云計(jì)算迎來中場(chǎng)戰(zhàn)役，MaaS或?qū)⒊蔀閺澋莱嚒靶沦慄c(diǎn)”

（圖片來源：攝圖網(wǎng)）

作者|科技云報(bào)道 來源|科技云報(bào)到(ID：ITCloud-BD)

沒有人能預(yù)見未來，但我們可以因循常識(shí)，去捕捉技術(shù)創(chuàng)新演進(jìn)的節(jié)奏韻腳。

2023年最火的風(fēng)口莫過于大模型。

2022年底，由美國(guó)初創(chuàng)企業(yè)OpenAI開發(fā)的聊天應(yīng)用ChatGPT引爆市場(chǎng)，生成式AI成為科技市場(chǎng)熱點(diǎn)，ChatGPT背后是深度學(xué)習(xí)大模型，其理解和生成文字的能力超過以往AI產(chǎn)品。

全球主要云計(jì)算公司加入其中，爭(zhēng)奪算力、下場(chǎng)開發(fā)和銷售大模型，云計(jì)算市場(chǎng)迎來新一輪競(jìng)爭(zhēng)熱潮，覆蓋AI計(jì)算所需的算力、算法、數(shù)據(jù)各層面。

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

 一

企業(yè)大模型

落地挑戰(zhàn)重重

目前，行業(yè)大模型跟產(chǎn)業(yè)的結(jié)合，還處在比較早期的階段。

一方面，大模型技術(shù)的發(fā)展日新月異，無論是算力層面、模型小型化、數(shù)據(jù)標(biāo)注、數(shù)據(jù)訓(xùn)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(gè)產(chǎn)業(yè)對(duì)大模型能力和應(yīng)用方式的理解，也還在初級(jí)階段。

通常來說，一家企業(yè)想要搭建行業(yè)大模型，有幾個(gè)環(huán)節(jié)必不可少：挑選適合自己使用場(chǎng)景的模型，使用云廠商專業(yè)工具搭建一體化模型服務(wù)，梳理測(cè)試用例、建立服務(wù)質(zhì)量評(píng)估流程，確保數(shù)據(jù)及模型應(yīng)用安全、合規(guī)和可控。

而企業(yè)想要在實(shí)際業(yè)務(wù)場(chǎng)景中部署使用大模型服務(wù)，則面臨著成本、數(shù)據(jù)和安全等諸多落地難題。

首先，計(jì)算資源少。大模型需要比較高的計(jì)算資源和存儲(chǔ)資源。與一般服務(wù)器相比，GPU服務(wù)器的穩(wěn)定性比較低，大模型訓(xùn)練需要的GPU經(jīng)常達(dá)到上千張卡。

同時(shí)，在訓(xùn)練集群里，連接幾百臺(tái)GPU服務(wù)器所需要的網(wǎng)絡(luò)速度極高，一旦網(wǎng)絡(luò)產(chǎn)生擁堵，就會(huì)影響訓(xùn)練效率。所以很多算法團(tuán)隊(duì)傾向于選擇專業(yè)的云服務(wù)廠商進(jìn)行云服務(wù)運(yùn)維支持。

其次，數(shù)據(jù)質(zhì)量比較差。

搭建大模型本身就是一項(xiàng)成本極高的系統(tǒng)工程，需要大量的高質(zhì)量數(shù)據(jù)進(jìn)行訓(xùn)練和優(yōu)化，還需要經(jīng)過清洗和預(yù)處理，以消除噪聲、填補(bǔ)缺失值并確保數(shù)據(jù)質(zhì)量。如果導(dǎo)入的數(shù)據(jù)質(zhì)量低，那訓(xùn)練出來的模型也會(huì)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(shù)據(jù)、計(jì)算資源、專業(yè)技術(shù)和時(shí)間來訓(xùn)練、調(diào)試、優(yōu)化并部署實(shí)施。

第四，專業(yè)經(jīng)驗(yàn)少。大模型的開發(fā)落地需要比較多的技術(shù)和人力資源，部署大模型需要考慮到計(jì)算資源、網(wǎng)絡(luò)帶寬和安全性等多方面問題，很多企業(yè)比較缺乏相關(guān)技術(shù)和人才，導(dǎo)致大模型無法順利落地應(yīng)用。

