PPIO亮相WAIC 2025,重磅推出国内首个Agentic AI基础设施服务平台

分享
PPIO亮相WAIC 2025,重磅推出国内首个Agentic AI基础设施服务平台

7 月 26 日至 29 日,中国领先的独立分布式云计算服务商 PPIO 亮相 2025 世界人工智能大会暨人工智能全球治理高级别会议(WAIC)。

PPIO 联合创始人兼 CEO 姚欣在 WAIC 活动上重磅发布了国内首个 Agentic AI 基础设施(Infra)服务平台,加速 Agent 应用的开发和规模化落地。

针对 Agent 特性的开发需求,PPIO 推出了 AI 智能体平台产品,分为通用版和企业版。


通用版:以极具性价比的分布式 GPU 云底座为支撑,发布中国首款兼容 E2B 接口的 Agent沙箱,以及更适用于 Agent 构建的模型服务,为个人开发者与中小企业提供兼具性能、效率、成本优势的 AI 智能体平台。


企业版:面向中大型企业多元化的 Agent 需求,联动 PPIO GPU 云服务、行业应用与开放生态,凭借长期记忆、流程可控、全域操作、业务联动、多模态协同等五大差异化优势,构建智能决策到执行全闭环,突破传统 AI 边界,为行业打造“能听会看、善思会做”的智能体解决方案,推动 Agent 应用赋能千行百业。


# 01

引领 Agentic AI Infra

PPIO 发布中国首款 Agent 沙箱

当前,人工智能正加速向 Agentic AI 演进,具备自主感知、规划和执行复杂任务能力的 Agent 应用,不仅需要强大的大语言模型作为“大脑”提升理解与决策,还需敏捷的“手和脚”实现精准 API 调用与工具操作,以增强灵活性和通用性。

随着技术的革新,行业亟需面向 Agentic AI 时代的基础设施服务平台,为 Agent 应用开发提供系统性支撑和底座。

“PPIO 作为国内首个聚焦 Agentic AI 的基础设施服务商,致力于从中国首款 Agent 沙箱到模型服务,再到 AI 智能体平台全面布局,为开发者和企业打造全栈式的 Agent 基础设施服务。”姚欣表示。

相比传统的编程模式,Agent 在任务执行过程中生成的代码质量存在不确定性,可能有危险代码的生成对系统安全造成威胁并影响其他用户。

因此为 Agent 构建一个安全隔离的环境显得尤为重要,PPIO 推出的中国首款兼容 E2B 接口的“ Agent沙箱”产品,就用来解决这个问题。该沙箱是专为 Agent 执行任务设计的云端运行环境,为 Agent 赋予安全可靠、高效敏捷的“手和脚”,沙箱内支持动态调用 Browser use、Computer use、MCP、RAG、Search 等各种工具。

目前 PPIO Agent 沙箱已接入Camel AI、OpenManus、Dify等著名开源项目。

PPIO Agent沙箱基于 Firecracker MicroVM 构建,具备强安全隔离、毫秒级极速启动、高并发创建三大特性,无需预部署,即启即用,让 Agent 的所有操作均处于“受限、可控”的状态。

强安全隔离,让不同 Agent沙箱的环境可实现完全隔离,当多个任务并发执行时,每个任务都能在独立环境中运行,从根源上避免数据泄漏和资源抢占冲突;小于 200ms 的极速启动时间,远远小于传统虚拟机沙箱数分钟甚至更长的时效,可瞬间创建沙箱环境、运行生成的代码并展示预览效果,大幅提升用户的开发流畅度;并且PPIO Agent沙箱还支持同时快速启动数千个沙箱实例的高并发创建能力,可充分满足业务场景中的高并发需求,加快结果交付速度,保障用户体验。

此外,相比传统中心化云,PPIO 凭借覆盖全球分布式的算力网络,Agent沙箱在相同规格资源单价低至 E2B 官方定价的 50% 以下,进一步帮企业优化 Agent沙箱成本。同时,客户无需月费订阅即可获得 24 小时会话保持、高并发及规格自定义等高级特性。

PPIO 让企业在保持完整 E2B 兼容性的同时,将整体运行成本直降 50% 以上,真正为大规模 Agent 应用落地提供了更快、更安全、更经济的运行底座。


#02

模型服务

为 Agent 开发量身打造

支持超长下文输出

在安全可控的运行环境基础上,根据 Agent 运行决策所需的“大脑”——大语言模型,PPIO 的模型服务在第一时间内上线并优化主流的开源大语言模型。

PPIO 模型服务支持百款主流开源与定制 AI 模型的快速接入、弹性部署与高效调用,助力开发者与企业快速构建 AI Agent 应用,实现规划、记忆、执行等完整的 Agent 任务的核心需求。

