MaaS，云廠商在打一場“翻身仗”

今年以來，大模型的熱度，讓云計(jì)算產(chǎn)業(yè)為之沸騰。要舉出一個(gè)最有力的證明，應(yīng)該是：MaaS（Model as Service）這種全新模式的出現(xiàn)，一座座“模型工廠”，已經(jīng)建起來了。

所謂MaaS，模型即服務(wù)，指的是用戶可以直接通過API調(diào)用基礎(chǔ)大模型，為不同的業(yè)務(wù)場景，來構(gòu)建、訓(xùn)練和部署專屬模型。云平臺會(huì)提供從數(shù)據(jù)、模型到應(yīng)用服務(wù)的全周期管理和工具。

目前，微軟云Azure、阿里云、華為云、騰訊云、百度云、京東云等云計(jì)算大廠，都已經(jīng)推出了MaaS服務(wù)。

云廠商做MaaS究竟是為什么？一個(gè)主要考量是，作為IT基礎(chǔ)設(shè)施服務(wù)商，也就是IaaS模式，長期面臨價(jià)格戰(zhàn)的市場競爭，而通過PaaS和SaaS為政企提供ToB的數(shù)字化服務(wù)，又一直沒有完成行之有效的價(jià)值回收。

這種情況下，云廠商急需要找到一種全新的、高價(jià)值的商業(yè)模式，大模型就帶來了這個(gè)可能。

可是，方興未艾的MaaS，真的能幫云廠商“翻身”嗎？

必然到來的MaaS

先要聲明一下，MaaS模式的出現(xiàn)，以及大量“模型工廠”的矗立，是非常有必要，也是有極大商業(yè)想象空間的。

你可能會(huì)問了，連OpenAI的模型訪問量都在下降，真的有那么多大模型的訓(xùn)練需求，要用到如此多的“模型工廠”和MaaS服務(wù)嗎？

我們的判斷是，大模型的產(chǎn)業(yè)化之路才剛剛開始，而產(chǎn)業(yè)化會(huì)催生大量細(xì)分的、不同參數(shù)、不同規(guī)格、不同場景的模型需求，必須提升模型訓(xùn)練部署的效率，推動(dòng)模型生產(chǎn)走向工業(yè)化。不同模型是各式各樣的鋼材，用來蓋起一個(gè)個(gè)AI應(yīng)用，那么“模型工廠”就是“煉鋼廠”，是一定要建的。

MaaS模式的必然性，有三個(gè)支點(diǎn)：

第一，需求。通用性的基礎(chǔ)大模型，已經(jīng)被快速填滿了。剩下很多企業(yè)，更希望調(diào)用基礎(chǔ)模型的能力來改造自己的業(yè)務(wù)，或者開發(fā)新的AI應(yīng)用，而這些都需要更懂行業(yè)知識、技能更精準(zhǔn)、更貼合場景的垂直模型。有數(shù)據(jù)顯示，行業(yè)智能化滲透率將從2021年的7%增長到2026年的30%，更多行業(yè)的核心業(yè)務(wù)系統(tǒng)會(huì)被大模型能力滲透。所以，對于大模型的生產(chǎn)需求，還很旺盛。

第二，供給。目前，大模型的生產(chǎn)力依然有限，首先是計(jì)算資源稀缺，大模型的訓(xùn)練和推理對計(jì)算資源和存儲(chǔ)資源有很高的需求，很多企業(yè)和機(jī)構(gòu)“無卡可用”，導(dǎo)致無法進(jìn)行大模型的訓(xùn)練和推理。

同時(shí)，訓(xùn)練專有大模型需要大量的高質(zhì)量數(shù)據(jù)，數(shù)據(jù)清洗、預(yù)處理等一系列復(fù)雜工程，大大影響了開發(fā)效率，訓(xùn)練周期長，無法快速滿足業(yè)務(wù)上線的要求。

此外，訓(xùn)好的大模型要進(jìn)行部署和應(yīng)用，需要考慮到計(jì)算資源、業(yè)務(wù)場景、不同參數(shù)規(guī)格、網(wǎng)絡(luò)帶寬、安全合規(guī)等方方面面的問題，很多企業(yè)和機(jī)構(gòu)缺乏相關(guān)的技術(shù)和經(jīng)驗(yàn)，前期投入的心血很容易就打了水漂。

