百模大战的背景下，越来越多的大模型厂商开始讲起了“MaaS”的新故事。

这一概念为开发者和企业提供了一种全新的方式，以更高效的方式利用人工智能模型，而无需从零开始进行训练和部署。

随着技术不断进步，MaaS正逐渐成为人工智能领域的新焦点，为企业和开发者提供了全新的可能性。MaaS甚至有望成为人工智能的核心商业模式，同时多模态大模型的发展也将进一步扩展AI在各个领域的落地场景。

然而，正如任何新兴概念一样，MaaS也面临着各种争议和挑战，比如说有关数据隐私、质量控制以及商业模式转型的讨论。

在探讨MaaS的未来前景时，让我们深入挖掘这一概念的本质，同时探讨其可能带来的变革与机遇。从改变开发方式到影响产业格局，MaaS正逐步引领我们进入一个充满潜力的人工智能时代。

什么是MaaS

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

MaaS到底是什么？

可以从需求端开始解释。这好比一个中小企业，现在也希望赶一波“潮流”，在数智化的大趋势下用上AI模型帮助企业提升效率。

现状是，如果AI模型需要自己公司研发，面临的困境是，开发门槛高，大模型所需要的算力、算法、数据对于中小企业来说都是高成本；其次，模型的性质化要求高，模型的后期调试、训练对人才、成本要求同样高。

这一路走下来，花的钱还不如选择直接在大模型厂商付费购买服务或者是解决方案。

这是中小企业面临的难题，大模型厂商也看见了机会，于是MaaS应运而生。

在国内大模型浪潮来临前，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。

此后不久，ChatGPT出现带火了国内大模型浪潮，包括腾讯、字节跳动等为代表科技厂商纷纷选择了这一路径。

周靖人对其介绍称，MaaS最底层的含义是要把模型作为重要的生产元素，围绕模型的生命周期设计产品和技术，从模型的开发入手，包括数据处理、特征工程、模型的训练和调优、模型的服务等，提供各种各样的产品和技术。

简单理解来看，模型即服务是一种创新的方法，将机器学习模型封装成云服务，供用户通过API调用。这意味着开发者无需从头开始训练模型、解决部署问题，而是可以直接在云端获得已经训练好的模型，用于各种任务，如图像识别、文本生成、语音转换等。这样的方式节省了时间和资源，同时降低了使用门槛。

更早些时候，AWS（亚马逊云）、谷歌云其实早已经践行了这一概念。

在2017年，亚马逊AWS发布了Amazon SageMaker，这是一个集成了模型训练、部署和管理的机器学习平台。虽然它不是严格意义上的MaaS，但可以被视为是MaaS发展的先驱之一，因为它使开发者能够在云端进行模型训练和部署。

此外，谷歌云推出的AutoML自动化机器学习平台，允许开发者构建定制化的机器学习模型，而无需具备深入的机器学习专业知识。尽管AutoML不是严格的MaaS，但它也在提供类似的服务概念，将机器学习模型的创建和管理变得更加简化。

MaaS将“颠覆”SaaS？

MaaS是否真有如此大的价值？这个词虽然是首次在国内被媒体公开讨论，但早在2012年，上海大学计算机工程与科学学院邹国兵教授就提出了“MaaS”这一概念。他在论文中详细解析了什么是模型即服务。

从2012年MaaS理论的提出，到如今MaaS终于落地，这十一年的时间，算法和算力都发生了翻天覆地的变化。在今年3月文心一言发布会上，李彦宏甚至大胆预测，云计算公司的主流商业模式将会改变，MaaS会彻底颠覆SaaS，成为主流商业模式。

至于为什么MaaS能够“颠覆”SaaS，早在邹国兵教授的论文中就给出了答案。他认为，“MaaS是一个‘无处不在’的模型”，从MaaS的基本构成得以看出，它可以通过客户和云厂商在IaaS层收集的个人信息，得到个性化的模型网络。

MaaS的个性化正好能够弥补当前SaaS的缺陷。现阶段的情况是，针对任何两个不同的终端用户，他们得到的SaaS服务并无差异。但SaaS本身就是用来解决客户的边缘化需求，而目前国内SaaS采用的是标准化居多，即使是个性化，也只能在中大型企业内进行交付，换言之，SaaS并不能很好地解决个性化的问题。但如果有能够针对不同用户提供不同信息的MaaS平台存在，那么用户就能得到更个性化的服务。

之前，SaaS客户如果有个性化需求，需要自己用低代码平台构建个性化的功能和服务。而且，还要基于所使用的SaaS公司自身有PaaS的前提下，但未来若MaaS能在其中发挥作用，或许客户使用SaaS软件时，可以直接根据自己在MaaS平台，也就是数据层的积累，进行个性化的配置。

而MaaS会如何实现对SaaS的颠覆？具体要先从MaaS对IaaS和PaaS的影响谈起。

首先，IaaS层的作用是，为上层的PaaS和SaaS提供算力服务和大规模数据存储中心。MaaS虽然停留在PaaS和SaaS层之间，但它对IaaS的商业模式，甚至云厂商的竞争格局都会产生影响。

目前在国内，云厂商高度同质化，价格战激烈。IaaS作为基础服务器，在国内很少单独向外提供服务，其商业模式大多依靠IaaS+PaaS和IaaS+SaaS的方式交付。相比于毛利率50%以上的SaaS，国内的IaaS仅有10～15%。大模型的出现，为云厂商打开了一种新的竞争格局。

