百模大战的布景下，越来越多的大模型厂商开端讲起了“MaaS”的新故事。

这一概念为开发者和企业供给了一种全新的办法，以更高效的办法运用人工智能模型，而无需从零开端进行练习和布置。

跟着技能不断进步，MaaS正逐渐成为人工智能范畴的新焦点，为企业和开发者供给了全新的或许性。MaaS乃至有望成为人工智能的中心商业形式，一起多模态大模型的开展也将进一步扩展AI在各个范畴的落地场景。

但是，正如任何新式概念相同，MaaS也面对着各种争议和应战，比方说有关数据隐私、质量操控以及商业形式转型的评论。

在讨论MaaS的未来远景时，让咱们深化发掘这一概念的实质，一起讨论其或许带来的革新与时机。从改动开发办法到影响工业格式，MaaS正逐渐引领咱们进入一个充溢潜力的人工智能年代。

01 什么是MaaS

近段时刻，科技公司们提及最多的，除了大模型之外，便是MaaS(Modelas a Service)——模型即服务。

MaaS究竟是什么？

能够从需求端开端解说。这比方一个中小企业，现在也期望赶一波“潮流”，在数智化的大趋势下用上AI模型协助企业进步功率。

现状是，假如AI模型需求自己公司研制，面对的窘境是，开发门槛高，大模型所需求的算力、算法、数据关于中小企业来说都是高本钱；其次，模型的性质化要求高，模型的后期调试、练习对人才、本钱要求相同高。

这一路走下来，花的钱还不如挑选直接在大模型厂商付费购买服务或者是处理方案。

这是中小企业面对的难题，大模型厂商也看见了时机，所以MaaS应运而生。

在国内大模型浪潮降临前，阿里云就提出过这个概念。2022年的云栖大会上，阿里云智能CTO周靖人提出MaaS。

尔后不久，ChatGPT呈现带火了国内大模型浪潮，包含腾讯、字节跳动等为代表科技厂商纷繁挑选了这一途径。

周靖人对其介绍称，MaaS*层的意义是要把模型作为重要的出产元素，环绕模型的生命周期规划产品和技能，从模型的开发下手，包含数据处理、特征工程、模型的练习和调优、模型的服务等，供给各式各样的产品和技能。

简略了解来看，模型即服务是一种立异的办法，将机器学习模型封装成云服务，供用户经过API调用。这意味着开发者无需从头开端练习模型、处理布置问题，而是能够直接在云端取得现已练习好的模型，用于各种使命，如图像识别、文本生成、语音转化等。这样的办法节省了时刻和资源，一起下降了运用门槛。

更早些时候，AWS（亚马逊云）、谷歌云其实早现已践行了这一概念。

在2017年，亚马逊AWS发布了Amazon SageMaker，这是一个集成了模型练习、布置和办理的机器学习渠道。虽然它不是严厉意义上的MaaS，但能够被视为是MaaS开展的前驱之一，由于它使开发者能够在云端进行模型练习和布置。

此外，谷歌云推出的AutoML自动化机器学习渠道，答应开发者构建定制化的机器学习模型，而无需具有深化的机器学习专业知识。虽然AutoML不是严厉的MaaS，但它也在供给相似的服务概念，将机器学习模型的创建和办理变得愈加简化。

现在，跟着国内大模型入局玩家越来越多，对MaaS探究也越来越多。现在来看，现阶段的MaaS常见的落地办法有以下几种：

自建模型服务：企业或开发者能够自行练习模型，并将其封装成服务供其他用户调用。这种办法一般适用于有特定需求的企业，需求依据本身数据和事务特色进行模型练习和优化。

开源模型结构：一些开源的机器学习结构，如TensorFlow、PyTorch等，也供给了将练习好的模型布置为服务的功用。开发者能够运用这些结构来树立自己的模型服务。

