科技云報道原創(chuàng)。

沒有人能預見未來，但我們可以因循常識，去捕捉技術創(chuàng)新演進的節(jié)奏韻腳。

2023年最火的風口莫過于大模型。

2022年底，由美國初創(chuàng)企業(yè)OpenAI開發(fā)的聊天應用ChatGPT引爆市場，生成式AI成為科技市場熱點，ChatGPT背后是深度學習大模型，其理解和生成文字的能力超過以往AI產品。

全球主要云計算公司加入其中，爭奪算力、下場開發(fā)和銷售大模型，云計算市場迎來新一輪競爭熱潮，覆蓋AI計算所需的算力、算法、數據各層面。

如今，大模型這把火已經從自然語言燒到千行百業(yè)。相較于花力氣讓大模型更流暢地應對各種刁鉆問題，MaaS正成為AI大模型比拼的重點。

企業(yè)大模型落地挑戰(zhàn)重重

目前，行業(yè)大模型跟產業(yè)的結合，還處在比較早期的階段。

一方面，大模型技術的發(fā)展日新月異，無論是算力層面、模型小型化、數據標注、數據訓練還是開元模型層面，都在快速變化的過程中；另一方面，整個產業(yè)對大模型能力和應用方式的理解，也還在初級階段。

通常來說，一家企業(yè)想要搭建行業(yè)大模型，有幾個環(huán)節(jié)必不可少：挑選適合自己使用場景的模型，使用云廠商專業(yè)工具搭建一體化模型服務，梳理測試用例、建立服務質量評估流程，確保數據及模型應用安全、合規(guī)和可控。

而企業(yè)想要在實際業(yè)務場景中部署使用大模型服務，則面臨著成本、數據和安全等諸多落地難題。

首先，計算資源少。大模型需要比較高的計算資源和存儲資源。與一般服務器相比，GPU服務器的穩(wěn)定性比較低，大模型訓練需要的GPU經常達到上千張卡。

同時，在訓練集群里，連接幾百臺GPU服務器所需要的網絡速度極高，一旦網絡產生擁堵，就會影響訓練效率。所以很多算法團隊傾向于選擇專業(yè)的云服務廠商進行云服務運維支持。

其次，數據質量比較差。

搭建大模型本身就是一項成本極高的系統工程，需要大量的高質量數據進行訓練和優(yōu)化，還需要經過清洗和預處理，以消除噪聲、填補缺失值并確保數據質量。如果導入的數據質量低，那訓練出來的模型也會有問題。

第三，投入成本高，這也是大模型落地面臨的主要困難之一。大模型需要投入大量的數據、計算資源、專業(yè)技術和時間來訓練、調試、優(yōu)化并部署實施。

第四，專業(yè)經驗少。大模型的開發(fā)落地需要比較多的技術和人力資源，部署大模型需要考慮到計算資源、網絡帶寬和安全性等多方面問題，很多企業(yè)比較缺乏相關技術和人才，導致大模型無法順利落地應用。

MaaS重塑云計算服務范式

MaaS，即“Model as a Service，模型即服務”，是通過云服務將數據處理和機器學習模型的功能集成到現有業(yè)務中，為企業(yè)提供智能化、自動化的解決方案。MaaS的大模型可以通過從海量的、多類型的場景數據中學習，總結學習不同場景業(yè)務下的通用特征和規(guī)則，成為具有泛化能力的模型底座。

數據集倉庫、模型倉庫、算力平臺通過提供零門檻模型體驗、快捷的模型使用、完整鏈路的模型定制和云端模型部署向每個人開放。

從形式上看，MaaS是典型的云智一體。所謂“云智一體”，是三年前百度智能云在戰(zhàn)略發(fā)布中提出的理念，通過云計算和人工智能融合創(chuàng)新，把算力、框架、模型，場景應用打造成標準化產品，進而降低企業(yè)獲取和使用人工智能的門檻。

百度、阿里乃至更多云計算企業(yè)，如今將目光投向“云智一體”，印證了AI應用能力是云計算產業(yè)基礎設施成熟后的核心能力。這種能力更在于“智”的水平，在智能基礎設施之上的通用型AI產品能力。

從云計算服務范式看，大模型的迭代升級也重塑了傳統的云計算服務。以往，云計算更專注算力能力，服務模型集中在IaaS、PaaS、SaaS三層；如今，云計算在大模型驅動下具備了更強的集成能力，在算力、算法和應用層中嵌入大模型，進而強化云計算的“智”，以智能底座集成應用并統一對外輸出，實現場景端的生產力解放。

雖然MaaS目前針對的場景還處在基于自然語言處理（NLP）的領域，但是隨著技術的迭代，遵循其核心思想進行延展，廣義的MaaS恰恰有可能針對上述的難點，發(fā)揮重要作用。

在數據清洗和整合方面，MaaS可以幫助企業(yè)將來自不同系統和部門的數據進行清洗、整合和轉換，形成完整、可靠的數據集。

通過將來自不同部門的數據整合到一個數據倉庫中，MaaS可以確保數據的完整性和一致性。此外，MaaS還可以對海量數據進行自動化處理和分析，快速發(fā)現業(yè)務的異常情況和趨勢變化。

