云厂商的新战场：如何用MaaS赚钱？

    

文 ：武占国，编辑 ：何玥阳，出品 ： 数智界
    

今年，大模型之风，在国内已经刮了一波又一波。
    

无论是在乌镇召开互联网大会，还是各大互联网论坛，大模型一次又一次被大佬们捧上C位，如今百模大战的硝烟仍未停止，最终会不会是像“百团大战、百云大战”一样，赢者通吃，犹未可知。
    

至少目前，大部分都属于烧钱研发阶段，实现盈利、变现的屈指可数。但是，这场针对大模型训练的云厂商之战，已经拉开帷幕，各大云厂商纷纷发布了各自对大模型的服务方案。
    

截至目前，国内外云厂商，包括阿里云、华为云、腾讯云、百度云、京东云、微软云Azure等云计算大厂，都已经推出了MaaS服务。
    

推出MaaS服务对云厂商有什么影响？云厂商如何通过MaaS进行变现？MaaS能不能成为云厂商新的业务增长极？本文将回答这些问题。
    

一、云厂商鏖战MaaS
    

MaaS是模型即服务，是IaaS（基础设施即服务）、PaaS（平台即服务）、SaaS（软件即服务）之外的一个新概念，也是云厂商的新业务，但目前主流云厂商对MaaS的定义并未形成统一的说法。
    

曾经制定过IaaS、PaaS和SaaS技术标准的美国国家标准与技术研究所（NIST），目前也没有给出MaaS的技术标准，国际上也没有其他权威认证。
    

根据云厂商的描述，MaaS模式的核心价值可归纳为：降低算法需求侧的开发技术和使用成本门槛，用户可以直接通过API调用基础大模型，为不同的业务场景，来构建、训练和部署专属模型。
    

主流云厂商发力MaaS服务，存在着主动和被动两方面的原因。
    

第一，主流云厂商的传统业务增长放缓。
    

总体看，云厂商的传统业务大多是基于IaaS层的公有云业务，而PaaS和SaaS层的业务规模相对较小。在IaaS层提供服务的显著特点是，重资产、重投入，靠规模吃饭，但同质化严重，所以利润率较低。
    

再加上运营商的加入，竞争更加激烈，价格战频频上演。
    

另一方面，阿里云、腾讯云等云厂商调整了以往要规模的路线，通过主动放弃一些低利润项目，来保利润率。如互联网云厂商所愿，这两年云厂商的利润率有所改善，但增长落入10%以下的区间。比如排第一的阿里云，2023年增速已经趋近于零，相比前两年高达20%-100%的增速，已经大幅下降。
    
    

在利润率更高的PaaS和SaaS层，由于基础开发软件和SaaS业务端需求不足，国内这两层的业务量规模较低，占整个公有云市场的比例也远低于国外。
    

第二，大模型训练和运营，存在算力和服务缺口。
    

随着ChatGPT的爆火，各个大厂、企业纷纷下场做大模型，截至10月份，我国拥有10亿参数规模以上大模型的厂商及高校院所共计254家，国内已经发布了238个大模型，相较于6月份的79个，在四个月内增长了三倍。
    

这么多大模型的训练和运营都需要巨大的算力支持。比如OpenAI训练大模型，前期GPT-3的训练一次需要购买49台服务器，成本140万美元，日常运行成本则更高，以早期的每日2500万访问量计算，需要购买3798台服务器，成本7.59亿美元。
    

华为预测，2030年通用计算总量比2020年增长10倍，至3.3ZFLOPS；AI计算总量将增长500倍至105ZFLOPS。
    

基于这样的预期，云厂商纷纷推出了各自MaaS业务。
    

今年3月，李彦宏在文心一言发布会上提出，大模型时代MaaS将取代IaaS，成为主流。4月，阿里发布通义千问大模型，同时，阿里云峰会上，张勇表示，阿里云已形成模型即服务（MaaS）、平台即服务（PaaS）、基础设施即服务（IaaS）三层架构。从这样的表述也可以看出阿里云对于MaaS的重视。
    

今年7月初，华为云公布了盘古大模型3.0和昇腾AI云计算服务，盘古3.0可以提供从100亿到1000亿参数等四种系列化基础大模型，昇腾AI云可以提供单集群2000P Flops等算力服务。
    

9月初，腾讯发布自研混元大模型，同时国内企业可以通过腾讯的公众云平台接入混元，并根据具体需要进行微调。
    

二、云厂商如何通过MaaS变现？
    

目前业界对MaaS的定义存在分歧，包括MaaS与IaaS、PaaS、SaaS之间的关系，以及未来MaaS是否会重新定义IaaS、PaaS、SaaS，这些都存在不同看法。
    

