模型即服務(wù)（MaaS，Model as a Service），是指將人工智能（AI）算法模型以及相關(guān)能力進行封裝，以服務(wù)的形式對用戶提供，其核心目標是降低人工智能技術(shù)使用門檻，控制應(yīng)用建設(shè)成本，簡化系統(tǒng)運維管理復(fù)雜度，提升人工智能技術(shù)的綜合應(yīng)用效能，從而加速“人工智能+”進程。當前MaaS已在金融和信息通信等行業(yè)逐漸落地，但應(yīng)用過程中仍然在模型服務(wù)規(guī)范性、生態(tài)建設(shè)等方面面臨挑戰(zhàn)。未來將圍繞提升模型服務(wù)水平和服務(wù)便捷性為目標，構(gòu)建更加完善健康的MaaS生態(tài)，助力大模型等智能化技術(shù)普惠化落地。
一、MaaS定義重塑，與大模型展現(xiàn)出協(xié)同發(fā)展的態(tài)勢
MaaS概念在大模型時代得以重塑。MaaS將AI模型及其相關(guān)能力打包成可重復(fù)使用的服務(wù)，使企業(yè)能夠快速高效地構(gòu)建、部署、監(jiān)控、調(diào)用模型，而無須開發(fā)和維護底層基礎(chǔ)能力。MaaS主要提供三部分服務(wù)能力，一是提供包括模型訓(xùn)練、調(diào)優(yōu)和部署等在內(nèi)的全棧平臺型服務(wù)，以支持低門檻的模型開發(fā)與定制，用戶無須關(guān)注AI算力、框架和平臺即可生產(chǎn)和部署模型；二是提供包括大小模型及公私域數(shù)據(jù)集的豐富資產(chǎn)庫服務(wù)，以支持模型和數(shù)據(jù)集的靈活快速調(diào)用，用戶無須生產(chǎn)和部署模型即可調(diào)用模型和數(shù)據(jù)集服務(wù)；三是提供基于AI模型的應(yīng)用開發(fā)工具服務(wù)，以支持快速打造場景化應(yīng)用，用戶無須搭建開發(fā)工具即可進行AI應(yīng)用開發(fā)。
大模型的快速發(fā)展推動MaaS增益效果更加突出。大模型加快了AI+在各行業(yè)的落地進程，并由局部散點落地向全流程賦能不斷邁進，催生了龐大的市場需求，但也面臨諸多挑戰(zhàn)。一是大模型在落地過程中需要海量算力，而企業(yè)獲取算力門檻高。二是大模型較傳統(tǒng)AI模型在訓(xùn)練、調(diào)優(yōu)、推理和部署等方面的技術(shù)難度均有明顯提升。三是大模型工程化落地時煙囪式建設(shè)造成資源浪費。四是大模型應(yīng)用在落地最后一公里時仍存在場景適配難和開發(fā)效率不足的挑戰(zhàn)。而MaaS基于高效、便捷、靈活等優(yōu)勢，可成為推動大模型應(yīng)用落地的重要力量，使得MaaS在大模型時代下的增益效果更為突出。
MaaS成為大模型規(guī)�；涞氐拇呋瘎�MaaS圍繞低技術(shù)門檻、模型可共享、應(yīng)用易適配三大特性，提供包括平臺服務(wù)、模型服務(wù)、數(shù)據(jù)集服務(wù)、AI應(yīng)用開發(fā)服務(wù)在內(nèi)的全棧服務(wù)，一方面有助于解決模型服務(wù)規(guī)�；a(chǎn)面臨的成本高、技術(shù)門檻高等問題，另一方面幫助提升基于大模型的AI應(yīng)用開發(fā)效率，適配企業(yè)規(guī)�；瘓鼍靶枨�。
二、AI+云深度融合，MaaS推動模型服務(wù)以云的方式對外供給
AI的發(fā)展需要云計算基礎(chǔ)設(shè)施作為強大支撐。隨著大模型等AI技術(shù)的迅速發(fā)展，模型訓(xùn)練和推理過程中對智能算力的需求急劇增長，智能算力每3-4個月增長一倍，這需要增加和優(yōu)化算力資源，以確保MaaS能夠持續(xù)穩(wěn)定地為用戶提供便捷的模型服務(wù)體驗。通過云計算有關(guān)計算、存儲和網(wǎng)絡(luò)的有力支撐，MaaS將更好地關(guān)注筑牢模型平臺的生產(chǎn)和部署能力、提升模型服務(wù)水平、提高模型應(yīng)用創(chuàng)新能力、擴充模型庫支持能力、保障模型服務(wù)可信等方面。
MaaS作為人工智能架構(gòu)中間層，對云計算架構(gòu)進行了補充。MaaS與云計算架構(gòu)相比，對其原有的平臺層和應(yīng)用層進行了增強與補充，推動云計算架構(gòu)體系智能化升級。一方面MaaS在PaaS基礎(chǔ)上增強了平臺層能力，使得用戶可以直接構(gòu)建、使用或調(diào)優(yōu)模型，同時MaaS補充了模型層能力，對模型及服務(wù)進行集約化管理，為用戶提供可直接調(diào)取的AI能力；另一方面MaaS對SaaS應(yīng)用層進行了擴充，支持用戶基于多種模型服務(wù)及組件進行編排或開發(fā)，創(chuàng)造更加個性化更加便捷的AI應(yīng)用。
