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(tǒng)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(yè)逐漸落地，但應用過程中仍然在模型服務規(guī)范性、生態(tài)建設等方面面臨挑戰(zhàn)。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(tài)，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(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模型及其相關能力打包成可重復使用的服務，使企業(yè)能夠快速高效地構建、部署、監(jiān)控、調用模型，而無須開發(fā)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(yōu)和部署等在內(nèi)的全棧平臺型服務，以支持低門檻的模型開發(fā)與定制，用戶無須關注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，以支持模型和數(shù)據(jù)集的靈活快速調用，用戶無須生產(chǎn)和部署模型即可調用模型和數(shù)據(jù)集服務;三是提供基于AI模型的應用開發(fā)工具服務，以支持快速打造場景化應用，用戶無須搭建開發(fā)工具即可進行AI應用開發(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模型在訓練、調優(yōu)、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(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(shù)據(jù)集服務、AI應用開發(fā)服務在內(nèi)的全棧服務，一方面有助于解決模型服務規(guī)?；a(chǎn)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(fā)效率，適配企業(yè)規(guī)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(fā)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(fā)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(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體驗。通過云計算有關計算、存儲和網(wǎng)絡的有力支撐，MaaS將更好地關注筑牢模型平臺的生產(chǎn)和部署能力、提升模型服務水平、提高模型應用創(chuàng)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(yōu)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(fā)，創(chuàng)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(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)?；涞貫槟繕?，圍繞模型服務生產(chǎn)及使用的全生命周期，形成了包含模型平臺層、模型層以及應用開發(fā)層在內(nèi)的MaaS框架，涵蓋模型調優(yōu)、模型服務發(fā)布、模型服務調用及管理和基于模型打造AI應用等環(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模式，其落地實踐需具備模型規(guī)?；涞氐耐獠啃枨蠛妥皂敹碌膬?nèi)部組織驅動兩個條件，推進模型開發(fā)向集約化方式轉變，最大化釋放AI資產(chǎn)價值。金融行業(yè)因其完善的技術儲備和豐富的數(shù)據(jù)資源率先成為落地最多的領域;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，由于模型服務便于獲取，基于模型的應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體系構建，未來將從模型服務水平提升、模型能力擴充、應用能力創(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服務水平將逐步規(guī)范化提升。一方面模型服務水平和輸出能力將逐步規(guī)范化，未來模型將服務成百上千個業(yè)務，模型服務的質量直接關系到業(yè)務能否穩(wěn)定運行，因此服務內(nèi)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(jié)約成本。另一方面企業(yè)內(nèi)部模型服務的接口將逐步統(tǒng)一，標準化的接口便于不同業(yè)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(lián)互通，推動模型的共享和復用。
MaaS模型能力將得到持續(xù)擴充。一是大模型技術能力將持續(xù)提升;二是行業(yè)大模型、領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;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)能力相結合，使模型服務更加精準地滿足應用需求，為應用開發(fā)提供更強大、更靈活的AI能力。
MaaS將催生基于大模型的應用創(chuàng)新生態(tài)。首先基于大模型的應用開發(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域的大模型原生應用，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，推動應用開發(fā)生態(tài)持續(xù)擴大。其次基于大模型的應用將向個性化、擬人化方向發(fā)展，基于開發(fā)新范式，各類應用將更加貼合用戶的個性化需求，同時應用的形態(tài)將逐步轉向視頻、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、服務可靠性及應用安全等維度，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過程中的數(shù)據(jù)安全與隱私權益，筑牢模型服務風險管理防線，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。
分享到微信 ×
打開微信，點擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。
王愛民：關于供應鏈計劃的一點想法