笔直范畴处理方案：针对特定职业或范畴的处理方案供给商，或许会开发和布置特定范畴的模型即服务。这些处理方案能够协助企业在特定运用场景中更快速地完成模型的运用。

容器化布置：将模型打包成容器（如Docker容器），然后经过容器编列东西（如Kubernetes）来办理和布置模型。这种办法能够完成更高的可扩展性和灵敏性。

02 MaaS的两大阵营

现在，国内MaaS玩家有两大类，一是单纯的大模型厂商，二是云核算厂商。

单纯的大模型厂商，以商汤为代表。

关于MaaS，商汤是这样说的，根据AI大设备SenseCore和“日日新SenseNova”大模型系统，商汤面向职业同伴供给包含自动化数据标示、自定义大模型练习、模型增量练习、模型推理布置、开发功率进步等多种MaaS（模型即服务）服务。

例如，根据预练习大模型的自动化数据标示可完成相较于人工数据标示近百倍的功率进步；模型推理布置服务可将大模型推理功率进步100%以上，下降用模型供给服务的本钱。

云核算厂商，以阿里云、百度、腾讯为代表。

MaaS现已被云核算厂商写入到了基因层面。此前，云核算厂商一般会把硬件资源、软件才能以及底层结构用以供给服务，这就比方此前云核算厂商也一向会提及的SaaS、LaaS、PaaS。现在，MaaS也参加其间成为*出产力。

举一个比较好了解的比方，便是阿里。阿里全栈布局AI技能系统，构成IaaS、PaaS和MaaS三层架构。

阿里表明，在IaaS（Infrastructure as a Service）层，公司为AI规划了云根底设施，包含核算的模块、高效的网络及贮存，如灵骏智能核算集群与弹性核算ECS集群；PaaS（Platform as a Service）层供给了丰厚的大数据及机器学习产品，能够从数据清洗开端协助开发者练习 模型；MaaS（Model as a Service）层包含根底大模型/通义大模型、企业专属大模型、魔搭社区、API服务等。

云厂商的MaaS（模型即服务）和单纯的大模型厂商的MaaS在某些方面有显着的差异，体现在以下几个方面：

服务规模：

云厂商的MaaS：云厂商一般供给全方位的服务，包含根底设施、渠道、数据存储、核算资源等。MaaS仅仅其间的一部分，一般与其他云服务严密集成。

大模型厂商的MaaS：大模型厂商一般专心于特定的算法和模型，供给与其特长范畴相关的服务。他们的MaaS更专心于特定的模型和算法。

自定义和灵敏性：

云厂商的MaaS：由于云厂商具有丰厚的资源和技能仓库，他们一般能够供给更多的自定义选项和灵敏性，以满意不同类型和规划的客户需求。

大模型厂商的MaaS：或许更专心于优化和精简特定模型的功能，或许在自定义和灵敏性方面较为有限。

本钱结构：

云厂商的MaaS：一般以订阅或按运用付费的办法供给，与其他云服务整合，答运用户灵敏挑选和缩放所需的资源。

大模型厂商的MaaS：或许供给更具竞争力的定价选项，特别是关于特定模型或算法，由于他们或许能更有效地优化本钱。

集成和兼容性：

云厂商的MaaS：更易于与同一云供给商的其他服务集成，或许在与其他厂商或渠道的兼容性方面存在约束。

大模型厂商的MaaS：或许更容易与多个云渠道和本地环境集成，但或许需求额定的作业来完成全面集成。

专业支撑和服务质量：

云厂商的MaaS：一般具有强壮的客户支撑和服务质量保证，以及全面的文档和社区支撑。

大模型厂商的MaaS：或许更重视技能支撑和模型功能优化，但在服务规模和可用性方面或许较为有限。

安全和合规：

云厂商的MaaS：一般具有全面的安全和合规性才能，能满意各种法规和职业标准。

大模型厂商的MaaS：或许更专心于特定范畴的合规需求，或许需求与其他服务供给商协作以满意全面的安全和合规要求。

总的来说，云厂商的MaaS和大模型厂商的MaaS各有优势，挑选哪一个取决于详细的需求、预算、灵敏性和自定义需求等要素。云厂商一般供给更全面的服务和集成，而大模型厂商或许供给更专心和优化的模型服务。

