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，終於會不會是像百團大戰、百云大戰相同，獲勝者通吃，猶未可知。 至少現階段，大局部都屬于燒錢開發階段，實現利潤、變現的屈指可數。
然而，這場針對大模型練習的云廠商之戰，已經拉開帷幕，各大云廠商紛紛刊登了各自對大模型的服務方案。 截至現階段，國內外云廠商，包含阿里云、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衝擊？云廠商如何通過MaaS執行變現？
MaaS能不能成為云廠商全新的業務成長極？本文將回答這些難題。 MaaS是模型即服務，是IaaS、PaaS、SaaS之外的一個新概念，也是云廠商的新業務，但現階段主流云廠商對MaaS的定義并未形成統一的說法。
曾經制定過IaaS、PaaS和SaaS技術基準的美國國家基準與技術分析所，現階段也沒有給出MaaS的技術基準，國際上也沒有其他權威認證。
根據云廠商的描述，MaaS模式的中心價值可歸納為：降低算法市場需求側的研發技術和利用開銷門檻，使用者可以直接通過API調用基石大模型，為差異的業務場景，來構建、練習和部署專屬模型。 主流云廠商發力MaaS服務，存在著主動和被動兩方面的理由。
總體看，云廠商的經典業務大多是基于IaaS層的公有云業務，而PaaS和SaaS層的業務規模相對較小。在IaaS層供 給服務的大幅特點是，重財產、重投入，靠規模吃飯，但同質化嚴重，因此盈利率較低。 再加上運營商的加入，競爭更加激烈，價錢戰頻頻上演。
另一層面，阿里云、騰訊云等云廠商修正了過去要規模的路線，通過主動放棄一些低盈利專案，來保盈利率。如互聯網云廠商所愿，這兩年云廠商的盈利率有所優化，但成長落入10%以下的區間。比如排首先的阿里云，2025年增速已經趨近于零，相較於前兩年高達20%-100%的增速，已經顯著下降。
在盈利率更高的PaaS和SaaS層，由于基石研發軟件和SaaS業務端市場需求不足，國內這兩層的業務量規模較低，占整個公有云業界的比例也遠低于國外。
隨著ChatGPT的爆火，各個大廠、公司紛紛下場做大模型，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，國內已經刊登了238個大模型，相較于6月份的79個，在四個月內成長了三倍。 這么多大模型的練習和運營都必須巨大的算力支持。
比如Open人工智慧練習大模型，前期GPT-3的練習一次必須購買49臺服務器，開銷140萬美元，日常運行開銷則更高，以早期的每日2500萬訪問量計算，必須購買3798臺服務器，開銷7.59億美元。 華為預測，2030年通用計算總量比2025年成長10倍，至3.3ZFLOPS；
人工智慧計算總量將成長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，李彥宏在文心一言刊登會上指出，大模型時代MaaS將取代IaaS，成為主流。
4月，阿里刊登通義千問大模型，與此同時，阿里云峰會上，張勇表示，阿里云已形成模型即服務、平臺即服務、基石設施即服務三層架構。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和昇騰人工智慧云計算服務，盤古3.0可以供給從100億到1000億參數等四種系列化基石大模型，昇騰人工智慧云可以供給單集群2025P Flops等算力服務。
9月初，騰訊刊登自研混元大模型，與此同時國內公司可以通過騰訊的公眾云平臺接入混元，并根據具體必須執行微調。 現階段市場對MaaS的定義存在分歧，包含MaaS與IaaS、PaaS、SaaS之間的關系，以及將來MaaS是否會重新定義IaaS、PaaS、SaaS，這些都存在差異看法。
現階段云廠商，已推出的MaaS相關服務，首要包含基于IaaS的人工智慧算力服務，以及通過自研大模型或開源大模型供給API調用服務。 API調用服務就是，云計算平臺將機器研習模型封裝成可以調用的云服務，使用者通過API接口或者其他方法，來調用模型的能力。
