当 Token 消耗进入生产力阶段，PPIO 打造面向Agent的智能Token工厂

当 Token 消耗进入生产力阶段，PPIO 打造面向Agent的智能Token工厂

当 AI Coding 和 Agent 不再只是尝鲜工具，Token 消耗开始成为企业真实付费曲线，AI 云服务的竞争重心也正在变化。

7 月 17 日，2026 世界人工智能大会（WAIC）期间，PPIO 在上海举办媒体沟通会，正式发布全新的 Agentic Cloud 定位以及智能模型网关新品。围绕 Agent 时代的模型调用、任务执行和云端托管，PPIO 希望打造一座面向 Agent 的「智能 Token 工厂」。

在会后的媒体群访中，极客公园采访了 PPIO 联合创始人兼 CEO 姚欣。现场一个反复被问到的问题是：过去几个月里，Agent 和 AI Coding 带来的 Token 消耗增长，到底是真实需求，还是又一轮技术热度下的短期尝鲜？

姚欣给出的回答很直接：确实有尝鲜，但尝鲜之后留下来的，是企业付费形成的真实曲线。

Token 需求正在从尝鲜变成生产力

今年 2 月、3 月，PPIO 后台曾看到一条非常陡峭的 Token 增长曲线。姚欣在采访中回忆，那一阶段有大量尝鲜式应用涌入，大家都想试一试 Agent 能做什么。但一两个月后，C 端尝鲜热度逐渐回落，真正值得观察的反而是后面的变化。

「现在我们进入到了一个稳健的增长阶段，每个月可以看到大约 10% 到 20% 的持续增长。」姚欣表示，如果按照这个节奏推算，全年可能会有 3 到 4 倍的增幅。

这条曲线的特殊之处在于，PPIO 是 To B 平台，平台上的 Token 消耗主要来自企业付费调用，而不是免费补贴出来的 C 端流量。也就是说，它更接近一条企业愿意为 AI 生产力买单的曲线。

在现场交流中，姚欣提到，企业内部大量重复性劳动正在被 AI 改造。以 PPIO 自身为例，内部使用 OpenClaw 最积极的并不只是技术人员，财务、人事、行政、市场等非技术岗位也在高频使用。相比 Claude Code、Codex 等需要命令行和技术理解的 AI 编程工具，OpenClaw 这类智能体的门槛更低，只要有飞书或微信就能使用，因此更容易进入日常办公流程。

另一个变化发生在创业公司里。姚欣观察到，一些 OPC 公司正在形成新的启动方式：过去创业往往是先融资，再启动项目；现在则可能是先买一个 Token 包，做出 Demo，验证跑通之后再去融资。

他把这类公司称为 Agent Native 企业。它们不一定拥有庞大的团队，却可能拥有大量 Agent 员工。PPIO 接触到的一些 OPC 公司，单月 Token 使用量已经达到百亿级。对这些企业来说，Token 已经不再是「试试看」的预算，而是被纳入成本和产出的计算。

这也是 PPIO 在 WAIC 期间发布 Agentic Cloud 的背景。Agent 需求开始从热度走向真实消耗，云服务的关键问题也从「能不能调用模型」，变成「能不能让 Agent 更稳定、更便宜、更长时间地完成任务」。

智能模型网关，让每次调用变成一次调度

围绕这一变化，姚欣在发布会上提出了一个 Agent 时代的公式：Agent 生产力 = Token 智能密度 × Agent Loop 时长。

前者决定 Agent 每一步决策的质量，后者决定 Agent 能连续运行多久、完成多复杂的任务。智能模型网关对应的，正是提升 Token 智能密度。

在传统模型调用中，开发者往往依赖一个「全能型」大模型。但在真实任务里，不同环节对模型的要求并不相同：简单问答不一定需要最强模型，复杂推理也不适合交给轻量模型；法律合同审查、医疗初步诊断等高价值、高风险场景，则需要更高的结果稳定性。

PPIO 智能模型网关试图把这些调用变成动态调度。其核心能力包括混合模型 MoM 和模型调度：关键步骤可同时调用多个专家模型，通过交叉验证和融合生成最终答案；简单任务则由系统自动分流到更轻量的模型，并结合上下文压缩、缓存复用、预算护栏和失败回退机制控制成本。

