今年以来，大模型的热度，让云计算产业为之沸腾。要举出一个最有力的证明，应该是：MaaS（Model as Service）这种全新模式的出现，一座座“模型工厂”，已经建起来了。
 

 

所谓MaaS，模型即服务，指的是用户可以直接通过API调用基础大模型，为不同的业务场景，来构建、训练和部署专属模型。云平台会提供从数据、模型到应用服务的全周期管理和工具。

 

目前，微软云Azure、阿里云、华为云、腾讯云、百度云、京东云等云计算大厂，都已经推出了MaaS服务。

 

云厂商做MaaS究竟是为什么？一个主要考量是，作为IT基础设施服务商，也就是IaaS模式，长期面临价格战的市场竞争，而通过PaaS和SaaS为政企提供ToB的数字化服务，又一直没有完成行之有效的价值回收。
 

 

这种情况下，云厂商急需要找到一种全新的、高价值的商业模式，大模型就带来了这个可能。

 

可是，方兴未艾的MaaS，真的能帮云厂商“翻身”吗？ 

 

必然到来的MaaS
 

 

先要声明一下，MaaS模式的出现，以及大量“模型工厂”的矗立，是非常有必要，也是有极大商业想象空间的。
 

 

你可能会问了，连OpenAI的模型访问量都在下降，真的有那么多大模型的训练需求，要用到如此多的“模型工厂”和MaaS服务吗？

 

我们的判断是，大模型的产业化之路才刚刚开始，而产业化会催生大量细分的、不同参数、不同规格、不同场景的模型需求，必须提升模型训练部署的效率，推动模型生产走向工业化。不同模型是各式各样的钢材，用来盖起一个个AI应用，那么“模型工厂”就是“炼钢厂”，是一定要建的。

 

MaaS模式的必然性，有三个支点：

 

第一，需求。通用性的基础大模型，已经被快速填满了。剩下很多企业，更希望调用基础模型的能力来改造自己的业务，或者开发新的AI应用，而这些都需要更懂行业知识、技能更精准、更贴合场景的垂直模型。有数据显示，行业智能化渗透率将从2021年的7%增长到2026年的30%，更多行业的核心业务系统会被大模型能力渗透。所以，对于大模型的生产需求，还很旺盛。

 

第二，供给。目前，大模型的生产力依然有限，首先是计算资源稀缺，大模型的训练和推理对计算资源和存储资源有很高的需求，很多企业和机构“无卡可用”，导致无法进行大模型的训练和推理。

 

同时，训练专有大模型需要大量的高质量数据，数据清洗、预处理等一系列复杂工程，大大影响了开发效率，训练周期长，无法快速满足业务上线的要求。

 

此外，训好的大模型要进行部署和应用，需要考虑到计算资源、业务场景、不同参数规格、网络带宽、安全合规等方方面面的问题，很多企业和机构缺乏相关的技术和经验，前期投入的心血很容易就打了水漂。

 

要提高大模型的供给数量和质量，MaaS模式的“模型工厂”一定要建。

 

第三，催化剂。云厂商有充足的动力，催化MaaS模式的成熟，并推向市场。IaaS基础设施即服务，造就了公有云的崛起，但IaaS模式的前期基础设施投入大，营收能力低下，积弊已久。PaaS需要云厂商投入大量的人力、回报周期长，SaaS的价值不足，客单价低，还需要大量定制化和运维服务。这时候，通过MaaS这一新模式，向用户全面输送模型能力，是一种高价值、强确定性的选择。

 

一方面，大模型庞大的数据规模，会带来更多的计算资源需求和用云量。另外，行业企业用户的定制化需求，可以按项目制付费。大量AI应用程序调用API，已经产生了按token付费、订阅付费、商业版等多种商业模式。

 

如此多的商业化前景，就如同一针针强心剂，促使云厂商们加速布局MaaS。

 

让我们回归到现实，来看一看国产云厂商，是如何做MaaS这门生意的。

 

“前店后厂”的国产MaaS

 

今天的整体形式是，国产云厂商的MaaS基本都走向了“前店后厂”模式。

 

怎么理解呢？

 

云厂商扮演“厂”的角色，是利用基础设施、行业服务能力等优势，和全流程开发工具