文：吳占國，編輯：何岳陽，製片人：數智圈。
今年以來，大模特之風在中國掀起了一波又一波。
無論是在烏鎮召開的網際網絡大會，還是各大網際網絡論壇，大模都屢屢被大佬們讚不絕口，如今百模大戰的硝煙還沒停，最終也會像“百團大戰，百雲大戰”一樣，勝者通吃，還是未知數。
至少就目前而言，它們中的大多數都屬於研發階段，能夠實現盈利和變現的只有少數。 然而，雲廠商的大模型訓練之爭已經開始，各大雲廠商紛紛發布了自己的大模型服務計畫。
截至目前，國內外雲廠商，包括阿里雲、華為雲、騰訊雲、京東雲、Microsoft雲Azure等雲計算廠商，均已推出MaaS服務。
MaaS 服務的推出對雲廠商有何影響？雲供應商如何利用 MaaS 變現？MaaS能否成為雲廠商新的業務增長極？本文將回答這些問題。
MaaS是一種模式即服務，是IaaS（基礎設施即服務）、PaaS（平台即服務）、SaaS（軟體即服務）之外的新概念，也是雲廠商的新業務。
美國國家標準與技術研究院（NIST）制定了IaaS、PaaS和SaaS的技術標準，目前沒有提供MaaS的技術標準，全球也沒有其他權威認證。
根據雲廠商的描述，MaaS模型的核心價值可以歸納為：降低演算法需求側的開發技術和使用成本門檻，使用者可以通過API直接呼叫基礎大模型，針對不同的業務場景進行構建、訓練和部署專屬模型。
主流雲廠商關注MaaS服務有兩個原因：主動和被動。
一是主流雲廠商傳統業務增速放緩。
一般來說，雲廠商的傳統業務大多基於IaaS層，而PaaS和SaaS層的業務規模相對較小。 IaaS層提供服務的突出特點是資產重、投入大、依賴規模大，但同質化嚴重，利潤率低。
再加上運營商的加入，競爭更加激烈，首戰頻頻上演。
另一方面，阿里雲、騰訊雲等雲廠商紛紛調整過往規模化路線，積極放棄一些微利專案，以保持利潤空間。 正如網際網絡雲廠商所預期的那樣，近兩年雲廠商的利潤率有所提高，但增速卻跌破了10%。 例如，排名第一的阿里雲，2024年的增速將接近於零，與前兩年20%-100%的增速相比，增速大幅下降。
在利潤率較高的PaaS和SaaS層，由於基礎開發軟體和SaaS業務需求不足，這兩層在國內的業務量較低，佔整個公有雲市場的比重遠低於國外。
其次，大模型訓練和操作的算力和服務存在差距。
截至10月，我國大模型引數在10億以上的廠商和高校有254家，國內已發布238款大型模型，而6月份為79家，4個月內增長了3倍。
如此多的大型模型的訓練和操作，需要巨大的算力。 比如OpenAI訓練乙個大模型，前期訓練GPT-3需要一次性購買49臺伺服器，成本140萬美元，日常運營成本更高，前期每天訪問量2500萬次，需要購買3798臺伺服器，成本為7臺59億美元。
華為**，2024年通用計算總量較2024年增長10倍，達到3倍3zflops；AI 計算總量將增長 500 倍，達到 105 ZFLOPS。
基於這一期望，雲供應商推出了自己的MaaS服務。
今年3月，李彥巨集在文心一言發布會上提出，MaaS將在大模型時代取代IaaS，成為主流。 今年4月，阿里巴巴發布了通益千問模式，在阿里雲峰會上，張勇表示，阿里雲已經形成了模型即服務（MaaS）、平台即服務（PaaS）和基礎設施即服務（IaaS）三層架構。 從這句話中也可以看出，阿里雲對MaaS的重視程度。
今年7月初，華為雲發布了盤古Model 30 和昇騰 AI 雲計算服務，盤古 30 可提供 100 億到 1000 億引數的四大系列基礎大模型，昇騰 AI 雲可在單個集群中提供 2000p FLOPS 等計算服務。
9月初，騰訊發布了自主研發的混合模式，國內企業可以通過騰訊公有雲平台接入混合元素，並根據具體需求進行微調。
目前，關於MaaS的定義存在不同意見，包括MaaS與IaaS、PaaS、SaaS的關係，以及未來MaaS是否會重新定義IaaS、PaaS和SaaS。
目前，雲廠商已經推出了MaaS相關服務，主要包括基於IaaS的AI計算服務，以及通過自研大模型或開源大模型提供的API呼叫服務。
首先，API 呼叫服務是 MaaS 的核心變現方式。
API呼叫服務是雲計算平台將機器學習習模型封裝成可呼叫的雲服務，使用者可以通過API介面或其他方式呼叫模型的能力。