在采访中，姚欣用了一个更口语化的比喻：PPIO 不是简单售卖 92 号、95 号、98 号汽油，而是希望把不同能力的模型组合起来，得到更高质量的智能结果。换句话说，PPIO 要做的不是 Token 中转站，而是通过算力、推理、调度和融合真正生产高质量 Token。

据公司披露，在 DRACO 深度研究基准测试中，PPIO 通过融合 Mimo-V2.5-Pro、Kimi-K2.7 和 GLM-5.2 进行混合模型推理，可以将性能提升至接近 Claude Fable5 的水平，而成本大幅下降。综合测算下，PPIO 智能模型网关可将智能水平提升 20%，将成本降低 50% 至 60%。

这一能力背后，是对模型增长曲线变化的回应。姚欣在现场提到，模型本身的智能提升速度正在放缓，开源与闭源模型的差距也在缩短。PPIO 不是模型训练公司，因此更关注推理侧和智能体调用侧：能不能通过混合模型、推理加速和工程编排，让最终任务结果再上一个台阶。

从 Agent Infra 到 Agentic Cloud

如果智能模型网关解决的是「每一步调用是否足够聪明」，Agent Harness 解决的则是「Agent 能否长时间稳定执行」。

Agent 不能只会思考，还要能调用工具、进入环境、验证结果、修正错误，并在复杂任务中持续循环。Harness 正是围绕这些环节形成的工程体系，涵盖上下文构建、工具编排、验证循环、成本控制和可观测性等能力。

在群访现场，也有媒体追问 Hermes 和 Harness 的区别。姚欣解释，Hermes 是一款开源智能体框架，和 OpenClaw 是同类产品；Harness 则是一类工程体系，指向智能体执行过程中的编排、工具调用、验证和纠错。PPIO 所说的 Harness，是其基于这一技术方向做的自研实现。

去年，PPIO 推出了兼容 E2B 接口的 Agent 沙箱，为 Agent Harness提供安全隔离的运行环境。据介绍，PPIO Agent 沙箱冷启动时延低于 200 ms，支持上万个沙箱同时创建，任务空闲时可自动暂停计费，综合使用成本较同类产品降低 90% 以上。上线一年后，PPIO Agent 沙箱业务规模已增长超 120 倍。

今年，PPIO 将这一能力继续向上封装，推出 PPClaw、PPHermes 等托管 Agent。开发者通过控制台最快 10 分钟即可完成云端部署，部署后的 Agent 支持 7×24 小时持续托管、定时任务调度、一键暂停计费和秒级唤醒。

姚欣在采访中把这次升级定义为从 Infra 到 Cloud 的升级。过去 PPIO 提供的是沙箱、模型 API 等基础能力；现在，PPIO 希望把模型、沙箱、工具调用、记忆、任务编排和托管服务融合起来，为企业提供一套面向 Agent 的完整运行环境。

这种升级也对应 PPIO 自身的全栈路线。姚欣认为，AI 云服务的竞争壁垒不只是能否买到更好的 GPU，而是能否从底层算力、异构计算、全球调度，到模型优化、混合模型，再到 Agent 和 Harness 应用层进行端到端优化。

截至 2026 年 6 月，PPIO 日均 Token 调用量已超过 1.2 万亿，较 2025 年同期增长超 8 倍。根据灼识咨询统计，按 2025 年及 2026 年第一季度平均每日 Token 消耗量计，PPIO 在中国独立 AI 云计算服务提供商中排名第一。

在全球化方面，PPIO 也在将 Agentic Cloud 能力延伸到海外。官方信息显示，PPIO 已覆盖全球 6 大洲，拥有 5000 多个分布式算力节点，并与 GitHub、Hugging Face、OpenRouter、vLLM、SGLang 等开发者社区建立合作或生态适配。姚欣透露，PPIO 平台偏 To B，目前约 70% 的消耗来自海外。

当 Agent 成为新的软件入口，Token 就不再只是模型服务的计费单位，而会成为企业生产力系统中的基础资源。对 PPIO 来说，Agentic Cloud 的意义也不只是发布一组新产品，而是在 Agent 真正进入付费使用和长期运行阶段之前，提前搭好生产、调度和托管 Token 的云底座。