【创始人分享】PPIO边缘云王闻宇:从PPTV到PPIO,创业路上的挑战与思考

摘要:LiveVideoStack近期采访了PPIO的创始人王闻宇,和他一起讨论了传统云计算与边缘云计算的差异、边缘云所面临的挑战以及创业之路等话题。

【创始人分享】PPIO边缘云王闻宇:从PPTV到PPIO,创业路上的挑战与思考

摘要:LiveVideoStack近期采访了PPIO的创始人王闻宇,和他一起讨论了传统云计算与边缘云计算的差异、边缘云所面临的挑战以及创业之路等话题。

PPIO成立于2018年5月,由PPTV创始人姚欣、PPTV联合创始人王闻宇共同创立。PPIO致力于打造去中心化的分布式云服务,经过几年的发展,目前已成为国内外多家一线音视频互联网巨头、云计算公司、独角兽创业企业的分布式云服务的主要提供商,并在近期获得了千万级的融资。

王闻宇,PPIO边缘云CEO&联合创始人,原PPTV首席架构师兼联合创始人。2018年创办PPIO,开发了分布式计算、存储、网络服务的边缘云平台,实现了低延迟、大带宽、高性价比。

LiveVideoStack: 王老师,您好。PPIO是一家专注于边缘计算领域的分布式云计算公司,您能否向大家简单介绍一下公司目前的发展状况?

王闻宇:PPIO是由PPTV创始人姚欣和我在2018年发起的分布式云计算项目,目标是打造一个去中心化的分布式云服务,使命是汇聚全球计算资源,并为全人类提供服务。PPIO基于共享经济的商业模式,结合大数据、云原生、分布式计算技术,汇聚网络边端侧的专业服务器资源,构建出首个覆盖全国所有省市区县的分布式云服务,为下一代低时延、高带宽、可靠安全的边缘计算场景服务。

目前已成为国内外多家一线音视频互联网巨头、云计算公司、独角兽创业企业的分布式云服务的主要提供商。目前PPIO在全中国400多个城市及地区设有微数据中心机房和分布式算力资源,可以提供全国范围内在网络边缘侧部署的裸金属云、容器云服务,以及基于分布式云原生架构的CDN分发、音视频直播及转码、应用性能监控、AI计算推理、云游戏渲染等边缘计算服务。

LiveVideoStack: 传统云计算和边缘云计算是一种什么样的关系?在实际的操作过程中,会不会产生冲突?

王闻宇:两者主要是部署算力的网络位置不同:PPIO主要部署在网络的边缘侧,也就是城域网内,包括城市汇聚网、运营商接入网,以及企业和小区的网关等网络边缘侧;同时边缘云和中心云一样,也都符合云原生的标准化规范,可以便捷地帮助企业将中心云的算力,弹性地分布到网络的边缘侧,从而降低计算时延,提供更本地化的带宽服务等。


LiveVideoStack: 从技术角度上讲,边缘云还面临哪些挑战?PPIO的应对措施有哪些?

王闻宇:从真实的边缘算力部署来看,边缘云最大挑战还是网络边缘侧算力的异构性和网络的非标性。就拿我们PPIO为例,我们通过共享经济的方式,在全国数千个边缘侧机房部署了我们的算力服务器,但是这些算力节点的本身差异就很大,每个机房的供电稳定性和运维水平,以及网络是否共享出口带宽等都不相同。这就面临几个巨大的挑战,第一个是多样性任务下的边缘资源匹配问题,面对多样性的任务,怎么把多样性的任务和多样性的资源匹配起来,既能达到每个任务的性能要求,又能让边缘资源的整体利用率做到最高,这是个复杂的双边任务调度问题。PPIO为此做了一个边缘编排架构,并在这套架构之上,利用大数据分析和机器学习,做了一个智能匹配调度系统来匹配这个算法。第二个是多级节点的安全可靠数据传输问题,在基于互联网公网的情况下,各节点间如何寻到一条稳定可靠的路由来互相通讯以保证任务调度的实时性。PPIO的做法是通过全国分布的数千个边缘侧机房对全国各省市区县的各大运营商网络的拥塞数据定时收集,并基于这个大数据系统提出了基于动态路由的SDN网络来解决网络不稳定的问题。我们相信,随着人工智能和大数据处理能力的提升,PPIO的调度精准度和任务实时性的水平还会不断提升。

LiveVideoStack: 我注意到PPIO过去有推出过区块链公链项目——PPIO去中心化存储平台,但最近两年业务重心已完全转移到边缘计算领域,为什么会发生这种转变?

王闻宇:这是创业公司早期正常的探索成长的过程,我们并没有推出过公链项目,只是做了技术预研。目前的PPIO仍然使用了不少区块链中的分布式记账技术,只是商业模式上并不追求绝对的去中心化,而是平衡技术成本和性能,选择了边缘计算这个更加落地实用的方向。

LiveVideoStack:近期PPIO获得了千万级的融资,在这里向您道一声祝贺。PPIO接下来会有哪些大的举动,您方便透露一下吗?

