摘要

近期OpenAI、微软和百度竞相发布大模型产品，带给人们实实在在的震撼体验。MaaS（Model as a Service）模型即服务以其通用性、自监督学习能力和强大的智能能力助力AI产业化进程，降低AI落地应用的门槛。国内外AI领域企业竞相研发有竞争力的大模型产品，大模型领域已初步形成生态规模。未来，大模型在应用端、中间服务端以及底层服务端发展潜力巨大。

从OpenAI发布GPT-4，到百度发布文心一言，再到微软发布Office的AI生产力工具Microsoft 365 Copilot，各大厂纷纷重金布局既是前瞻性的战略举措，也是资本和技术的完美展示。据报道，GPT-3训练一次的成本约为140万美元，2022年，OpenAI公司净亏损5.45亿美元，成立七年累计净投入近40亿美元。人们不禁要问，是不是只有大厂才有资格参与人工智能这场盛宴？AI是否只掌握在少数大厂的算法人员手中，难以走向大众化？模型即服务（MaaS）作为一种新的商业模式，有望打破局限，即便是非互联网行业小公司，也可能通过MaaS模式，打造出一款专业领域的爆款应用软件。

一、何为MaaS 

在云计算时代，我们已经熟悉的是IaaS（基础设施即服务）、PaaS（平台即服务）和SaaS（软件即服务），而MaaS 作为AI领域一种全新的商业模式，正如李彦宏所说，过去云服务看算力、存储等基础，未来则更多会看框架与模型，MaaS将会改变云计算的游戏规则。

大模型是“大算力+强算法”结合的产物，通常是在海量公开的无标注数据上进行训练，学习出一种特征和规则，应用开发时通过目标任务场景中的小数据集进行微调，使模型达到需要的性能，就可以完成多个应用场景的任务。在这一过程中，这种在公开数据集训练过的深层网络模型，即为“预训练模型”，预训练能够大大降低下游任务模型对标注数据规模的要求，从而可以很好的处理一些难以获得大量标注数据的新场景。

简单来说，MaaS模式下，通常是科技巨头开发出一套AI模型作为一个通用的底板，正如一个“通识型人才”，通过对外开放这些AI模型的调用接口吸引规模较小、但是深耕行业的玩家，由细分领域的公司将模型打磨成真正满足行业需求的应用，也就是培养出“专业人才”。

AI大模型的开发方式

参考资料：百度文心大模型官微

二、MaaS能给AI产业带来什么

自人工智能诞生以来的七八十年间，带给人们的惊叹比比皆是，MaaS的概念之前也被提出过，但为何在今时今日火爆出圈？

从上世纪六十年代最早的智能机器人Shakey，到八十年代深蓝战胜国际象棋冠军卡斯帕罗夫，再到2016年的AlphaGo战胜世界围棋冠军等等，AI技术从来不缺让人震撼的新闻，但真正能够产业化落地的却少之又少，过去的AI热带火的更多是概念和信心，但还没有产生颠覆某个行业的影响。但是这一轮AI技术带来的完全是不同的新体验，2022年ChatGPT的出现，让我们所有普通人都感受到切切实实的“好用”，上线仅仅2个月后注册用户数就突破了1亿，完全超出人们的预期，这是有可能颠覆“搜索引擎”行业的新技术。

目前，人工智能正处于产业化落地应用的早期阶段，努力发展 “好用”的产品，但面临着人力研发成本高、特定场景数据较少导致模型训练精度不够、模型算法产品化实际效果不满足需求、场景需求碎片化等行业痛点。而大模型通过提高模型的通用性、降低研发成本等方式能够加速AI产业化进程，降低AI落地应用的门槛。

（1）大模型的通用性提升AI 开发的效率

过去近10年间，AI开发主要是通过“深度学习+大算力”从而获得训练模型，但是在传统模式中，AI模型基本上是针对特定应用场景需求进行训练的，整个模型开发需要完成从确定场景需求、数据收集、模型设计到落地应用等阶段的整套流程，不仅耗费时间长，一个项目往往需要数月甚至数年才能完成，而且对人力素质要求很高，需要优秀的产品经理、专业的AI 研发人员等协同合作，人力成本高昂。但是，这样定制化的模型开发方式得到的模型在许多垂直行业场景任务下并不通用，模型无法复用和积累，导致了AI落地的高成本、高门槛与低效率。