二

MaaS重塑

云計(jì)算服務(wù)范式

MaaS，即“Model as a Service，模型即服務(wù)”，是通過云服務(wù)將數(shù)據(jù)處理和機(jī)器學(xué)習(xí)模型的功能集成到現(xiàn)有業(yè)務(wù)中，為企業(yè)提供智能化、自動(dòng)化的解決方案。MaaS的大模型可以通過從海量的、多類型的場(chǎng)景數(shù)據(jù)中學(xué)習(xí)，總結(jié)學(xué)習(xí)不同場(chǎng)景業(yè)務(wù)下的通用特征和規(guī)則，成為具有泛化能力的模型底座。

數(shù)據(jù)集倉(cāng)庫(kù)、模型倉(cāng)庫(kù)、算力平臺(tái)通過提供零門檻模型體驗(yàn)、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(gè)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(jì)算和人工智能融合創(chuàng)新，把算力、框架、模型，場(chǎng)景應(yīng)用打造成標(biāo)準(zhǔn)化產(chǎn)品，進(jìn)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(jì)算企業(yè)，如今將目光投向“云智一體”，印證了AI應(yīng)用能力是云計(jì)算產(chǎn)業(yè)基礎(chǔ)設(shè)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(chǔ)設(shè)施之上的通用型AI產(chǎn)品能力。

從云計(jì)算服務(wù)范式看，大模型的迭代升級(jí)也重塑了傳統(tǒng)的云計(jì)算服務(wù)。以往，云計(jì)算更專注算力能力，服務(wù)模型集中在IaaS、PaaS、SaaS三層；如今，云計(jì)算在大模型驅(qū)動(dòng)下具備了更強(qiáng)的集成能力，在算力、算法和應(yīng)用層中嵌入大模型，進(jìn)而強(qiáng)化云計(jì)算的“智”，以智能底座集成應(yīng)用并統(tǒng)一對(duì)外輸出，實(shí)現(xiàn)場(chǎng)景端的生產(chǎn)力解放。

雖然MaaS目前針對(duì)的場(chǎng)景還處在基于自然語(yǔ)言處理（NLP）的領(lǐng)域，但是隨著技術(shù)的迭代，遵循其核心思想進(jìn)行延展，廣義的MaaS恰恰有可能針對(duì)上述的難點(diǎn)，發(fā)揮重要作用。

在數(shù)據(jù)清洗和整合方面，MaaS可以幫助企業(yè)將來自不同系統(tǒng)和部門的數(shù)據(jù)進(jìn)行清洗、整合和轉(zhuǎn)換，形成完整、可靠的數(shù)據(jù)集。

通過將來自不同部門的數(shù)據(jù)整合到一個(gè)數(shù)據(jù)倉(cāng)庫(kù)中，MaaS可以確保數(shù)據(jù)的完整性和一致性。此外，MaaS還可以對(duì)海量數(shù)據(jù)進(jìn)行自動(dòng)化處理和分析，快速發(fā)現(xiàn)業(yè)務(wù)的異常情況和趨勢(shì)變化。

在數(shù)據(jù)分析和挖掘方面，MaaS可以對(duì)業(yè)務(wù)數(shù)據(jù)進(jìn)行分析和挖掘，從中發(fā)現(xiàn)業(yè)務(wù)之間的關(guān)聯(lián)和規(guī)律，為企業(yè)提供更全面、準(zhǔn)確的財(cái)務(wù)數(shù)據(jù)，并支持更好的決策和管理。

例如，當(dāng)企業(yè)需要進(jìn)行銷售訂單和庫(kù)存的分析時(shí)，MaaS需要輸入銷售訂單和庫(kù)存數(shù)據(jù)，這些數(shù)據(jù)可以來自企業(yè)的不同部門，比如銷售部門、庫(kù)存管理部門等。之后，MaaS會(huì)使用NLP技術(shù)自動(dòng)化處理和分析這些數(shù)據(jù)，例如，識(shí)別和分類訂單的狀態(tài)、計(jì)算庫(kù)存周轉(zhuǎn)率等。

在數(shù)據(jù)處理的過程中，MaaS會(huì)快速發(fā)現(xiàn)業(yè)務(wù)的異常情況和趨勢(shì)變化，如訂單的滯銷和庫(kù)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(jī)器學(xué)習(xí)模型預(yù)測(cè)未來的業(yè)務(wù)走勢(shì)和財(cái)務(wù)狀況，幫助企業(yè)做出更明智的決策。