要提高大模型的供給數(shù)量和質(zhì)量，MaaS模式的“模型工廠”一定要建。

第三，催化劑。云廠商有充足的動(dòng)力，催化MaaS模式的成熟，并推向市場。IaaS基礎(chǔ)設(shè)施即服務(wù)，造就了公有云的崛起，但I(xiàn)aaS模式的前期基礎(chǔ)設(shè)施投入大，營收能力低下，積弊已久。PaaS需要云廠商投入大量的人力、回報(bào)周期長，SaaS的價(jià)值不足，客單價(jià)低，還需要大量定制化和運(yùn)維服務(wù)。這時(shí)候，通過MaaS這一新模式，向用戶全面輸送模型能力，是一種高價(jià)值、強(qiáng)確定性的選擇。

一方面，大模型龐大的數(shù)據(jù)規(guī)模，會(huì)帶來更多的計(jì)算資源需求和用云量。另外，行業(yè)企業(yè)用戶的定制化需求，可以按項(xiàng)目制付費(fèi)。大量AI應(yīng)用程序調(diào)用API，已經(jīng)產(chǎn)生了按token付費(fèi)、訂閱付費(fèi)、商業(yè)版等多種商業(yè)模式。

如此多的商業(yè)化前景，就如同一針針強(qiáng)心劑，促使云廠商們加速布局MaaS。

讓我們回歸到現(xiàn)實(shí)，來看一看國產(chǎn)云廠商，是如何做MaaS這門生意的。

“前店后廠”的國產(chǎn)MaaS

今天的整體形式是，國產(chǎn)云廠商的MaaS基本都走向了“前店后廠”模式。

怎么理解呢？

云廠商扮演“廠”的角色，是利用基礎(chǔ)設(shè)施、行業(yè)服務(wù)能力等優(yōu)勢，和全流程開發(fā)工具與套件，滿足客戶對模型預(yù)訓(xùn)練、模型精調(diào)、模型部署、智能應(yīng)用開發(fā)等多樣化需求，保障客戶的大模型能夠順利交付。

以微軟云的Azure OpenAI 服務(wù)為例，就支持開發(fā)者調(diào)用OpenAI GPT-4、GPT-3、Codex 和 DALL-E等模型的API，來構(gòu)建、微調(diào)模型，為應(yīng)用提供支持。這就是“工廠”模式，Azure主要提供一些企業(yè)級功能，如安全性、合規(guī)性和區(qū)域可用性等。

而縱觀國內(nèi)云廠商，會(huì)同時(shí)強(qiáng)調(diào)自己“店”的能力。

云廠商扮演“店”的角色，即還會(huì)自己參與開發(fā)行業(yè)大模型及AI原生應(yīng)用，把控模型和應(yīng)用的質(zhì)量，提供精選服務(wù)，進(jìn)行市場推廣和銷售。

比如今年6月份，騰訊云在行業(yè)大模型及智能應(yīng)用技術(shù)峰會(huì)上推出的MaaS一站式服務(wù)，就是依托騰訊云TI平臺打造行業(yè)大模型精選商店，其中包含了騰訊企點(diǎn)、騰訊會(huì)議、騰訊云AI代碼助手等多款頭部SaaS產(chǎn)品。

9月華為全聯(lián)接大會(huì)2023，華為云的MaaS服務(wù)，則采用了5個(gè)基礎(chǔ)大模型+N個(gè)行業(yè)大模型+X個(gè)場景模型的三層解耦架構(gòu)，從L0層的基礎(chǔ)模型，到適配行業(yè)特征的L1層，以及開箱即用的AI應(yīng)用L2層，并上線了昇騰AI云服務(wù)百模千態(tài)專區(qū)。