而大模型通过从海量的、多类型的场景数据中学习，总结学习不同场景业务下的通用特征和规则，成为具有泛化能力的模型底座，利用大模型进行新的业务场景下的应用开发时，对大模型进行微调或者不调整，就可以完成多个应用场景的任务。过去，云计算服务商通常会将硬件资源、通用的软件能力、底层框架等来提供服务，如今，基于大模型的通用能力可以有效应对多样化、碎片化的AI应用需求，模型也上升到底层框架服务的维度，开始成为第一生产力。MaaS体现了All For everyone的概念，数据集仓库、模型仓库、算力平台通过提供零门槛模型体验、快捷的模型使用、完整链路的模型定制和云端模型部署向每个人开放，包括AI爱好者、使用者、开发者和研究者。

三、MaaS 的应用场景

四、国内外大模型布局

当前，大模型领域已初步形成生态规模，国内外众多公司和研究机构在大模型领域积极布局，大模型参数规模最高已达百万亿级别，且面向多模态场景的大模型已成为未来的趋势。

国外的超大规模预训练模型起步于2018 年，并在 2021 年进入白热化阶段。2017年，Vaswani等提出Transformer架构，使深度学习模型参数达到了上亿的规模。2018年，谷歌提出了大规模预训练语言模型BERT，同年OpenAI提出了生成式预训练Transformer模型——GPT，使自然语言处理领域飞速发展。之后，OpenAI 继续推出15亿参数的GPT-2、1750 亿参数的超大规模语言训练模型 GPT-3，通过两年时间实现了模型规模从亿级到上千亿级的突破，实现作诗、聊天、生成代码等功能。2021 年，谷歌推出首个万亿级语言模型Switch Transformer。高速发展一直持续到2022年，OpenAI 推出ChatGPT、GPT-4，震撼了几乎整个世界。大型语言模型的参数数量保持着指数即的增长。

在国内，超大模型的发展也非常迅速，2021年是中国 AI大模型的爆发年。2021 年，商汤发布拥有 100 亿的参数量的书生（INTERN）大模型，截至2021年中，商汤已建成拥有超过 300 亿个参数的世界最大计算器视觉模型。同年4月，华为云联合循环智能发布参数规模达1000 亿的盘古NLP超大规模预训练语言模型。随后，浪潮信息发布约2500亿的超大规模预训练模型“源 1.0”，百度推出参数规模达2600 亿的ERNIE 3.0 Titan 模型，而阿里达摩院的M6模型参数达到10万亿，将大模型参数直接提升了一个量级。2022年，清华大学、阿里达摩院等联合研究的“脑级人工智能模型”八卦炉（BAGUALU）发布，模型参数突破了174 万亿个，完全可以与人脑中的突触数量相媲美。

信息来源：商汤科技官微，天翼智库、公开信息

五、发展机遇

李彦宏在文心一言发布会上预言大模型时代将产生三大产业机会，排在首位的是新型云计算公司，其主流商业模式从IaaS变为MaaS。大模型时代的来临催生新模式新业态，AI大模型正逐步融入到生产生活领域的每一个核心场景，最大的发展机遇就是在应用端。围绕大模型底座进行应用开发的公司，即应用服务提供商，基于文本生成、图像生成、音视频生成等场景，开发金融大模型、医疗大模型、交通大模型、能源大模型等一系列应用大模型，将技术平台与产业深度融合，完全有可能成为未来的独角兽企业，挖掘出巨大的市场潜力。

MaaS模式下的人工智能行业，也不再只是科技巨头的市场，那些多年深耕细分行业，具备行业模型精调能力的公司，可充分利用自身懂市场、懂业务、懂客户的优势作为通用大模型和企业之间的中间层，创造出更好的细分产品。而底层服务方面，新型云计算公司将迎来发展机遇，主流商业模式将从IaaS变为MaaS，以模型服务为新的业务增长点。

大模型已开启AI新时代，未来市场潜力和想象空间巨大，让我们拭目以待。

 备注：本文仅作为产业科普，不提供任何投资建议。

参考资料：《人工智能行业专题报告：模型即服务》、《MaaS：Model as a Service 模型即服务》、《深度解析：为什么说MaaS是云计算的未来？》、《人工智能：模型即服务（一）》、《MaaS模型即服务：AI领域独特商业模式，降低AI使用门槛》、《阿里推出“模型即服务”，开源300+AI模型》