让每个企业都能用上AI !

1亿用户，TikTok用了9个月，Instagram则用了两年半。

快速的用户增长与ChatGPT所展现出优秀的文本生成、语言问答、语言翻译、编程、绘画等能力息息相关。

曾经颇具科幻感的人工智能，在大模型的支撑下，正一步步成为现实。

在ChatGPT之后，百度、阿里、华为、腾讯、字节跳动、科大讯飞、商汤、中科院、清华、复旦等大厂或高校院所纷纷入局发布大模型。截止2023年10月，我国拥有10亿参数规模以上大模型的厂商及高校院所共计254家，分布于20余个省市/地区^[1]。

在各方刺激下，大模型市场持续火热，企业对于大模型应用的关注水涨船高，AI领域独特的商业模式MaaS也渐渐成为企业关注的重点。

01 点亮大模型

MaaS是继IaaS、SaaS、PaaS之后，又一个基于云计算的商业模式。

顾名思义，MaaS（Model as a Service模型即服务）是一种将AI大模型作为可服务化的产品提供给用户使用的商业模式。其业务核心是“模型-单点工具-应用场景”，即提供预先训练好的大模型，通过简单的接口、应用程序编程接口（API）或软件开发工具包（SDKs）让用户能够方便地访问大模型的功能。它不对用户设限，用户无需关注底层基础设施，也不需要深入的人工智能知识，不管是AI开发者还是普通人，都能依靠MaaS快速点亮大模型的“科技树”。

MaaS的出现解决了大模型研发与落地的难题。

在传统机器学习模型的开发中，模型的研发和落地往往是两个分离的过程。

在研发阶段，通常会需要大量的数据和计算资源来训练模型、调整模型参数等。在这期间，消耗的金钱难以预估，加上时间和人力的成本，令人望而却步。更别提在大模型出现之后，“大数据+大算力+强算法”的优势带来了对算力、数据、人才的更高要求。据悉，仅研发阶段，训练大模型的基础设施投入都是以“亿美元”为单位计算。

但纵使突破各种困难训练出大模型，也不意味着能够顺利将其部署到实际应用场景中——除了要面对运维、资源管理、服务配置等硬件难题外，还需要面对由于缺乏相关专业知识和数据使大模型无法完全发挥潜力的问题。

而MaaS模式的出现令这些问题迎刃而解，并将大模型应用和推广提上了日程。

一方面，用户可以直接调用大模型，不必关注大模型的成本问题，只需上传自身应用场景下的数据进行微调，就能让大模型为业务赋能；另一方面，大模型可以吸纳更多领域的专业知识和实时数据，从而提升预测和决策的准确性，不断进行迭代和优化，以便落实到更细分的场景中去，解决实际场景下的问题。

MaaS降低了大模型的使用门槛，对于用户和大模型企业来说，可谓是“双赢”的选择。

目前，MaaS的服务主要包括以下几个方面：

• 模型训练服务：这是MaaS最核心的服务，包括数据预处理、模型训练、调参等环节。MaaS可以提供一个可视化的界面来帮助用户上传数据、选择算法和超参数、运行实验等。
• 模型部署服务：MaaS提供了一系列的API接口，使得用户可以方便地与模型进行交互，并将训练好的模型部署到生产环境中。
• 模型管理：MaaS可以跟踪模型的响应时间、错误率、资源使用情况等指标，并向用户发送报警通知。同时，也提供了一些分析工具，如可视化的数据报表，以帮助用户更好地理解模型的性能。

02 MaaS的初心
其实，在人工智能领域，服务化的概念一直存在。在大模型声名鹊起之前，“MaaS”的“M”代表Machine Learning（机器学习）。
2017年，谷歌推出了Google Cloud Machine Learning Engine，帮助具有机器学习专业知识的开发人员轻松构建适用于任何类型、任何规模数据的机器学习模型。亚马逊发布的全面机器学习平台服务Amazon SageMaker，提供了端到端的机器学习工作流程，包括数据准备、模型构建、训练部署和管理等功能。除此之外，IBM Waston Machine Learning、微软Azure Machine Learning也是有名的“MaaS”服务平台。
让每个企业都用上AI，成为MaaS模式的初心。
随着人工智能领域的快速发展，大模型（Model）作为机器学习技术的前沿，代替了机器学习（Machine Learning），成为“M”新的含义，但其初心从未动摇。
工具只有落到实处才能体现其价值，大模型亦是如此。