针对 Agent 的规划能力,PPIO 上线了 DeepSeek R1、Qwen3、MiniMax M1 等国内主流推理模型,来担任 Agent 的“大脑”,可以将复杂任务拆解为多个步骤;针对 Agent 的记忆需求,PPIO 在业内率先完成了 DeepSeek 上下文窗口的升级,将上下文窗口扩展至 160K,最大输出扩展至 160K,可满足多轮超长对话、Agent 深度分析等场景长输出应用需求;针对 Agent 的执行能力,PPIO 率先支持 Kimi-K2、Qwen3 Coder 等代码模型,实现强大的自主编程、工具调用和数学推理能力。

同时,PPIO 模型服务平台还提供涵盖文本、语音、视频、图像等多模态模型支持,满足多样化 Agent 应用需求。

另外,在针对大模型的推理加速技术上,PPIO 基于算法、系统和硬件的协同创新实践,以自研推理加速引擎,在 PD 分离、FlashMLA、DeepEP、DeepGEMM、EPLB、MicroBatch Overlap 等核心技术上做了深度优化,彻底打破 Agent 开发的“硬件束缚”,同时也实现模型推理的 10 倍 + 降本,实现推理效率与资源使用的动态平衡。


# 03

“脑-眼-耳-嘴-手”协同

为企业智能化打造“数字劳动力”

Agent 的加速涌现,为各行业大型企业的数智化升级带来全新机遇。但因企业核心数据的敏感性,私有化部署成为众多大型企业落地 Agent 的普遍选择。构建行业专属 Agent 并实现私有化部署,不仅面临“算力适配难、模型整合难、成本控制难”等核心痛点,还需深度融合行业知识与数据,实现“懂行业、懂专业”的精准赋能。

针对中大型企业的行业 Agent 需求与痛点,PPIO 推出了 AI 智能体平台的企业版本,以“脑 - 眼 - 耳 - 嘴 - 手”协同,构建智能决策到执行全闭环,借“数字劳动力”重塑自动化。平台可覆盖教育、工业、企业等多领域场景,融合基础设施、基础大模型、大模型工厂、知识库大脑和智能体编排等多种基础能力,以智能底座驱动企业效率升级,为数字化转型注入“全链路智能动力”,让自动化从工具升级为业务增长引擎,赋能企业高效落地智能应用。

目前 PPIO 的 AI 智能体平台企业版本已有实践案例落地:基于 AI智能体平台,PPIO 为某国际学校打造了智慧教育全场景解决方案,覆盖管理、教学、学习、研学全场景,贯穿课前备课、课堂作业、学情分析、心理监测、家校互动等全流程,适配校内校外各教育阶段。教师借助 AI 大模型高效整合双语资源,备课流程显著优化,日均备课时长缩减超 50%。平台串联教师 - 学生 - 家长三方链路后,信息协同响应时效从 1 天压缩至 1.5 小时;在近期月考中,三个年级平均成绩更实现约 10% 的环比提升,直观印证了平台的赋能价值。

“从 AI Infra 到 Agentic AI Infra,PPIO AI 智能体平台不仅为 Agent 的开发者和企业提供了从底层算力到上层应用的全方位支持,降低了技术门槛和开发成本,更通过安全高效的沙箱环境、丰富多元的模型资源以及极致性价比的算力服务,为 Agent 的规模落地筑牢了根基,推动 Agent 从技术探索迈向价值创造的新阶段。”姚欣表示。

未来,通过持续完善平台服务能力,PPIO 将助力更多企业和开发者在 Agentic AI 时代抢占先机,加速创新应用的诞生,重塑众多行业的工作模式与生产流程,激发全新生产力,为构建更加智能、高效、创新的未来产业生态奠定坚实基础。

阅读更多

几千条商品创意素材,什么时候该用批量推理?

几千条商品创意素材,什么时候该用批量推理?