王闻宇:谢谢,我们创业三年来一直希望能够利用分布式技术给开发者们带来更加高效、便捷的边缘计算框架,融资也让我们能够不断加大研发投入,我们公司还处在创业的早期,希望大家更多关注PPIO未来的成长。

LiveVideoStack: 您的第一次创业是PPTV,从大学开始就已经踏上了创业之路,并带领PPTV取得了骄人的成绩,现在再去回想那段激情澎湃的岁月,有哪些事情让您印象深刻?

王闻宇:有几个时刻印象非常深刻:
第一次在2004年刚开始的时候,当时用P2P技术来解决在线直播,同时在线人数多了就会卡顿,我们在校园宿舍封闭开发几个月后,产品第一次上线的时候,当天就有了几十个人同时观看比赛,看见他们在社群里反馈很流畅,说明我们的设想实现了,这一刻我感到非常兴奋。第二次重大突破是2005年的超女,就是李宇春,张靓颖那届,在线人数连续几波突破峰值,经过几次重大架构重构,终于撑住了,这一刻印象非常深刻。接下来更大级别的冲击就是2008年奥运会了。再往后就是移动App的上量,回顾PPTV的整个过程,每次突破性的增长,都是印象最为深刻的。

LiveVideoStack: 我们都知道PPIO是您的第二次创业,相较于PPTV,从整体的创业环境和技术发展角度来看,您觉得有哪些不同之处?

王闻宇:首先从创业环境的角度看,现在创业大环境更好了,相比于PPTV创立的2004年,现在创业者经验丰富,且总结了类似于精益创业、颠覆式创新等方法论,让大家可以少走弯路。同时,国内的VC创投环境也已成型了,国家层面也更鼓励科技创业,但挑战是现在创新空间越来越细分,加上平台型巨头的垄断,创业者找到一个足够大的细分市场机会挺不容易,我认为更需要回到每个团队的能力圈,用足够的行业认知和深度思考来发掘还没有被过热炒作的赛道。如果从技术的角度看,回顾过去四十年的IT发展历史,计算架构不断地在中心化和去中心化两股趋势间来回摇摆。PPTV诞生于PC互联网早期,那时只有自己买机器放入到IDC的机柜里面去,其计算资源的形态是“分”的;现在不同,云已经被大面积使用,大量应用都是基于中心云的架构。从云的特点来看,其计算资源的形态是“合”的;后来为了不被单一某云的架构绑架,所以出现了云原生的理念,也即是把上云下云做成弹性化的,这样计算资源的形态会走向“分“,就这样分久必合,合久必分。如果站在未来长期看,计算架构会在中心化和去中心化之间来回摇摆,未来将构成二者相辅相成的局面。

LiveVideoStack: 您拥有非常丰富的创业经历和经验,回首过去的近20年时间,在您所在的领域中,您遇到的最困难的事情是什么?您又是如何克服的?

王闻宇:我想,有两个事情我认为比较难:
第一个,创业阶段的状态切换比较难。往往在前一个创业项目中,用户量、体量、收入规模都是成形的,增长模式也是被验证过的,而在开启一段新的创业的时候,一切都是重新开始。这个时候就不能用之前成熟项目的思考方式,需要把思维归零,坚持精益创业的理念,从验证开始,快速迭代,找到增长的路线。

第二个,就是从ToC到ToB思路的转变。做ToC和ToB在思路上有很大的区别,首先ToC的需求其实不一定存在,往往是想象,需要经过需求验证来证明需求存在,怎么验证就是ToC创业的难点。而ToB的需求往往是存在的,但是不是痛点,客户是否愿意为这个需求而付钱,这个是需要用天使客户来验证。另外,ToC和ToB还有一点不同,ToC是重产品的,并不需要太多服务意识,但是ToB 的不同之处在于客户服务意识的建立。ToB本身是很重服务的,于是就需要建立服务团队,做好各种各样的服务,并把服务做得更好。LiveVideoStack: 您将参加9月份在北京的的

LiveVideoStack音视频大会,我们都非常期待您的演讲,您方便向大家透漏一下您的演讲内容吗?

王闻宇:我的演讲题目是《如何用好共享经济模式下的边缘计算资源》,其实这也是我们PPIO发展边缘的方式。我们主要就是用共享经济的理念来发展边缘节点,我们这样建设的边缘更靠近用户。用共享经济的方式建设的边缘资源最大的特点就是异构性,不论计算能力、CPU、内存、存储、带宽都是种类多样,参差不齐。如何用好这些资源,是一个巨大的挑战,我这次主要分享用好这些资源的一些经验和心得,比较实操。

LiveVideoStack: 好的,王老师,谢谢您接受采访,期待您在本次大会上的分享。

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