2026 年的上海世博展览馆，空气里弥漫的已不再是单纯的算力硝烟。视线所及之处，主通道两旁不少展台都赫然印着 "Token 工厂 " 的标，这构成了本届世界人工智能大会（WAIC）最显著的叙事转向，也体现了今年 AI 行业的变化。

趁着大会间隙，我们顺势对话了 PPIO 联合创始人兼 CEO 姚欣，在 "Token 工厂 " 成为全场高频词的 2026 年 WAIC，姚欣的判断自带一种务实感：少谈 AGI 何时到来，更多讨论需求是不是真的、成本还能降多少，以及谁能把模型能力真正转化为稳定运行的生产力。

此时的 PPIO，也正处在一个关键节点。2026 年 6 月 10 日，PPIO（派想未来集团）再次向港交所递交上市申请。

招股书显示，PPIO 总营收从 2023 年的 3.58 亿元增至 2025 年的 7.70 亿元，复合年增长率 46.6%。收入结构发生显著变化：AI 云计算收入从 2024 年的 1038.7 万元跃升至 2025 年的 1.192 亿元，同比增长超十倍，占总营收比重从 1.9% 提升至 15.5%，AI 相关业务成为拉动整体增长的核心动力。

需求回归理性：Token 消耗从 " 尝鲜 " 转向 " 生产力 "

姚欣首先给这一轮 AI 热潮定了一个调："AI 需求是真实的，而且已经进入了正循环。"

在他的观察中，2026 年初那一轮极为陡峭的增长，更多由大众的尝鲜需求推动。用户集中体验 AI 编程、深度研究和各类智能体产品，带动 Token 调用量快速攀升。但当最初的热度逐渐退去，企业级需求并没有随之消失，反而呈现出更加扎实的增长曲线——目前，企业级 Token 消耗量仍保持每月 10% 至 20% 的稳定增长。

根据招股书，从调用规模看，PPIO 的日均 Token 消耗量从 2025 年 12 月的 2710 亿增至 2026 年 4 月的 1.03 万亿，4 个月增长近 4 倍，6 月又飙升至 1.2 万亿。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。平台全球注册开发者从 12.5 万人增至 66.6 万人，呈现出陡峭的增长曲线。

一个颇具代表性的变化发生在 PPIO 内部。财务、人事、行政等非技术岗位调用智能体的频率，甚至已经超过部分技术人员。AI 最先进入的，并不一定是最复杂、最前沿的研发场景，而是企业内部大量重复、琐碎却又必须完成的工作：整理数据、查询资料、生成文档、跨系统流转信息，以及跟进标准化流程。

这也正在催生更多 OPC，即 One Person Company" 一人公司 "。创业者不再一定要先融资、招人、搭建完整团队，而是先购买一个 Token 包，调用多个 Agent 完成产品开发、市场调研和运营测试，用更低的成本跑出 Demo、验证需求，再决定是否扩大投入。" 我们离全民失业还很远，但 AI 辅助完成 80% 工作量的目标正在加速实现。" 姚欣表示。

在他看来，真正值得关注的变化，不只是每个人使用 AI 的频率提高，而是 Token 的主要调用者正在由人转向 Agent。人的指令天然受到时间和注意力限制，但 Agent 可以在后台持续调用模型、搜索信息、运行代码、处理文件并操作工具。一个复杂任务背后，可能对应几十次甚至数百次模型推理。当 Token 消耗不再完全依赖人的主动指令，而是由智能体自主规划和调度时，整个市场的增长逻辑也将随之改变。

此外，虽然 GPU 换代速度有所放缓，SSD 等存储成本也一度上涨，但姚欣对 AI 使用成本的下降依然乐观。" 每一年的智能使用成本，仍将呈现接近十倍的下降速度。"