而10月剛剛舉辦的百度世界2023，百度智能云的MaaS服務(wù)平臺千帆，則推出了千帆AI原生應(yīng)用商店，成為大模型商業(yè)機(jī)會(huì)的匯集地，為商家提供品牌曝光、流量支持和銷售資源等支持。首批精選應(yīng)用包含了百度內(nèi)部的曦靈數(shù)字人平臺、百度智能云一念智能創(chuàng)作平臺等。

可以看到，智能時(shí)代，垂直模型和AI應(yīng)用一定會(huì)百花齊放，一定離不開模型工廠。但整個(gè)階段才剛剛走出了第一步，目前上游的底座模型并不少，能力也都不差，但如何做出有說服力的垂直模型和應(yīng)用，難度還是很高的。

和數(shù)字化及SaaS市場較為成熟的歐美市場不同，這一輪國內(nèi)智能化的主力軍是傳統(tǒng)行業(yè)及企業(yè)。很多模型和應(yīng)用的潛在購買者，對大模型的能力并不清楚，不知道什么模型適合自己的業(yè)務(wù)，也不知道如何找到需要的模型，更擔(dān)心自己的定制模型單子太小不被重視……

而ISV服務(wù)商和開發(fā)者，擔(dān)心投入時(shí)間精力一整套流程走下來，產(chǎn)品已經(jīng)落后了，或者找不到客戶進(jìn)行商業(yè)變現(xiàn)。

這種情況下，云廠商僅僅做幕后“工廠”是遠(yuǎn)遠(yuǎn)不夠的，需要建立一套更完善的模型供應(yīng)鏈機(jī)制。“前店后廠”就成了國產(chǎn)MaaS的主流選擇，“工廠”負(fù)責(zé)生產(chǎn)，“商店”負(fù)責(zé)推介。

而“前店后廠”模式，則大大增加了MaaS的難度。

突出重圍的持久戰(zhàn)

“前店后廠”模式下，云廠商既是生產(chǎn)者，也是銷售員；既是ToB服務(wù)生，也是ToC開發(fā)者。多重身份，不僅讓MaaS的競爭要素和難度增多，而且也帶來了云廠商與行業(yè)伙伴、客戶、開發(fā)者的種種沖突。具體來說有以下幾點(diǎn)：

想賺錢，只靠基礎(chǔ)模型還不夠。

只卷基礎(chǔ)模型，像Azure OpenAI 服務(wù)那樣，以O(shè)penAI GPT-4、GPT-3、Codex 和 DALL-E幾個(gè)精品為主，是不足以滿足企業(yè)用戶、行業(yè)伙伴和開發(fā)者的需求的。對于國產(chǎn)MaaS服務(wù)商來說，還需要在重點(diǎn)領(lǐng)域，比如金融、教育、政務(wù)、工業(yè)等高要求、高頻次的行業(yè)類別上，也做出成熟的垂直大模型，來滿足大模型落地行業(yè)的需求。

比如騰訊云的行業(yè)大模型精選商店，既提供混元大模型的調(diào)用服務(wù)，還上架了金融、文旅、零售等20多個(gè)領(lǐng)域的行業(yè)大模型。華為云、百度云等也不例外，都在“通識教育”的基礎(chǔ)上，對大模型進(jìn)行“專業(yè)課教學(xué)”，減少大模型走向行業(yè)的門檻。

這就形成了第一個(gè)矛盾，云廠商打造行業(yè)大模型，需要有大量人才、時(shí)間、資源與行業(yè)合作，每個(gè)重點(diǎn)行業(yè)來一遍，投入不菲，周期不短，增加了MaaS的盈利難度。但是，如果云廠商不打造行業(yè)大模型，從基礎(chǔ)模型到AI應(yīng)用之間的縫隙實(shí)在太大，ISV服務(wù)商、集成商和開發(fā)者不敢走、不會(huì)走，大量需求根本無法滿足，也會(huì)限制MaaS的增長。

第二個(gè)矛盾，是算力的充沛與成本。

大模型訓(xùn)練，算力是基礎(chǔ)。各個(gè)MaaS都將自身的算力集群規(guī)模和性能，作為首要賣點(diǎn)之一。

我們要意識到，算力充沛對云廠商來說，意味著極高的計(jì)算資源成本、能耗、運(yùn)維成本等。大模型訓(xùn)練，需要?jiǎng)虞m千卡、萬卡的GPU集群，如果一臺GPU服務(wù)器過熱宕機(jī)，整個(gè)集群都要停下來，訓(xùn)練任務(wù)要重啟，這對云服務(wù)商的硬件性能、運(yùn)維能力等要求非常高，往往只有幾大頭部云廠商能支持。