在數據分析和挖掘方面，MaaS可以對業(yè)務數據進行分析和挖掘，從中發(fā)現業(yè)務之間的關聯和規(guī)律，為企業(yè)提供更全面、準確的財務數據，并支持更好的決策和管理。

例如，當企業(yè)需要進行銷售訂單和庫存的分析時，MaaS需要輸入銷售訂單和庫存數據，這些數據可以來自企業(yè)的不同部門，比如銷售部門、庫存管理部門等。之后，MaaS會使用NLP技術自動化處理和分析這些數據，例如，識別和分類訂單的狀態(tài)、計算庫存周轉率等。

在數據處理的過程中，MaaS會快速發(fā)現業(yè)務的異常情況和趨勢變化，如訂單的滯銷和庫存的積壓等。

在智能化決策支持方面，MaaS可以為企業(yè)提供智能化的決策支持，通過機器學習模型預測未來的業(yè)務走勢和財務狀況，幫助企業(yè)做出更明智的決策。

MaaS會將分析結果轉化為易于理解和操作的報告和圖表，并提供定制化的業(yè)務解決方案。企業(yè)可以根據自身的業(yè)務需求和數據特點，選擇不同的機器學習模型和數據處理算法，以實現更智能化、個性化的業(yè)務流程。

MaaS市場競爭激烈

今年3月，百度率先推出文心一言大模型。百度CTO王海峰在中關村論壇期間表示，未來MaaS將成為云計算的主流商業(yè)模式，各類應用將基于大模型來開發(fā)，每個行業(yè)需要打造行業(yè)自己的大模型。大模型將與實體經濟深度融合，賦能千行百業(yè)，加速產業(yè)轉型升級，促進經濟高質量發(fā)展。

4月，阿里也推出了自己的通義千問大模型。時任阿里巴巴集團董事會主席兼CEO、阿里云智能集團CEO張勇當時宣布，阿里巴巴所有產品未來都將接入通義千問大模型，進行全面改造。

阿里云CTO周靖人在今年5月的中關村會議上也提出，MaaS概念正在被廣泛接受，模型會作為業(yè)務和開發(fā)系統開發(fā)的重要生產元素。

這背后，AI一直背負著商業(yè)化這個難題。而B端市場近年來越發(fā)成為互聯網大廠的增量市場。

5月，騰訊發(fā)布的今年一季度財報顯示，當期其營收1500億元，同比增長11%；凈利潤258.4億元，同比增長10%。

凈利潤(Non-IFRS)325.38億元，同比增長27%。其中，身處B端市場的金融科技與企業(yè)服務板塊今年一季度營收同比增長14%達到487億元。據記者了解，該板塊已連續(xù)八個季度在騰訊總收入中占比超過30%。

而此前各家云業(yè)務紛紛下調價格，不僅體現了B端業(yè)務的激烈競爭，在某種程度上也提現了大模型的開發(fā)對B端業(yè)務成本的影響。

張勇曾表示，未來希望在阿里云上訓練一個模型的成本，能夠降低到現在的十分之一，甚至是百分之一。即使是中小企業(yè)，也能通過云平臺獲得AI大模型的能力和服務。

目前，行業(yè)大模型的前景有賴于行業(yè)大模型的技術成熟度，大家的競爭點主要集中在行業(yè)數據源。行業(yè)不同，所形成的語料不同。廠商所在的優(yōu)勢行業(yè)，能夠形成訓練AI所需要的語料庫，越完備的語料，意味著越有優(yōu)勢的AI產品。

同時，在大模型這一賽道上，從來就不是“后來者居上”。只有越豐富的供應，才能帶來越多的客戶；更多的客戶，才能在數據反饋中幫助精進和迭代，從而產生“飛輪效應”。

如長期在機器學習模型有積累的社區(qū)Hugging Face，就基于社區(qū)已有的開源模型推出了HuggingGPT，以一個大模型調用多個AI模型的方式，迅速將長期積累的模型生態(tài)轉變成更大的行業(yè)影響力。

這個階段開始，生態(tài)的作用就會顯現。而這也是為什么構建一個生態(tài)，決定了MaaS的高度。但無論處在哪個階段，最核心的是，大模型依然是一個成本高昂的新事物。

不論在研發(fā)、迭代還是使用階段，大模型都是一個消耗資源巨大、使用成本也不低的“奢侈品”。

所以只有構建一個生態(tài)，才能真正通過規(guī)模效應降低成本、幫助迭代精進，最后實現大模型和MaaS真正的商業(yè)可持續(xù)，這更需要生態(tài)。所以真正重視大模型，真正重視MaaS的玩家，一定會不遺余力打造生態(tài)。

在MaaS新范式的游戲規(guī)則中，大模型決定了一開始走多快，生態(tài)決定了最后走多遠。

【關于科技云報道】

專注于原創(chuàng)的企業(yè)級內容行家——科技云報道。成立于2015年，是前沿企業(yè)級IT領域Top10媒體。獲工信部權威認可，可信云、全球云計算大會官方指定傳播媒體之一。深入原創(chuàng)報道云計算、大數據、人工智能、區(qū)塊鏈等領域。

審核編輯 黃宇