从 AI Infra 走向 Agentic Cloud

随着闭源模型的边际迭代逐渐放缓，姚欣认为，决定 " 智能密度 " 的关键，正在从单纯的模型能力，转向推理效率和智能体调用效率。欣提出了一个 Agent 时代的核心公式——Agent 生产力 = Token 智能密度 × Agent Loop 时长。Token 智能密度决定了 Agent 每一步决策的质量上限，Agent Loop 时长决定了 Agent 能持续运行多久、完成多复杂的任务。

基于这一判断，PPIO 提出从 AI Infra 向 Agentic Cloud 的战略升级。同时构建了两层原生产品体系：智能模型网关是 AI Agent 的智能调度中心；Agent Harness 层融合沙箱、任务编排、Tool Use、记忆管理等于一体，延长 Agent 可持续运行的 Loop 时长以解决复杂长程任务。

其核心逻辑可以拆解为三层。第一层，将已布局三年的模型 API 服务升级成 " 智能 Token 工厂 "。PPIO 强调的并不是简单采购 GPU、转售算力，而是通过推理框架、模型部署、异构调度和系统优化，提高单位 GPU 能够生产的有效 Token 数量。从底层算力到上层应用，进行端到端的全栈优化，最终出售的不是一张 GPU 卡的使用时间，而是更低成本、更高质量的模型推理结果。换句话说，未来衡量一家 AI 云厂商的核心指标，可能不再是拥有多少张卡，而是能够以多低的成本，稳定生产多少高质量 Token。

第二层，是混合模型的逻辑（MoM，Mixture of Models）。传统模型路由解决的是 " 一个任务应该分配给哪个模型 "，本质上仍是在多个模型中选择一个最合适的选项。PPIO 所强调的 "Mix"，则是让多个模型共同参与同一个任务，通过分工、交叉验证和结果融合，提高复杂任务的成功率。

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，而成本却大幅下降。据综合测算，PPIO 智能模型网关可以将智能水平提升 20%，将成本降低 50%-60%。

姚欣用一句更直白的话解释这一思路：" 三个臭皮匠顶个诸葛亮。" 在这一体系下，不同模型可以分别承担规划、执行、检查和纠错等角色。最终效果不再取决于某一个模型的能力上限，而取决于整个系统如何组合和调度模型。

第三层，则是 Harness 工程。在姚欣看来，当模型能力逐渐趋同，真正决定智能体体验的，不再只是底层模型，而是模型之外的整套工程系统：如何构建上下文、管理长期记忆、调用外部工具、控制任务流程、验证执行结果，并在失败后自动重试。未来的护城河，不只是模型 " 有多聪明 "，而是智能体能否运行得更稳定、调用更多工具，完成更长时间、更复杂的任务。

PPIO 在去年推出的国内首款兼容 E2B 接口的 Agent 沙箱，就是为 Agent Harness 提供安全隔离的运行环境。PPIO Agent 沙箱上线一年，业务规模已增长超 120 倍。

这正是 Agentic Cloud 与传统 AI 云的区别：后者主要面向人和应用程序提供算力，前者则需要为能够自主规划、持续执行任务的数字员工提供完整的运行环境。

在姚欣的设想中，未来云端 99% 的流量都可能由 Agent 产生。他透露，目前，PPIO 官网已经进行了 "AI Agent 友好 " 改造。当人类用户访问网站时，看到的仍然是常规网页；但当 Agent 访问时，系统可以直接向其展示 Skill、MCP 和命令行接口。Agent 能够自主理解服务能力、选择模型、发起调用，甚至完成账户充值，整个过程不再需要人工逐步点击操作。

谈及出海和全球竞争，姚欣的观点是。"AI 产业的竞争，本质上是中国华人与硅谷华人的竞争。"

在他的判断中，全球 AI 竞争并不是简单的中美公司对抗。在硅谷的大模型公司、开源社区和智能体创业项目中，华人工程师已经成为一支不可忽视的力量；与此同时，中国本土团队则拥有大规模互联网应用、高并发系统和快速产品迭代的长期积累。OpenClaw 等智能体项目在中国的迅速流行，某种程度上也印证了中国开发者和创业者对新技术极强的接受和工程转化能力。