為了提升推理效率、降低成本，云廠商們也在技術(shù)層面展開競速。比如為了實(shí)現(xiàn)AI算力的極致性能，華為云在基礎(chǔ)設(shè)施之上進(jìn)行了針對AI云服務(wù)的技術(shù)優(yōu)化；騰訊云打造了面向模型訓(xùn)練的新一代HCC高性能計(jì)算集群；百度一直通過各種技術(shù)優(yōu)化推理成本，文心3.5版本推理成本較5月剛發(fā)布時(shí)，下降到原來的幾十分之一。一味堆卡不是長久之計(jì)，降本增效才是賽點(diǎn)。

除此之外，基礎(chǔ)設(shè)施層面，云廠商還面臨AI算力國產(chǎn)化、綠色低碳等現(xiàn)實(shí)考驗(yàn)。其中，擁有自研芯片的華為云昇騰AI、昆侖芯片的百度智能云，能提供更穩(wěn)定的底層算力，后續(xù)應(yīng)該會(huì)有更多機(jī)會(huì)。而巨大的計(jì)算資源，需要用戶規(guī)模和使用量級來支撐，隨著幾大基礎(chǔ)模型的優(yōu)勝劣汰，屆時(shí)，誰的成本更高、模型使用量更低，就有可能出現(xiàn)資源閑置，屆時(shí)該如何回收成本，也是一個(gè)考驗(yàn)云廠商智慧的問題。

第三個(gè)矛盾，則是MaaS的教具與教學(xué)。

作為“模型工廠”，MaaS平臺需要提供大模型的全套全流程開發(fā)工具與套件，已經(jīng)成為行業(yè)共識了。

目前，頭部云平臺的準(zhǔn)備也非常充分。華為云提供了盤古大模型工程化套件，覆蓋了數(shù)據(jù)工程、模型開發(fā)和應(yīng)用開發(fā)三大環(huán)節(jié)。據(jù)稱，完成一個(gè)千億行業(yè)模型端到端的開發(fā)，從過去需要5個(gè)月縮短到現(xiàn)在1個(gè)月，整體速度提升5倍。百度智能云的千帆平臺，提供預(yù)制數(shù)據(jù)集、應(yīng)用范式，以及其他幫助企業(yè)應(yīng)用大模型的工具。騰訊云的TI平臺，同樣包括數(shù)據(jù)標(biāo)注、訓(xùn)練、評估、測試和部署等全套工具。

如此豐富的工具和平臺，相當(dāng)于把“教具”交到了行業(yè)客戶和伙伴手中，是不是就能實(shí)現(xiàn)大模型的工業(yè)化生產(chǎn)了呢？

顯然還不行。要訓(xùn)練好一個(gè)垂直大模型，并不是一件簡單的事，有些行業(yè)企業(yè)的數(shù)字化程度高、人才隊(duì)伍強(qiáng)，能第一時(shí)間用好MaaS平臺和工具，比如金蝶、中軟國際等。

但是，更多行業(yè)伙伴和企業(yè)客戶，就算有了這些工具和套件，沒有技術(shù)專家深入指導(dǎo)，沒有產(chǎn)品經(jīng)理、項(xiàng)目經(jīng)理、運(yùn)營、程序員等手把手教學(xué)，很難搞定定制化需求。

騰訊云的工作人員曾分享過一個(gè)案例，在攜手中央電視臺打造“央視人工智能開放平臺”時(shí)，面臨數(shù)據(jù)量龐大、形態(tài)復(fù)雜的問題，導(dǎo)致傳統(tǒng)的數(shù)據(jù)標(biāo)簽體系都無法達(dá)標(biāo)。最后，騰訊云重新構(gòu)建了一套傳媒專屬的數(shù)據(jù)標(biāo)簽體系，同時(shí)也研發(fā)了創(chuàng)新的“標(biāo)簽權(quán)重引擎”，讓數(shù)據(jù)標(biāo)簽顆粒度更細(xì)，并按照核心度排序。在這套數(shù)據(jù)標(biāo)簽體系支撐下，視頻編輯用自然語言就能實(shí)現(xiàn)跨模態(tài)檢索。