在此過程中，雲供應商可以根據使用情況或時間收費。
例如，OpenAI 推出了 GPTS 和相應的自然語言開發工具。 OpenAI 共制定了四種收費模式，分別是 ChatGPT Plus 訂閱費、API（除 GPT 模型介面外，還包括模型微調介面和嵌入式介面）呼叫量收費、文盛圖按生成量收費、轉錄文字按分鐘收費、模型例項租賃費。
其中，GPT-35 模型按代幣數量計費（分解單位，大致相當於中文乙個單詞），每 100,000 個代幣收費 4 美分。 美國.app市場的頂級應用，用於服務營銷文案的 Jasper 和聊天機械人 Chat with Ask AI 都是基於 OpenAI 模型開發的應用，其核心成本也是 OpenAI 的 API 呼叫費。
其次，它為訓練和執行大型模型提供人工智慧計算服務。
算力服務一直是雲計算最基礎的服務，也就是IaaS層的服務。 IaaS 最初旨在為企業提供集中式伺服器、資料儲存等底層技術服務，後來在此基礎上發展了 PaaS 和 SaaS。
對AI算力的需求，重構了雲廠商IaaS層的伺服器、網路和儲存。 例如，在提供算力的伺服器中，需要購買大量搭載NVIDIA的GPU伺服器，並重建其之上構建的系統和網路服務。
未來，大型模型還可能重構PaaS層和SaaS層。
最重要的是，雲供應商還可以探索新的支付模式例如，基於開源模型，形成開發者社群，實現AI PaaS服務，為開發者提供算力和模型以外的服務，如資料庫、中介軟體等開發者訓練大模型所需的服務。
此外，在SaaS層，更多的企業SaaS產品開始基於AI（AI-based-SaaS），在應用層將探索AI從SaaS輔助工具到AI原生SaaS產品（基於特定大模型的SaaS產品），再到AI代理SaaS（agent-as-a-service）。
首先，我們需要明確雲廠商在提供MaaS服務時想做誰
模型廠商的錢，包括大模型和行業模型，比如百川智慧型，都在阿里雲上執行，行業模型是一種趨勢。 說到底是B端企業的錢，針對C端AI應用變現的問題，我們在之前的文章中寫道《大模型是不是太翻了，AI應用好做嗎？中討論了 。
雲廠商也可以做自己的行業模式，但每個行業再來一次，投入高，週期也比較長，增加了盈利的難度。
當大模型投資熱回歸理性時，理想的迴圈是企業客戶可以將行業模型及其提供的工具應用到自己的運營、生產、財務管理等業務中，應用改進後，才會願意繼續付費，這樣模型廠商就能賺錢， 雲供應商也賺錢。
技術落地的過程是從模型到工具再到場景，但商業化是從應用場景開始的。
中國公有雲市場占有率低的部分原因是盈利能力較弱，因此在評估了收益和成本後，對SaaS的支付意願並不高。
因此，雲廠商通過MaaS服務可能會遇到與SaaS類似的問題，即從供給側到需求側，都沒有像國外那樣形成成熟的管理模式和市場環境，也沒有形成標準化的產品，無法低成本複製。 （詳見《中國SaaS之死：差距如何逐步擴大》）。
當然，MaaS也不同於SaaS，因為在大模型的輔助下，MaaS可以更好地適應使用者定製的需求，因此標準化和定製化的困境將在一定程度上得到解決。
另乙個重要因素是成本。
提供MaaS服務需要極高的AI算力，雲廠商需要購買大量的GPU晶元來構建新的服務，以滿足日益增長的AI算力需求。 今年，Microsoft 和 Meta 分別從 Nvidia 購買了 150,000 個 H100GPU，阿里和位元組分別購買了 30,000 個和 2 個50,000 和 20,000 件。 這些晶元將部署在適合訓練和執行大型模型的新伺服器上。
除了外部採購，國內雲廠商也在加緊布局自研AI晶元或拓展其他採購渠道。
今年10月23日，美國開始實施新的晶元出口管制，英偉達的高效能AI晶元——A800、H800、L40S等被禁止出口。 因此，國內雲廠商無法購買國外高效能晶元，這成為國內雲廠商提供AI算力的制約因素。
根據研究報告，一台配備 Nvidia A100 晶元的伺服器售價 20 萬美元，一台伺服器配備 7 顆 A100 晶元，單晶元**為 1大約 50,000 美元。
雲廠商購買的計算資源需要足夠大的使用量和使用者規模才能產生收益。 而隨著大模型熱的消退，誰也說不准會有閒置資源。