 AI 应用中。 PPIO 在线体验地址: https:

By PPIO
PPIO独家上新GPU实例模板,一键部署Kimi-Linear

PPIO独家上新GPU实例模板,一键部署Kimi-Linear

昨晚,月之暗面发布了混合线性注意力架构新模型 Kimi-Linear,旨在解决大语言模型在长上下文推理中的计算瓶颈。 Kimi-Linear 的核心亮点: * Kimi Delta Attention(KDA),一种通过细粒度门控机制改进门控规则的线性注意力架构。 * 混合架构:采用 3:1 的 KDA 与全局 MLA 比例,在保持甚至超越全注意力质量的同时降低内存占用。 * 卓越性能:在 1.4T Token 的训练规模下,经公平对比,KDA 在长文本与类强化学习基准等多项任务上均优于全注意力。 * 高吞吐:在 1M 上下文中实现最高 6 倍的解码吞吐量,显著缩短单输出 Token 耗时(TPOT)。 今天,PPIO 独家上新 GPU 实例模板,可一键部署 Kimi-Linear-48B-A3B-Instruct 的专属模型。 PPIO 算力市场的

By PPIO