MaaS定位及對比示意圖
三、MaaS框架初步形成，應(yīng)用落地成效顯現(xiàn)
聚焦模型效能最大化，MaaS三層落地框架形成。以模型高效規(guī)模化落地為目標，圍繞模型服務(wù)生產(chǎn)及使用的全生命周期，形成了包含模型平臺層、模型層以及應(yīng)用開發(fā)層在內(nèi)的MaaS框架，涵蓋模型調(diào)優(yōu)、模型服務(wù)發(fā)布、模型服務(wù)調(diào)用及管理和基于模型打造AI應(yīng)用等環(huán)節(jié)，幫助用戶更快更好得使用模型。
MaaS框架圖
內(nèi)外需求驅(qū)動MaaS落地，部分行業(yè)場景初見成效。MaaS作為新型智能化服務(wù)模式，其落地實踐需具備模型規(guī)模化落地的外部需求和自頂而下的內(nèi)部組織驅(qū)動兩個條件，推進模型開發(fā)向集約化方式轉(zhuǎn)變，最大化釋放AI資產(chǎn)價值。金融行業(yè)因其完善的技術(shù)儲備和豐富的數(shù)據(jù)資源率先成為落地最多的領(lǐng)域；經(jīng)營管理場景具備見效快、風險低的特點，在企業(yè)內(nèi)部實踐最為成熟；除此之外，由于模型服務(wù)便于獲取，基于模型的應(yīng)用賽道朝著更加個性化和專業(yè)化方向發(fā)展。
四、MaaS將圍繞服務(wù)化推動“人工智能+”廣泛落地
AI產(chǎn)業(yè)正在經(jīng)歷前所未有之大變革，通過MaaS將模型服務(wù)供給各行各業(yè)將成為大勢所趨。當前的MaaS落地主要集中于MaaS體系構(gòu)建，未來將從模型服務(wù)水平提升、模型能力擴充、應(yīng)用能力創(chuàng)新等方面進一步筑牢MaaS體系，為“人工智能+”廣泛落地提供便捷路徑。
MaaS服務(wù)水平將逐步規(guī)范化提升。一方面模型服務(wù)水平和輸出能力將逐步規(guī)范化，未來模型將服務(wù)成百上千個業(yè)務(wù)，模型服務(wù)的質(zhì)量直接關(guān)系到業(yè)務(wù)能否穩(wěn)定運行，因此服務(wù)內(nèi)容、服務(wù)水平、服務(wù)計量的標準化等將有助于提高服務(wù)效率并節(jié)約成本。另一方面企業(yè)內(nèi)部模型服務(wù)的接口將逐步統(tǒng)一，標準化的接口便于不同業(yè)務(wù)調(diào)用不同模型服務(wù)，提高兼容化處理效率，降低使用門檻，促進不同服務(wù)之間的互聯(lián)互通，推動模型的共享和復(fù)用。
MaaS模型能力將得到持續(xù)擴充。一是大模型技術(shù)能力將持續(xù)提升；二是行業(yè)大模型、領(lǐng)域大模型或場景大模型將持續(xù)涌現(xiàn)，MaaS模型層將涵蓋并提供更多解決不同問題的大模型服務(wù)；三是大小模型協(xié)同將成為場景化落地的重要方式，通過將大模型的通識能力與小模型的專業(yè)能力相結(jié)合，使模型服務(wù)更加精準地滿足應(yīng)用需求，為應(yīng)用開發(fā)提供更強大、更靈活的AI能力。
MaaS將催生基于大模型的應(yīng)用創(chuàng)新生態(tài)。首先基于大模型的應(yīng)用開發(fā)新范式將圍繞自然語言持續(xù)演進，通過自然語言快速生成特定領(lǐng)域的大模型原生應(yīng)用，開發(fā)門檻大幅降低，這將吸納更廣泛的用戶群體參與其中，推動應(yīng)用開發(fā)生態(tài)持續(xù)擴大。其次基于大模型的應(yīng)用將向個性化、擬人化方向發(fā)展，基于開發(fā)新范式，各類應(yīng)用將更加貼合用戶的個性化需求，同時應(yīng)用的形態(tài)將逐步轉(zhuǎn)向視頻、音頻等更具擬人化特征的多模態(tài)形式，使得人機交互更為自然流暢。
MaaS將圍繞模型服務(wù)持續(xù)強化安全保障。未來將從平臺安全、數(shù)據(jù)隱私保護、模型可控性、服務(wù)可靠性及應(yīng)用安全等維度，持續(xù)健全MaaS安全保障體系。通過健全的保障體系，保護用戶在使用模型服務(wù)過程中的數(shù)據(jù)安全與隱私權(quán)益，筑牢模型服務(wù)風險管理防線，幫助企業(yè)生產(chǎn)更加負責任的AI，推動各行業(yè)“人工智能+”行動落地。