MaaS會(huì)將分析結(jié)果轉(zhuǎn)化為易于理解和操作的報(bào)告和圖表，并提供定制化的業(yè)務(wù)解決方案。企業(yè)可以根據(jù)自身的業(yè)務(wù)需求和數(shù)據(jù)特點(diǎn)，選擇不同的機(jī)器學(xué)習(xí)模型和數(shù)據(jù)處理算法，以實(shí)現(xiàn)更智能化、個(gè)性化的業(yè)務(wù)流程。

三

MaaS市場(chǎng)競(jìng)爭(zhēng)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(guān)村論壇期間表示，未來MaaS將成為云計(jì)算的主流商業(yè)模式，各類應(yīng)用將基于大模型來開發(fā)，每個(gè)行業(yè)需要打造行業(yè)自己的大模型。

大模型將與實(shí)體經(jīng)濟(jì)深度融合，賦能千行百業(yè)，加速產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展。

4月，阿里也推出了自己的通義千問大模型。時(shí)任阿里巴巴集團(tuán)董事會(huì)主席兼CEO、阿里云智能集團(tuán)CEO張勇當(dāng)時(shí)宣布，阿里巴巴所有產(chǎn)品未來都將接入通義千問大模型，進(jìn)行全面改造。

阿里云CTO周靖人在今年5月的中關(guān)村會(huì)議上也提出，MaaS概念正在被廣泛接受，模型會(huì)作為業(yè)務(wù)和開發(fā)系統(tǒng)開發(fā)的重要生產(chǎn)元素。

這背后，AI一直背負(fù)著商業(yè)化這個(gè)難題。而B端市場(chǎng)近年來越發(fā)成為互聯(lián)網(wǎng)大廠的增量市場(chǎng)。

5月，騰訊發(fā)布的今年一季度財(cái)報(bào)顯示，當(dāng)期其營(yíng)收1500億元，同比增長(zhǎng)11%；凈利潤(rùn)258.4億元，同比增長(zhǎng)10%。

凈利潤(rùn)(Non-IFRS)325.38億元，同比增長(zhǎng)27%。其中，身處B端市場(chǎng)的金融科技與企業(yè)服務(wù)板塊今年一季度營(yíng)收同比增長(zhǎng)14%達(dá)到487億元。據(jù)記者了解，該板塊已連續(xù)八個(gè)季度在騰訊總收入中占比超過30%。

而此前各家云業(yè)務(wù)紛紛下調(diào)價(jià)格，不僅體現(xiàn)了B端業(yè)務(wù)的激烈競(jìng)爭(zhēng)，在某種程度上也提現(xiàn)了大模型的開發(fā)對(duì)B端業(yè)務(wù)成本的影響。

張勇曾表示，未來希望在阿里云上訓(xùn)練一個(gè)模型的成本，能夠降低到現(xiàn)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(tái)獲得AI大模型的能力和服務(wù)。

目前，行業(yè)大模型的前景有賴于行業(yè)大模型的技術(shù)成熟度，大家的競(jìng)爭(zhēng)點(diǎn)主要集中在行業(yè)數(shù)據(jù)源。行業(yè)不同，所形成的語(yǔ)料不同。廠商所在的優(yōu)勢(shì)行業(yè)，能夠形成訓(xùn)練AI所需要的語(yǔ)料庫(kù)，越完備的語(yǔ)料，意味著越有優(yōu)勢(shì)的AI產(chǎn)品。

同時(shí)，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(yīng)，才能帶來越多的客戶；更多的客戶，才能在數(shù)據(jù)反饋中幫助精進(jìn)和迭代，從而產(chǎn)生“飛輪效應(yīng)”。

如長(zhǎng)期在機(jī)器學(xué)習(xí)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(gè)大模型調(diào)用多個(gè)AI模型的方式，迅速將長(zhǎng)期積累的模型生態(tài)轉(zhuǎn)變成更大的行業(yè)影響力。

這個(gè)階段開始，生態(tài)的作用就會(huì)顯現(xiàn)。而這也是為什么構(gòu)建一個(gè)生態(tài)，決定了MaaS的高度。但無論處在哪個(gè)階段，最核心的是，大模型依然是一個(gè)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(gè)消耗資源巨大、使用成本也不低的“奢侈品”。

所以只有構(gòu)建一個(gè)生態(tài)，才能真正通過規(guī)模效應(yīng)降低成本、幫助迭代精進(jìn)，最后實(shí)現(xiàn)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(huì)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(yuǎn)。

編者按：本文轉(zhuǎn)載自微信公眾號(hào)：科技云報(bào)到(ID：ITCloud-BD)，作者：科技云報(bào)道