随着AI前瞻技术的发展（尤其以ChatGPT的大模型为代表），老牌云计算厂商也顺应行业发展推出新的产品形态。MaaS便是其中代表，2022年11月阿里云率先在业界提出“Model as a service”概念，并推出开源AI社区魔搭（ModelScope），进一步降低了AI开发的门槛。随后腾讯和百度紧跟其上，推出了自己的MaaS平台。

这其实就打破了云计算原有的形态，在最近的云栖大会上，阿里云就再次强化了IaaS（基础设施即服务），PaaS（平台即服务）以及MaaS（模型即服务）三大形态为代表的产品形态，阿里云CTO周靖人更是表示“MaaS，模型即服务，它既代表了架构上的升级，也代表了围绕着模型一系列的范式转移。”

本文旨在对MaaS行业的研究以判断我国云计算的发展新格局，本文核心观点：

其一，MaaS从本质上降低了全社会使用开发AI的门槛，且“性价比”是客户选择MaaS平台的重要考量依据；

其二，OpenAI的发展路径不太适合所有创业者（高成本），开发者与云计算厂商协作是必然方向；

其三，2024年重点观察阿里云的增速以及构建新的估值模型。

MaaS降低AI门槛

我们首先要了解下MaaS的基本技术逻辑，medium专栏作者乔丹·皮尔斯在2022年末曾经对此有过相信介绍。

什么是MaaS：

这是一种基于云的服务，提供对可用于开发AI应用程序和服务的机器学习模型的访问。MaaS 使企业能够快速轻松地部署可供使用的预先训练的机器学习模型。该服务由深度学习和自然语言处理等强大的算法提供支持，使企业能够利用人工智能的力量，而无需开发和训练自己的模型。

MaaS的优点：

1）它使企业能够快速轻松地访问强大的人工智能模型，而无需从头开始开发和训练自己的模型。这消除了对昂贵的硬件和软件的需求，以及开发和测试自己的模型所需的时间和资源；

2）MaaS可以为企业提供了获取人工智能技术最新进展的机会。通过使用 MaaS，企业可以快速、轻松地访问最新的人工智能模型，从而了解该领域的最新进展。

3)MaaS 还使企业更容易尝试不同的人工智能模型和技术。通过访问预先训练的模型，企业可以快速轻松地试验不同的人工智能模型和技术，从而使他们能够快速确定哪些模型最能满足他们的需求。

4)MaaS 具有高度可扩展性，允许企业根据需求变化快速轻松地扩展其人工智能应用程序。这使企业能够更轻松地跟上不断变化的需求并快速适应新的挑战。

一言以蔽之，MaaS等同于使企业享受“傻瓜化”使用AI技术，极大资金和技术门槛，具有算法和模型开发能力的头部企业可以以此实现技术普惠。

那么如何选择MaaS平台呢？皮尔斯也给出了他的看法：

1）应该考虑平台提供的模型和算法的类型。不同的平台提供不同的模型和算法，因此您应该确保您选择的平台提供您需要的模型和算法。我们不妨将此理解为提供MaaS平台的技术实力和研发能力；

2）还应该考虑 MaaS 平台的定价结构；

3）应该考虑 MaaS 平台提供的客户支持级别。不同的平台提供不同级别的客户支持，因此应该确保您选择的平台提供您所需的支持级别。

显然，“性价比”可谓是选择平台的重要指标，简单来说阿里云这般国内头部云计算厂商在此竞争力是非常显著的，一方面多年来对AI的投入使其在模型以及算法方面优势更为突出，另一方面规模和算力又可以摊薄算力成本，满足客户对性价比需求。

阿里云CTO周靖人也在记者采访中表示“我们的目标是要服务好每一位的开发者或创业者，进一步地帮助大家能够降低使用AI的成本”，这与本文我们观点几乎完全一致。

大模型需求量越大，ChatGPT性价越低

大模型当仁不让成为2023年云栖大会的重点关键词，但令我们所意外的是百川大模型（王小川主导）为代表的开发者在现场表示“模型的快速迭代和部署离不开云计算，百川智能和阿里云作为紧密的合作伙伴，在模型预训练和模型部署等方面进行了深入合作”

在大模型发展之初，业内相当部分观点认为行业将经历一轮“军备竞赛”，各家企业将延续以往的竞争格局，各自为政以构建护城河，如今来看，开发者与云计算厂商虽然都从事大模型开发，但又有着明显的合作关系。

medium专栏作者桑塔努·巴塔查亚博士给出了答案，他以美国AWS与ChatGPT的成本为例：当请求数量约为每天1000 次时，ChatGPT 比使用部署到 AWS 的开源 LLM 更便宜。然而，随着请求量增加到每天数百万次，经济发生变化，在 AWS 上部署开源模型成为更实惠的选择，特别是考虑到 ChatGPT 和 AWS 当前的定价结构。

除了构建数据中心来托管、培训和部署 LLM 之外，对企业来说更实用的解决方案是使用 AWS、Google、Azure、阿里云等云提供商或Lambda Labs等较小的提供商来托管和部署此类模型。

博士以AWS 托管开源模型和充当 API 的成本 ，通常涉及四个步骤。

客户端设备，例如调用客户请求的浏览器，然后通过Amazon 的 API 网关传递该请求

API 网关依次触发 Lambda，该 Lambda 解析该函数​并将其发送到AWS Sagemaker 端点

然后使用 AWS Sagemaker （基于云的机器学习平台，使开发人员能够在云上创建、训练和部署机器学习模型，类似阿里云的魔搭）在端点调用该模型。

对于企业以及个人使用者，MaaS极大降低了AI的使用门槛，大型云计算厂商的算力和基础设施亦借此得到彰显。从某种意义上说，AI以及大模型的发展提高了社会的云需求量，阿里云为代表的头部云计算厂商则成为最大红利收获者。

在此背景下，阿里云，开发者在AI时代就形成了互相支持的协作关系，如上海人工智能实验室带来其首个图文混合创作大模型“书生·浦语灵笔”，工作人员对记者表示：“我们做的是免费商用的开源模型，以及全链条的开源工具。只要向‘浦语灵笔’提出创作一篇攻略，即可‘一键生成’图文混合文章。”

考虑到业务发展的周期性，2024年之后MaaS对阿里云业务的拉动性将会得到展示，届时我们要重点关注财报以及在新的发展阶段内，阿里云新的估值框架等问题。