模型即服務（MaaS，Model as a Service），是指將人工智能（AI）算法模型以及相關能力進行封裝，以服務的形式對用戶提供，其核心目標是降低人工智能技術使用門檻，控制應用建設成本，簡化系統運維管理復雜度，提升人工智能技術的綜合應用效能，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逐漸落地，但應用過程中仍然在模型服務規范性、生態建設等方面面臨挑戰。未來將圍繞提升模型服務水平和服務便捷性為目標，構建更加完善健康的MaaS生態，助力大模型等智能化技術普惠化落地。

一、MaaS定義重塑，與大模型展現出協同發展的態勢

MaaS概念在大模型時代得以重塑。MaaS將AI模型及其相關能力打包成可重復使用的服務，使企業能夠快速高效地構建、部署、監控、調用模型，而無須開發和維護底層基礎能力。MaaS主要提供三部分服務能力，一是提供包括模型訓練、調優和部署等在內的全棧平臺型服務，以支持低門檻的模型開發與定制，用戶無須關注AI算力、框架和平臺即可生產和部署模型；二是提供包括大小模型及公私域數據集的豐富資產庫服務，以支持模型和數據集的靈活快速調用，用戶無須生產和部署模型即可調用模型和數據集服務；三是提供基于AI模型的應用開發工具服務，以支持快速打造場景化應用，用戶無須搭建開發工具即可進行AI應用開發。

大模型的快速發展推動MaaS增益效果更加突出。大模型加快了AI+在各行業的落地進程，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。一是大模型在落地過程中需要海量算力，而企業獲取算力門檻高。二是大模型較傳統AI模型在訓練、調優、推理和部署等方面的技術難度均有明顯提升。三是大模型工程化落地時煙囪式建設造成資源浪費。四是大模型應用在落地最后一公里時仍存在場景適配難和開發效率不足的挑戰。而MaaS基于高效、便捷、靈活等優勢，可成為推動大模型應用落地的重要力量，使得MaaS在大模型時代下的增益效果更為突出。

MaaS成為大模型規模化落地的催化劑。MaaS圍繞低技術門檻、模型可共享、應用易適配三大特性，提供包括平臺服務、模型服務、數據集服務、AI應用開發服務在內的全棧服務，一方面有助于解決模型服務規模化生產面臨的成本高、技術門檻高等問題，另一方面幫助提升基于大模型的AI應用開發效率，適配企業規模化場景需求。

二、AI+云深度融合，MaaS推動模型服務以云的方式對外供給

AI的發展需要云計算基礎設施作為強大支撐。隨著大模型等AI技術的迅速發展，模型訓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，這需要增加和優化算力資源，以確保MaaS能夠持續穩定地為用戶提供便捷的模型服務體驗。通過云計算有關計算、存儲和網絡的有力支撐，MaaS將更好地關注筑牢模型平臺的生產和部署能力、提升模型服務水平、提高模型應用創新能力、擴充模型庫支持能力、保障模型服務可信等方面。

MaaS作為人工智能架構中間層，對云計算架構進行了補充。MaaS與云計算架構相比，對其原有的平臺層和應用層進行了增強與補充，推動云計算架構體系智能化升級。一方面MaaS在PaaS基礎上增強了平臺層能力，使得用戶可以直接構建、使用或調優模型，同時MaaS補充了模型層能力，對模型及服務進行集約化管理，為用戶提供可直接調取的AI能力；另一方面MaaS對SaaS應用層進行了擴充，支持用戶基于多種模型服務及組件進行編排或開發，創造更加個性化更加便捷的AI應用。

MaaS定位及對比示意圖

三、MaaS框架初步形成，應用落地成效顯現

聚焦模型效能最大化，MaaS三層落地框架形成。以模型高效規模化落地為目標，圍繞模型服務生產及使用的全生命周期，形成了包含模型平臺層、模型層以及應用開發層在內的MaaS框架，涵蓋模型調優、模型服務發布、模型服務調用及管理和基于模型打造AI應用等環節，幫助用戶更快更好得使用模型。

MaaS框架圖

內外需求驅動MaaS落地，部分行業場景初見成效。MaaS作為新型智能化服務模式，其落地實踐需具備模型規模化落地的外部需求和自頂而下的內部組織驅動兩個條件，推進模型開發向集約化方式轉變，最大化釋放AI資產價值。金融行業因其完善的技術儲備和豐富的數據資源率先成為落地最多的領域；經營管理場景具備見效快、風險低的特點，在企業內部實踐最為成熟；除此之外，由于模型服務便于獲取，基于模型的應用賽道朝著更加個性化和專業化方向發展。

四、MaaS將圍繞服務化推動“人工智能+”廣泛落地

AI產業正在經歷前所未有之大變革，通過MaaS將模型服務供給各行各業將成為大勢所趨。當前的MaaS落地主要集中于MaaS體系構建，未來將從模型服務水平提升、模型能力擴充、應用能力創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服務水平將逐步規范化提升。一方面模型服務水平和輸出能力將逐步規范化，未來模型將服務成百上千個業務，模型服務的質量直接關系到業務能否穩定運行，因此服務內容、服務水平、服務計量的標準化等將有助于提高服務效率并節約成本。另一方面企業內部模型服務的接口將逐步統一，標準化的接口便于不同業務調用不同模型服務，提高兼容化處理效率，降低使用門檻，促進不同服務之間的互聯互通，推動模型的共享和復用。

MaaS模型能力將得到持續擴充。一是大模型技術能力將持續提升；二是行業大模型、領域大模型或場景大模型將持續涌現，MaaS模型層將涵蓋并提供更多解決不同問題的大模型服務；三是大小模型協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能力相結合，使模型服務更加精準地滿足應用需求，為應用開發提供更強大、更靈活的AI能力。

MaaS將催生基于大模型的應用創新生態。首先基于大模型的應用開發新范式將圍繞自然語言持續演進，通過自然語言快速生成特定領域的大模型原生應用，開發門檻大幅降低，這將吸納更廣泛的用戶群體參與其中，推動應用開發生態持續擴大。其次基于大模型的應用將向個性化、擬人化方向發展，基于開發新范式，各類應用將更加貼合用戶的個性化需求，同時應用的形態將逐步轉向視頻、音頻等更具擬人化特征的多模態形式，使得人機交互更為自然流暢。

MaaS將圍繞模型服務持續強化安全保障。未來將從平臺安全、數據隱私保護、模型可控性、服務可靠性及應用安全等維度，持續健全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過程中的數據安全與隱私權益，筑牢模型服務風險管理防線，幫助企業生產更加負責任的AI，推動各行業“人工智能+”行動落地。