這個歷程中，云廠商可以根據用量或者時間來收費。 比如，Open人工智慧推出GPTs及相應當然語言研發工具。Open人工智慧共制定了四種收費模式，分別是ChatGPT Plus訂閱收費、API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數量計費，每10萬個token收取4美分。美國應用業界排名靠前的應用，服務行銷文案的Jasper和聊天機器人Chat ith Ask 人工智慧都是基于Open人工智慧旗下模型研發的應用，其最中心的開銷也是給Open人工智慧的API調用費。
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，最初就是為公司供給集中服務器、資料存儲等底層的技術服務，后來在此基石上演變出了PaaS和SaaS。 跑大模型必須的是人工智慧算力，而非過去的通用算力，人工智慧算力的市場需求，對云廠商IaaS層的服務器、網絡、存儲等都產生了重構。
比如，在供給算力的服務器，必須采購很多的搭載英偉達的GPU服務器，重新搭建創建在其基石之上的系統和網絡服務。 大模型將來也有或許重構PaaS層和SaaS層。
在此基石之上，，比如基于開源模型，形成研發者社區，實現人工智慧 PaaS服務，給研發者供給除算力和模型之外的服務，比如供給研發者練習大模型必須的資料庫、中間件等服務。
此外，在SaaS層，更多公司的SaaS商品開始基于人工智慧(人工智慧-based-SaaS)，人工智慧從SaaS的輔助工具到人工智慧原生SaaS，再到人工智慧 agent SaaS，都將經歷在應用層探索。 第一我們必須厘清，云廠商供給MaaS服務，想賺誰的錢？
模型廠商的錢，包含大模型和行業模型，比如百川智能就是在阿里云上跑的，行業模型是一個潮流。終於賺的是B端公司的錢，針對C端的人工智慧應用變現難題，我們在此前的文章《大模型太卷，人工智慧應用就好做嗎？》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，提高了利潤的難度。 技術落地的歷程是從模型到工具再到場景，商務化卻是從應用場景開始的。 中國的PaaS和SaaS占公有云業界比重低，局部理由在于利潤能力弱，因此評估收益與開銷之后，為SaaS付費意愿不高。
因此，云廠商通過MaaS服務或許會遇到與SaaS類似的難題，即從提供端到市場需求端，都未形成如國外那樣成熟的經營模式和業界環境，也沒有形成基準化商品，無法執行低開銷復制。
自然，MaaS與SaaS也有差異，由於有大模型的輔助，MaaS在使用者定制化的市場需 求上，能夠有更優良的適配，所以在基準化和定制化之間的兩難，會獲得一定處理。 供給MaaS服務對人工智慧算力有極高的要求，云廠商必須采購很多的GPU芯片，用來搭建全新的服務，來滿意日益成長的人工智慧算力市場需求。
今年微軟和Meta各買了英偉達15萬片H100GPU，百度、阿里和字節分別買了3萬、2.5萬和2萬片。這些芯片，都將部署在全新的適配于大模型練習和運行的服務器上。 除了外部采購，國內云廠商也在加緊腳步布局自研人工智慧芯片，或拓展其他購買通路。
今年10月23日，美國開始實施全新的芯片出口管制，英偉達高性能人工智慧芯片——A800、H800、L40S等，被禁止出口。這造成國內云廠商，無法買到國外高性能芯片，這些成為制約國內云廠商供給人工智慧算力的制約因素。
一份研報呈現，一臺搭載英偉達A100芯片的服務器開銷在20萬美元，單個服務器搭載7片A100芯片，單片芯片價錢在1.5萬美元左右。
—END— [1]《云計算服務新范式：MaaS有望變更云服務廠商的商務模式》賽迪顧問 [2]《明線與暗線：讀懂云廠商鏖戰大模型》 腦極體 [3]《大模型能化解云廠商的成長、盈利悖論？
》 財經十一人 [4]《MaaS研究及對運營商演變的啟示》天翼智庫 [5]《Open人工智慧的刷屏春晚，揭示了微軟google的兩條路線》新硅NeGeek [6]《計算機行業2025年理財展望：在高增長板塊探尋確定性》 東興券商 [7]《人工智能行業全域變革圖景展望：躍遷點來臨》 畢馬威中關村產業分
析院