文 ：武占國，編輯 ：何玥陽，出品 ： 數智界

　　今年，大模型之風，在國內已經刮了一波又一波。

　　無論是在烏鎮召開互聯網大會，還是各大互聯網論壇，大模型一次又一次被大佬們捧上C位，如今百模大戰的硝煙仍未停止，最終會不會是像“百團大戰、百云大戰”一樣，贏者通吃，猶未可知。

　　至少目前，大部分都屬于燒錢研發階段，實現盈利、變現的屈指可數。但是，這場針對大模型訓練的云廠商之戰，已經拉開帷幕，各大云廠商紛紛發布了各自對大模型的服務方案。

　　截至目前，國內外云廠商，包括阿里云、華為云、騰訊云、百度云、京東云、微軟云Azure等云計算大廠，都已經推出了MaaS服務。

　　推出MaaS服務對云廠商有什么影響?云廠商如何通過MaaS進行變現?MaaS能不能成為云廠商新的業務增長極?本文將回答這些問題。

　　一、云廠商鏖戰MaaS

　　MaaS是模型即服務，是IaaS(基礎設施即服務)、PaaS(平臺即服務)、SaaS(軟件即服務)之外的一個新概念，也是云廠商的新業務，但目前主流云廠商對MaaS的定義并未形成統一的說法。

　　曾經制定過IaaS、PaaS和SaaS技術標準的美國國家標準與技術研究所(NIST)，目前也沒有給出MaaS的技術標準，國際上也沒有其他權威認證。

　　根據云廠商的描述，MaaS模式的核心價值可歸納為：降低算法需求側的開發技術和使用成本門檻，用戶可以直接通過API調用基礎大模型，為不同的業務場景，來構建、訓練和部署專屬模型。

　　主流云廠商發力MaaS服務，存在著主動和被動兩方面的原因。

　　第一，主流云廠商的傳統業務增長放緩。

　　總體看，云廠商的傳統業務大多是基于IaaS層的公有云業務，而PaaS和SaaS層的業務規模相對較小。在IaaS層提供服務的顯著特點是，重資產、重投入，靠規模吃飯，但同質化嚴重，所以利潤率較低。

　　再加上運營商的加入，競爭更加激烈，價格戰頻頻上演。

　　另一方面，阿里云、騰訊云等云廠商調整了以往要規模的路線，通過主動放棄一些低利潤項目，來保利潤率。如互聯網云廠商所愿，這兩年云廠商的利潤率有所改善，但增長落入10%以下的區間。比如排第一的阿里云，2023年增速已經趨近于零，相比前兩年高達20%-100%的增速，已經大幅下降。

　　在利潤率更高的PaaS和SaaS層，由于基礎開發軟件和SaaS業務端需求不足，國內這兩層的業務量規模較低，占整個公有云市場的比例也遠低于國外。

　　第二，大模型訓練和運營，存在算力和服務缺口。

　　隨著ChatGPT的爆火，各個大廠、企業紛紛下場做大模型，截至10月份，我國擁有10億參數規模以上大模型的廠商及高校院所共計254家，國內已經發布了238個大模型，相較于6月份的79個，在四個月內增長了三倍。

　　這么多大模型的訓練和運營都需要巨大的算力支持。比如OpenAI訓練大模型，前期GPT-3的訓練一次需要購買49臺服務器，成本140萬美元，日常運行成本則更高，以早期的每日2500萬訪問量計算，需要購買3798臺服務器，成本7.59億美元。

　　華為預測，2030年通用計算總量比2020年增長10倍，至3.3ZFLOPS;AI計算總量將增長500倍至105ZFLOPS。

　　基于這樣的預期，云廠商紛紛推出了各自MaaS業務。

　　今年3月，李彥宏在文心一言發布會上提出，大模型時代MaaS將取代IaaS，成為主流。4月，阿里發布通義千問大模型，同時，阿里云峰會上，張勇表示，阿里云已形成模型即服務(MaaS)、平臺即服務(PaaS)、基礎設施即服務(IaaS)三層架構。從這樣的表述也可以看出阿里云對于MaaS的重視。

　　今年7月初，華為云公布了盤古大模型3.0和昇騰AI云計算服務，盤古3.0可以提供從100億到1000億參數等四種系列化基礎大模型，昇騰AI云可以提供單集群2000P Flops等算力服務。

　　9月初，騰訊發布自研混元大模型，同時國內企業可以通過騰訊的公眾云平臺接入混元，并根據具體需要進行微調。

　　二、云廠商如何通過MaaS變現？

　　目前業界對MaaS的定義存在分歧，包括MaaS與IaaS、PaaS、SaaS之間的關系，以及未來MaaS是否會重新定義IaaS、PaaS、SaaS，這些都存在不同看法。