目前云厂商，已推出的MaaS相关服务，主要包括基于IaaS的AI算力服务，以及通过自研大模型或开源大模型提供API调用服务。
    

第一，API调用服务是MaaS最核心的变现方式。
    

API调用服务就是，云计算平台将机器学习模型封装成可以调用的云服务，用户通过API接口或者其他方式，来调用模型的能力。
    

这个过程中，云厂商可以根据用量或者时间来收费。
    

比如，OpenAI推出GPTs及相应自然语言开发工具。OpenAI共制定了四种收费模式，分别是ChatGPT Plus订阅收费、API（除GPT模型接口外，还包括模型微调接口和嵌入接口）调用量收费、文生图按生成量收费和音转文按分钟收费、模型实例租用收费。
    

其中，GPT-3.5模型是按调用token（分解单元，中文大致等同于一个词）数量计费，每10万个token收取4美分。美国应用市场排名靠前的应用，服务营销文案的Jasper和聊天机器人Chat with Ask AI都是基于OpenAI旗下模型开发的应用，其最核心的成本也是给OpenAI的API调用费。
    

第二，给训练、运行大模型提供AI算力服务。
    

算力服务一直是云计算最初级的服务，也就是IaaS层的服务。IaaS，最初就是为企业提供集中服务器、数据存储等底层的技术服务，后来在此基础上发展出了PaaS和SaaS。
    

跑大模型需要的是AI算力，而非以往的通用算力，AI算力的需求，对云厂商IaaS层的服务器、网络、存储等都产生了重构。比如，在提供算力的服务器，需要采购大量的搭载英伟达的GPU服务器，重新搭建建立在其基础之上的系统和网络服务。
    

大模型未来也有可能重构PaaS层和SaaS层。
    

在此基础之上，云厂商也可以探索新的付费模式，比如基于开源模型，形成开发者社区，实现AI PaaS服务，给开发者提供除算力和模型之外的服务，比如提供开发者训练大模型需要的数据库、中间件等服务。
    

此外，在SaaS层，更多企业的SaaS产品开始基于AI(AI-based-SaaS)，AI从SaaS的辅助工具到AI原生SaaS（基于特定大模型的SaaS产品），再到AI agent SaaS（智能体即服务），都将经历在应用层探索。
    

三、通过MaaS赚钱，存在哪些困难
    

首先我们需要厘清，云厂商提供MaaS服务，想赚谁的钱？
    

模型厂商的钱，包括大模型和行业模型，比如百川智能就是在阿里云上跑的，行业模型是一个趋势。最终赚的是B端企业的钱，针对C端的AI应用变现问题，我们在此前的文章《大模型太卷，AI应用就好做吗？》中讨论过。
    

云厂商也可以自己去做行业模型，不过每个行业来一遍，投入高，周期也比较长，增加了盈利的难度。
    

当大模型投资热回归理性之后，理想的循环是，企业客户可以将行业大模型以及其提供的工具，应用于自身运营、生产、财务管理等多个业务中，应用之后效率提升，才会愿意持续付费，这样一来模型厂商赚钱，云厂商也赚钱。
    

技术落地的过程是从模型到工具再到场景，商业化却是从应用场景开始的。
    

中国的PaaS和SaaS占公有云市场比重低，部分原因在于盈利能力弱，所以评估收益与成本之后，为SaaS付费意愿不高。
    

所以，云厂商通过MaaS服务可能会遇到与SaaS相似的问题，即从供给端到需求端，都未形成如国外那样成熟的管理模式和市场环境，也没有形成标准化产品，无法进行低成本复制。（详见《中国SaaS之殇：差距是如何被一步步拉大的》）
    

当然，MaaS与SaaS也有不同，因为有大模型的辅助，MaaS在用户定制化的需求上，能够有更好的适配，因此在标准化和定制化之间的两难，会得到一定解决。
    

赚不赚钱，另一个重要的因素在于成本。
    

提供MaaS服务对AI算力有极高的要求，云厂商需要采购大量的GPU芯片，用来搭建新的服务，来满足日益增长的AI算力需求。今年微软和Meta各买了英伟达15万片H100GPU，百度、阿里和字节分别买了3万、2.5万和2万片。这些芯片，都将部署在新的适配于大模型训练和运行的服务器上。
    

除了外部采购，国内云厂商也在加紧脚步布局自研AI芯片，或拓展其他购买渠道。
    

今年10月23日，美国开始实施新的芯片出口管制，英伟达高性能AI芯片——A800、H800、L40S等，被禁止出口。这导致国内云厂商，无法买到国外高性能芯片，这些成为制约国内云厂商提供AI算力的制约因素。
    

一份研报显示，一台搭载英伟达A100芯片的服务器成本在20万美元，单个服务器搭载7片A100芯片，单片芯片价格在1.5万美元左右。
    

云厂商斥巨资买来的计算资源，需要足够大的使用量级和用户规模，才能产生效益。而随着大模型热褪去，是否会出现资源的闲置，谁都说不好。