顯然，MaaS模式也需要云廠商具備ToB服務(wù)能力，這是一個(gè)慢活、苦活、累活。指望靠MaaS工具“躺著賺錢”，至少目前階段，是肯定沒希望的。

“前店后廠”的MaaS模式，還有一個(gè)隱含的矛盾，就是云廠商也做應(yīng)用，如何避免與行業(yè)伙伴和開發(fā)者爭利的情況。

MaaS平臺上需要大量AI應(yīng)用程序，云廠商不可能全部自己開發(fā)，必須像Appstore一樣，引入開發(fā)者機(jī)制，鼓勵(lì)軟件企業(yè)或個(gè)人開發(fā)者，來一同基于云平臺創(chuàng)造AI應(yīng)用程序。

但是，基于通用大模型能做出什么樣的AI應(yīng)用，還有很大的空白，所以云廠商也會(huì)自己“打樣”，上架一些AI應(yīng)用。

比如百度智能云的千帆AI原生應(yīng)用商店，就上線了百度曦靈數(shù)字人直播平臺、comate代碼助手這類百度自己出品的應(yīng)用，也有來自合作伙伴WPS365、梧桐招聘助手等應(yīng)用，并上線了應(yīng)用精選推薦。

Appstore曾被Spotify等應(yīng)用開發(fā)者質(zhì)疑，既當(dāng)裁判員，又當(dāng)運(yùn)動(dòng)員。那么，“前店后廠”模式下的MaaS平臺，也在做AI應(yīng)用，就必須打消開發(fā)者的顧慮，只做“拋磚引玉”式的創(chuàng)意型/代表性的應(yīng)用，做好業(yè)務(wù)區(qū)隔，聯(lián)合售賣，幫助開發(fā)者打通商業(yè)鏈路，獲得經(jīng)濟(jì)收益。

和移動(dòng)互聯(lián)網(wǎng)時(shí)代開發(fā)ios或Android一樣，開發(fā)生態(tài)的繁榮，意味著內(nèi)容和體驗(yàn)足夠豐富，滿足用戶的訴求，用戶規(guī)模又會(huì)吸引更多開發(fā)者前來掘金，形成“馬太效應(yīng)”，讓應(yīng)用商店持續(xù)繁榮，用戶和開發(fā)者都很難輕易切換到其他平臺。

基于大模型的AI原生應(yīng)用，也是如此。據(jù)百度智能云的工作人員透露，百度智能云為什么成為業(yè)內(nèi)第一個(gè)發(fā)布AI應(yīng)用商店，就是因?yàn)榇蠹叶加袕谋姷牧?xí)慣，目前能做的，就是快，客戶的留存率也會(huì)更高一些。

MaaS模式，云廠商比以往更加需要生態(tài)伙伴。百度智能云的千帆AI原生應(yīng)用商店、騰訊云行業(yè)大模型生態(tài)計(jì)劃、華為云多樣化的伙伴賦能，都說明，不卷應(yīng)用卷生態(tài)，盡量聚攏開發(fā)者，是MaaS成功的前提。

可以看到，圍繞MaaS模式的競爭，前程遠(yuǎn)大，但道阻且長。一旦卷起來，各項(xiàng)成本都會(huì)直線上升，形成新的營收壓力。而如果不卷，就會(huì)眼睜睜錯(cuò)過大模型及AI原生應(yīng)用的機(jī)會(huì)，徹底沒了從基礎(chǔ)設(shè)施服務(wù)商“翻身”的希望。

MaaS之于云廠商，并不是一個(gè)進(jìn)退兩難的選擇困境，而是沒有后路的背水一戰(zhàn)。關(guān)關(guān)難過關(guān)關(guān)過，終有守得云開見月明的一天。