　　目前云廠商，已推出的MaaS相關服務，主要包括基于IaaS的AI算力服務，以及通過自研大模型或開源大模型提供API調用服務。

　　第一，API調用服務是MaaS最核心的變現方式。

　　API調用服務就是，云計算平臺將機器學習模型封裝成可以調用的云服務，用戶通過API接口或者其他方式，來調用模型的能力。

　　這個過程中，云廠商可以根據用量或者時間來收費。

　　比如，OpenAI推出GPTs及相應自然語言開發工具。OpenAI共制定了四種收費模式，分別是ChatGPT Plus訂閱收費、API(除GPT模型接口外，還包括模型微調接口和嵌入接口)調用量收費、文生圖按生成量收費和音轉文按分鐘收費、模型實例租用收費。

　　其中，GPT-3.5模型是按調用token(分解單元，中文大致等同于一個詞)數量計費，每10萬個token收取4美分。美國應用市場排名靠前的應用，服務營銷文案的Jasper和聊天機器人Chat with Ask AI都是基于OpenAI旗下模型開發的應用，其最核心的成本也是給OpenAI的API調用費。

　　第二，給訓練、運行大模型提供AI算力服務。

　　算力服務一直是云計算最初級的服務，也就是IaaS層的服務。IaaS，最初就是為企業提供集中服務器、數據存儲等底層的技術服務，后來在此基礎上發展出了PaaS和SaaS。

　　跑大模型需要的是AI算力，而非以往的通用算力，AI算力的需求，對云廠商IaaS層的服務器、網絡、存儲等都產生了重構。比如，在提供算力的服務器，需要采購大量的搭載英偉達的GPU服務器，重新搭建建立在其基礎之上的系統和網絡服務。

　　大模型未來也有可能重構PaaS層和SaaS層。

　　在此基礎之上，云廠商也可以探索新的付費模式，比如基于開源模型，形成開發者社區，實現AI PaaS服務，給開發者提供除算力和模型之外的服務，比如提供開發者訓練大模型需要的數據庫、中間件等服務。

　　此外，在SaaS層，更多企業的SaaS產品開始基于AI(AI-based-SaaS)，AI從SaaS的輔助工具到AI原生SaaS(基于特定大模型的SaaS產品)，再到AI agent SaaS(智能體即服務)，都將經歷在應用層探索。

　　三、通過MaaS賺錢，存在哪些困難

　　首先我們需要厘清，云廠商提供MaaS服務，想賺誰的錢?

　　模型廠商的錢，包括大模型和行業模型，比如百川智能就是在阿里云上跑的，行業模型是一個趨勢。最終賺的是B端企業的錢，針對C端的AI應用變現問題，我們在此前的文章《大模型太卷，AI應用就好做嗎?》中討論過。

　　云廠商也可以自己去做行業模型，不過每個行業來一遍，投入高，周期也比較長，增加了盈利的難度。

　　當大模型投資熱回歸理性之后，理想的循環是，企業客戶可以將行業大模型以及其提供的工具，應用于自身運營、生產、財務管理等多個業務中，應用之后效率提升，才會愿意持續付費，這樣一來模型廠商賺錢，云廠商也賺錢。

　　技術落地的過程是從模型到工具再到場景，商業化卻是從應用場景開始的。

　　中國的PaaS和SaaS占公有云市場比重低，部分原因在于盈利能力弱，所以評估收益與成本之后，為SaaS付費意愿不高。

　　所以，云廠商通過MaaS服務可能會遇到與SaaS相似的問題，即從供給端到需求端，都未形成如國外那樣成熟的管理模式和市場環境，也沒有形成標準化產品，無法進行低成本復制。(詳見《中國SaaS之殤：差距是如何被一步步拉大的》)

　　當然，MaaS與SaaS也有不同，因為有大模型的輔助，MaaS在用戶定制化的需求上，能夠有更好的適配，因此在標準化和定制化之間的兩難，會得到一定解決。

　　賺不賺錢，另一個重要的因素在于成本。

　　提供MaaS服務對AI算力有極高的要求，云廠商需要采購大量的GPU芯片，用來搭建新的服務，來滿足日益增長的AI算力需求。今年微軟和Meta各買了英偉達15萬片***GPU，百度、阿里和字節分別買了3萬、2.5萬和2萬片。這些芯片，都將部署在新的適配于大模型訓練和運行的服務器上。

　　除了外部采購，國內云廠商也在加緊腳步布局自研AI芯片，或拓展其他購買渠道。

　　今年10月23日，美國開始實施新的芯片出口管制，英偉達高性能AI芯片——A800、H800、L40S等，被禁止出口。這導致國內云廠商，無法買到國外高性能芯片，這些成為制約國內云廠商提供AI算力的制約因素。

　　一份研報顯示，一臺搭載英偉達A100芯片的服務器成本在20萬美元，單個服務器搭載7片A100芯片，單片芯片價格在1.5萬美元左右。

　　云廠商斥巨資買來的計算資源，需要足夠大的使用量級和用戶規模，才能產生效益。而隨著大模型熱褪去，是否會出現資源的閑置，誰都說不好。