新增4大GPU Instance集群,PPIO全球算力网络拓展至9个国家

新增4大GPU Instance集群,PPIO全球算力网络拓展至9个国家

图形处理器(GPU, Graphics Processing Unit)最初设计用于加速图形渲染,广泛应用于视频游戏市场的图形、图像、视频内容渲染领域。


过去几年,随着AI训练的爆发,GPU的应用也不再局限于图像领域,在AI推理、训练等领域重要性持续提升,并逐步成为支撑现代人工智能发展的核心算力基础设施。


PPIO派欧云提供的GPU容器实例服务,具备按需付费和开箱即用的特点,可满足 AI推理、AI 训练、云渲染等计算密集型场景的需求。

近日,PPIO在印度、英国、阿联酋、巴西新增GPU Instance 集群,将集群覆盖国家提升至9个,让全球更多国家及地区用户便捷调用GPU 算力。

新增4大集群,累计覆盖全球9个国家及地区


此前,PPIO已在中国、日本、新加坡等5个国家建设GPU Instance 集群,此次新增4大集群,将PPIO所建设的GPU Instance 集群覆盖国家拓展至9个,进一步完善了PPIO的全球化算力网络布局。


多元显卡类型,快速灵活调用


此次建设的GPU Instance 集群,包含RTX4090、H200、A100等多款高性能卡型,用户可以通过最佳硬件选型和推理优化加速技术,实现资源成本的最优化。

并且, PPIO提供的GPU 容器实例配备开箱即用的公共镜像,支持当前主流模型和框架,用户可以无缝集成,提升开发效率。同时支持从本地导入自定义镜像,满足用户对于应用环境快速部署、灵活管理的需求。


通过构建地理分布广泛、技术架构领先、服务模式灵活的GPU算力网络,PPIO正在突破传统云计算的地域边界,让全球创新者都能轻松调用算力资源。

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