未来，一种新的商业模式会是“IaaS+MaaS”。MaaS开发人员设计的所有MaaS配置文件模板都存储在IaaS层中，也就是说用IaaS层的数据库喂给MaaS。这意味着MaaS的质量也取决于IaaS层数据库的质量，其中包括关系型数据库、NewSQL、数据仓库和数据湖等对数据的处理。

目前，不仅百度、腾讯和阿里等互联网大厂都已经布局MaaS，寻求新的增量市场；一些创业公司也在不断优化数据层，推出新的产品，为大模型时代的到来做准备。

在邹国兵提出MaaS理论模型的那一年，国内离大模型还很遥远。但如今，大厂已纷纷入场做出大模型，MaaS层落地的这一挑战已经攻克，剩下就是未来MaaS会如何传递给SaaS层，落地情况会怎样，是否会彻底颠覆SaaS，或者颠覆到何种程度？这些都还未知。

MaaS除了对IaaS商业模式有改变，对PaaS的影响则更深。

国内头部SaaS公司都开发了自己的PaaS平台。但客观来看，一家SaaS厂商做PaaS是一件极难的事情。当年，10岁的北森从2012年开始探索PaaS，到2019年终于完成PaaS平台的搭建，2020年才正式面向客户开放，对客户的个性化产品进行业务开发。

PaaS的平均开发周期都很长。如今MaaS的落地，不仅对PaaS+SaaS的商业模式有所改变，也会改变PaaS的开发模式。一方面，发展了几年的SaaS公司都不会满足于中小客户，但做大客户开发如果没有PaaS平台，无异于盲人摸象。

因为大客户需要个性化定制，目前来看，只有长在PaaS平台上的SaaS才能满足大客户的个性化需求。根据邹国兵提出的MaaS理论模型，SaaS+MaaS能为每个终端用户，输出针对自己业务的个性化服务。

另一方面，MaaS作为第四个云计算架构，目前它的想象力还仅停留在PaaS和SaaS中间那一层。换句话说，PaaS的上层架构由SaaS变成了MaaS。那么PaaS的开发模式会受影响，开发周期也会缩短。

现阶段，各大厂对MaaS仍停留在概念层，在实践上还未真正落地，产生效果。但从理论出发，MaaS对于IaaS和PaaS在商业模式和开发模式上的改变，将影响到上层SaaS公司的方方面面，如SaaS的交付方式和开发模式等。

在开发模式上，一部分公司会选择在PaaS平台上，用图形界面的方式开发SaaS软件。但有了MaaS，客户可以直接将需求传递给系统，它会自动调用功能、展示结果。区别在于，通过MaaS平台搭建出的SaaS软件会展现出更个性化的工具，其效果可能要好过PaaS+SaaS的模式。最后，SaaS的订阅模式也会因此发生改变。

MaaS为SaaS带来的颠覆远不止于此。随着大模型时代的到来，未来，不仅是To B的天下，SaaS的黄金十年也将到来。未来五年，中国SaaS将出现更多独角兽，而未来十年，基于MaaS底座，国内SaaS甚至可能会出现Salesforce一样的巨头。

从SaaS到MaaS，新的商业机会正在涌现

ChatGPT爆火之后，微软率先在其办公软件Office365上接入了ChatGPT的能力，掀起办公软件革命的风潮。

紧接着，在搜索、电商等领域，GPT应用全面开花，大有燎原之势。

这种模式和此前的一些AI应用类似，本质上都是SaaS（软件即服务），提供应用软件然后收取服务费。二者之间的区别在于，叠加了GPT能力之后，工具更强、效率更高。

在中小企业数字化转型过程中，很多方案商也支持SaaS部署。比如树根互联、鲁邦通、蘑菇物联等厂商，提供的低代码平台，让企业能够快速地基于平台构建符合业务需要的应用。

但SaaS的不足之处在于，这是一个相对标准化的产品，即便能够针对具体的细分场景做定制，仍然存在两个问题：

定制需要额外的成本；

方案商很难拿到有效的数据来训练模型，迭代应用，导致训练效果欠佳。

许多细分行业，数据作为一种核心资产，企业并不愿意开放给方案商做训练，一是忧虑数据安全，二是担心数据共享给第三方很容易威胁到公司的核心竞争力。

以此为背景，MaaS（模型即服务）应运而生。

与SaaS类似，MaaS更接近于提供一个强大的基础能力组件，企业可以基于大模型构建属于自身的场景应用。

二者之间的区别在于，如果说SaaS是拎包入住，MaaS则是一间空房，最后一公里的设计，由用户自己把控。

这种模式下，方案商和中小企业，将从中受益，实现共赢。

首先，中小企业部署数字化方案的成本将进一步下降，并且保留了更多话语权，毕竟数据这一核心资产掌握在企业手中，除了利用技术构建应用的可操作空间增大以外，数据安全也得到保证。

其次，从方案效果的角度出发，模型训练应该以数据为核心，而中小企业更靠近场景、业务和数据。如果能在数据源头做训练，不但可以避免数据的流转成本和安全性问题，方案商也能节约成本去了解业务。

最后，在成本更低、安全性更高的基础上，企业也更愿意尝试新的技术和方案，整个数字化解决方案市场基本盘在持续扩大，对方案商来说也是一件好事。

当MaaS开始以全新的业务模式来服务中小企业，市场出现新的商业机会，原有的业务、商业模式将被重构，中小企业数字化转型过程中的相关方，都面临着一次深刻的变革。

文章来源： 雷峰网，产业家，Donews