PPIO上榜量子位「2025年值得关注的AIGC企业」!

PPIO上榜量子位「2025年值得关注的AIGC企业」!

在近日量子位举行的第三届中国 AIGC 产业峰会上,「 2025 年值得关注的 AIGC 企业」榜单正式出炉,PPIO派欧云凭借其在 AI 基础设施领域的技术优势与落地能力,与阿里云、百度、DeepSeek、月之暗面、MiniMax 等头部企业共同登榜。

此次评选聚焦企业在过去一年的市场表现、技术前瞻性与场景应用潜力,PPIO 的入选彰显其作为 AIGC 基建核心服务商的重要地位。

图片

PPIO派欧云的 AIGC 云服务平台,依托领先的分布式计算、云原生、推理加速等创新技术,致力于为企业和开发者提供高性价比、超弹性、低延迟的 大模型 API 服务、GPU 容器实例一站式 AI 服务,无需精通机器学习即可专注于构建下一代 AIGC 产品,聚焦应用创新与业务增长,为全球智能技术发展注入全新动力。

在面对跨时空和场景的复杂算力需求上,PPIO 构建了一个覆盖全球 1200+ 城市、4000+ 算力节点的分布式云服务网络,依托边缘与核心节点协同架构,无论用户身处何地,都能找到近距离的算力节点实现弹性调度,并提供 10 毫秒级的低延迟服务,为企业用户带来更弹性、更稳定 AI 推理服务。

除了稳定、弹性的底层技术服务外,企业最核心关注的是能不能低成本的使用 AI 推理服务。在这方面,PPIO 通过 2024 年的实践,已经实现大模型推理的 10 倍 + 降本,并在成本与性能之间找到最佳平衡,具体措施包括:

1、硬件降本:通过梯次利用技术,最大化现有硬件资源的使用效率;

2、算力调度:根据需求的波峰波谷,灵活配置资源,优化算力分配;

3、推理加速:采用 KV Cache 稀疏化压缩算法、Hydra Sampling 投机采样技术以及端到端 FP8 推理等技术,进一步突破显存、算力和带宽对大模型推理性能的限制。

目前,PPIO 平台的日均 tokens 消耗量已经突破了 1500 亿。

此次入选「 2025 年值得关注的 AIGC 企业」榜单,不仅是对 PPIO派欧云技术实力的认可,更代表其在 AIGC 基础设施建设中的重要地位。

未来,PPIO 将继续携手更多生态伙伴,推动 AI 基础能力下沉与应用扩展,让 AI 真正走进千行百业,成为产业智能化的坚实底座。

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