03 企业怎样讲好MaaS的新故事？

现阶段，MaaS已然成为了职业大势所趋。

此前，光大证券在研报中写道，有才能的大公司供给预练习模型，使得笔直职业的小公司能够构建和布置AI模型，而无需出资构建和维护自己的模型所需的根底设施、硬件和专业知识。未来，MaaS有望成为人工智能的中心商业形式，一起多模态大模型开展更进一步扩展了AI落地的场景与或许。

不过，关于MaaS也存在一些争议。

一方面，MaaS的概念为开发者和企业带来了许多优点，包含更快速的开发周期、更低的开发本钱以及更大规划的运用规模。

但是，也有部分人以为MaaS或许会使一些企业对模型的质量和练习进程失去了透明度和操控权。

别的，依靠第三方供给的模型也或许引发数据隐私和安全问题。

因而，关于大模型厂商来说，讲好MaaS的新故事并不是一件轻松的事，需求企业深化发掘并展示MaaS的中心价值，一起处理和消除商场上的疑虑和顾忌。

杰出MaaS的中心价值。企业需求清晰展示MaaS所能带来的价值，如加快开发周期、下降本钱、添加运用规模等，用详细的事例阐明MaaS怎么助力企业更好地完成目标。

增强透明度和操控权。关于忧虑质量和练习进程缺少透明度和操控权的顾忌，企业应该供给完好的模型练习、验证和布置进程阐明，保证客户对所运用模型的全面了解和信赖。

着重数据隐私和安全。企业有必要采纳严厉的数据维护措施，并清晰奉告客户数据是怎么被维护的，以处理潜在的数据隐私和安全问题。

树立敞开和协作的生态系统。与职业同伴、开源社区以及学术界协作，一起推进MaaS的立异和标准化，打造愈加敞开和可继续开展的生态系统。

继续立异和改善服务质量。企业需求继续投入研制，供给更先进、更牢靠的模型服务，不断进步服务质量，以满意不断改动的商场需求。

另一面，站在客户的视点上来看，安稳牢靠、技能实力、服务保证的大模型才是最为重要的。

展望MaaS的未来，咱们能够猜测它将在不同范畴发生深远的影响，然后改动商业形式和工业格式。

跟着MaaS的遍及，多个范畴将会获益。首要，MaaS有望带来笔直范畴的定制化立异。跟着模型的进一步定制化，各行各业将能够更好地满意特定范畴的需求。比方，在医疗、金融和制造业等范畴，定制化的模型能够更好地处理范畴内的问题，加快立异和功率进步。

其次，MaaS将成为小企业遍及AI技能的催化剂。经过运用预练习的模型，小型企业能够充分运用人工智能技能，而无需投入很多资金和资源来构建自己的模型。这将推进小企业在商场上更具竞争力，促进工业的多元化和立异。

与此一起，MaaS也将推进不同职业之间的协作。模型在不同范畴之间的同享和运用将成为或许。例如，将自然语言处理模型与制造业的出产数据相结合，能够完成更智能的设备维护和优化，进步出产功率。

虽然MaaS的开展也面对一些应战。跟着企业对模型的运用增多，数据隐私和安全问题将变得尤为杰出。未来，MaaS有望推进愈加隐私维护的模型开发和布置办法的立异，保证数据安全的一起完成模型的高效运用。

从商业视点来看，MaaS或许引发企业的商业形式转型。企业能够从传统的产品销售转向供给模型服务，然后完成愈加安稳的收入流，一起为客户供给更高附加值的处理方案。

MaaS形式是否能成功还需求时刻来验证。不过，跟着技能的不断进步和商场的改动，咱们或许会看到更多关于MaaS的立异和探究。无论怎么，这一概念现已在加快推进机器学习模型的遍及和运用，为咱们带来了更多幻想空间。