03入局者众
随着大模型的火热，有关MaaS的竞争才刚刚开始。目前，入局MaaS领域的厂商都颇具分量。
例如，商汤推出的SenseCore商汤AI大装置由模型层、深度学习平台和计算基础设施三个部分架构而成，其中，深度学习平台是集大规模AI算力管理、专业的AI工具链、开放式AI算法与一体的工业级AI生产开放平台，帮助用户实现从数据标注，算法设计，到模型训练、部署的全链路、批量化过程。依托人工智能基础设施算力云服务提供云原生AI基础设施、AI开发平台、AI专家服务三位一体的解决方案。有效加速人工智能规模化落地，降低算法模型的生产成本和技术门槛。

商汤SenseCore云服务方案架构
阿里云通义大模型家族已推出“通义千问”、“通义听悟”和“通义万相”三个大模型，打通了语言、音视频生产和绘画创作三大重要场景，并将旗下产品如钉钉等全面接入，完成了大模型在应用端的落地。2022年，阿里云同时建立了ModelScope社区（魔搭社区），汇集开源开放的优质预训练模型，并提供了API调用模型，极大地方便了用户的使用。同时，基于此阿里云推出了大模型调用工具ModelScopeGPT（魔搭GPT），用户可以一键发送指令调用魔搭社区中其他的人工智能模型，从而实现大小模型的共同协作。此举能进一步促进AI大模型在各行各业的落地问题。
腾讯云推出了基于TI平台的行业大模型精调解决方案，该解决方案具备完整大模型精调工具链，支持用户加入自己独有的业务场景数据，进行精调训练，从而定制不同参数、不同规格的专属模型。目前，腾讯云已经推出了十余个行业超50个行业大模型应用解决方案，如金融、文旅、政务、传媒等，对企业智能化升级更具推动作用。

腾讯云MaaS
百度智能云发布了千帆大模型平台，并在后续升级中宣布全面接入LLaMA2全系列、ChatGLM2、RWKV、MPT等国内外33个大模型，满足不同的用户在不同应用场景上的选择。目前，用户可以直接登录千帆大模型平台操作台，直接调用、部署相关服务，也可以搭配使用不同的大模型，实现大模型的落地。
如今，MaaS已经成为人工智能领域备受瞩目的发展方向之一，依靠MaaS大模型的触角将延伸到更远更细节的地方。
进入2024年，大模型市场正褪去狂热转向冷静。这意味着，受市场风潮裹挟的日子已经过去，一众入局者将利用MaaS更加理性地推动符合实际情况、可持续发展的大模型应用，以实现更大的商业价值。

4.正在路上的MaaS
数据显示，2023年MaaS的市场规模将达到261.5亿元，占中国云服务市场的10.3%^[2]，在“每个企业都能用上AI”的美好愿景支持下，MaaS具有极大的商业发展前景。
不过，在热潮之下，MaaS仍有很长的一段路要走。
首当其冲的是数据隐私和安全性的问题。作为新时代的生产要素之一，数据的重要程度不言而喻，而在大模型的微调和训练中会涉及大量的数据传输和处理。保障数据隐私、传输安全，以及合规地使用数据和存储将是MaaS需要持续关注的重点。此外，跨境数据传输、知识产权保护等问题也应被纳入考虑范围。
其次，MaaS平台中的各类大模型是其发展壮大的核心，在接入更多大模型的同时，也要对模型进行严格的评估和测试，以保证模型的高质量和稳定性。
除此之外，如何在卷算力、卷技术、卷服务的同时还能降低运营成本也是MaaS所要面对的现实问题。
归根结底，作为大模型产业商业化的重要一环，MaaS在人工智能技术的发展和商业应用方面都具有重要的意义。未来，随着人工智能技术的不断发展和普及，MaaS将会变得更加成熟和完善，为企业带来更多的便利和创新。
写在最后

俗话说得好，众人拾柴火焰高。
MaaS是众人摘取人工智能这朵高岭之花的途径。随着MaaS不断发展成熟，使用人工智能的门槛将会越来越低，人工智能的应用范围和深度将会不断扩宽挖深，进一步推动人工智能场景创新，促进其更高水平的应用。
未来，让我们一起期待着每个企业都能使用AI的智能时代到来。