同一个电商团队,既要让客服马上回复「我的订单到哪了」,又要给三千件商品补写介绍。客服可以用在线调用,在当前会话里拿到答案。商品创意素材可以用 PPIO 批量推理,把已备齐资料的商品集中提交,等结果返回后再交给运营审核。两类任务怎么安排,要看各自的上线期限,以及每条结果能否独立审核和发布。 先看这批工作能等多久 在 PPIO 创建批量推理任务时,可以按固定的 48 小时任务窗口倒排上架时间。批次有可能提前完成,到期时也可以取回已完成的结果。若今天下午才拿到资料、明早就要发布,可以把关键款安排到在线调用,按上架时间把其余款式分批提交。排期时把上传、审核和补跑也算进去。 再看单条请求的资料是否齐全。一件衣服的介绍只用到它自己的尺寸、材质和洗护方式,可以单独提交。如果文案还要写明全店活动的条件,先审核活动说明,再把同一版说明写入各条商品请求。这样每条请求都有完整输入,生成的折扣门槛和活动日期也能按同一版规则核对。 假设周三 12:00 上架,先留 4 小时审核和补跑,再往前留足 48 小时窗口,周一 08:

By luigi
从 E2B 换到 PPIO 沙箱,哪些东西能带走?

从 E2B 换到 PPIO 沙箱,哪些东西能带走?

假设周五切换沙箱,有三份库存报表等着交付。一份还没开始,等新环境验收后再派过去。一份已生成临时文件,可以先让旧环境做完。必须交接时,再导出文件或从原数据重算。第三份的提交请求已经发出,界面仍显示「处理中」,先查财务系统有没有收到。新任务要准备的是运行环境,在途任务还要交接文件和进度。 让现有 E2B 项目接入 PPIO 沙箱 已经在用 E2B SDK 的项目,可以通过 PPIO 的兼容接口创建沙箱、运行命令和管理模板。先选一条常用任务,沿用现有程序试跑。以库存报表为例,从创建沙箱开始,读入订单、执行脚本,再取回成品。这样很快就能确认哪些调用可以沿用,哪些需要接入 PPIO SDK。试跑时,按指南使用支持的 E2B SDK 版本,将连接指向上海 v1 入口 sandbox.ppio.cn,并配置

By luigi
Agent 等多久,暂停沙箱才划算?

Agent 等多久,暂停沙箱才划算?

报表已经生成,用户还要开完会才能确认。此时让沙箱继续运行,买到的是随时可用的状态;把它暂停,节省的是等待期间的计算占用。怎样选择,可以先算一笔简单的任务账。对需要多轮确认的 Agent,最值得优化的往往是两次工作之间的空档。目标是在用户回来时及时继续,同时减少没有产生结果的资源占用。 先算暂停需要跨过的成本 比较两种安排时,把相同的首次执行、最终修改和模型调用费用先放到一边,只看暂停策略改变了什么。净节省可以写成:等待期间免去的计算费,减去新增存储费,再减去恢复、重连和重做的费用。净节省为正,暂停才在这笔任务上带来费用收益。存储应比较两种安排的差额。如果某份持久化数据无论是否暂停都要保存,就不必在暂停方案中再次完整扣除。反过来,暂停产生了额外快照保留,就要把这部分纳入。PPIO 生命周期说明区分运行、暂停与终止:暂停保留文件系统和内存状态,停止计算资源计费;存储费用可在定价说明中分别查看。恢复后,同一任务可以继续使用保留下来的状态。 一小时任务,可以怎样计算 假设首次处理报表用 10 分钟,等待确认 45 分钟,修改用 5 分钟。

By luigi
人接手后,电脑操作 Agent 怎样继续完成任务?

人接手后,电脑操作 Agent 怎样继续完成任务?

人工接管电脑操作 Agent,最重要的体验是“我改完,它能接着做”。如果用户修正了日期,Agent 却继续依据旧画面点击,接管反而制造了第二次错误。解决这个问题,需要把控制权交接设计成一段完整流程。以导出订单为例,用户希望获得指定日期、指定状态的文件。Agent 负责推进操作,用户可以随时纠正条件。交接完成后,双方应当面对同一份页面状态和同一个任务目标。 先让 Agent 停稳,再开放人工操作 任务可以依次经历自动执行、请求接管、人工操作和准备恢复四个阶段。用户发起接管时,调度器停止派发新动作,并处理已经发出的点击或命令;确认没有旧动作继续改变界面后,再交出操作入口。这比简单设置一个“人工模式”标记多了一步。一个已经发出的下载或提交请求,可能仍在后台执行。接管页面应显示正在收尾,随后告诉用户可以开始操作,避免两套动作交错发生。还要区分停止 Agent 的动作循环与暂停整个沙箱。人工修正页面时,桌面需要继续运行;真正进入长时间等待后,才考虑保留状态并暂停计算。把这两个操作分开,用户才能顺利进入原来的工作现场。 用两种桌面入口区分观看与操作 PPIO

By luigi