MaaS大战百云大战,云厂商如何通过MaaS变现?
图片来源@视觉中国
文|数智界,作者|武占国,编辑|玥阳
去年,大模型之风,在国外早已刮了一波又一波。
无论是在周庄举办互联网会议,还是各大互联网峰会,大模型一次又一次被大鳄们捧上C位,现在百模大战的烽烟尚未停止,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。
起码目前,大部份都属于烧钱研制阶段,实现赢利、变现的屈指可数。并且,这场针对大模型训练的云厂商之战,早已拉开序幕,各大云厂商纷纷发布了各自对大模型的服务方案。
截止目前,国外外云厂商,包括阿里云、华为云、腾讯云、百度云、京东云、微软云Azure等云估算大厂,都早已推出了MaaS服务。
推出MaaS服务对云厂商有哪些影响?云厂商怎样通过MaaS进行变现?MaaS能不能成为云厂商新的业务增速极?本文将回答那些问题。
云厂商奋战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的定义并未产生统一的说法。
以前制订过IaaS、PaaS和SaaS技术标准的法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。
依据云厂商的描述,MaaS模式的核心价值可归纳为:减少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,来建立、训练和布署专属模型。
主流云厂商加码MaaS服务,存在着主动和被动两方面的诱因。
第一,主流云厂商的传统业务下降趋缓。
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层提供服务的明显特征是,重资产、重投入,靠规模喝水,但同质化严重,所以收益率较低。
再加上营运商的加入,竞争愈加激烈,价钱战频频上演。
另一方面,阿里云、腾讯云等云厂商调整了往年要规模的路线,通过主动舍弃一些低收益项目,来保收益率。如互联网云厂商所愿,这三年云厂商的收益率有所改善,但下降落入10%以下的区间。例如排第一的阿里云,2023年增长早已趋近于零,相比前三年高达20%-100%的增长,早已急剧增长。
在收益率更高的PaaS和SaaS层,因为基础开发软件和SaaS业务端需求不足,国外这两层的业务量规模较低,占整个公有云市场的比列也远高于美国。
第二,大模型训练和营运,存在算力和服务缺口。
随着的爆火,各个大厂、企业纷纷下场做大模型,截止10月份,我国拥有10亿参数规模以上大模型的厂商及院校院所共计254家,国外早已发布了238个大模型,相较于6月份的79个,在四个月内下降了三倍。
如此多大模型的训练和营运都须要巨大的算力支持。例如训练大模型,前期GPT-3的训练一次须要订购49台服务器,成本140万欧元,日常运行成本则更高,以初期的每日2500万访问量估算,须要订购3798台服务器,成本7.59亿港元。
华为预测,2030年通用估算总量比2020年下降10倍,至3.;AI估算总额将下降500倍至。
基于这样的预期,云厂商纷纷推出了各自MaaS业务。
去年3月,李彦宏在文心一言发布会上提出,大模型时代MaaS将代替IaaS,成为主流。4月,阿里发布通义千问大模型,同时,阿里云大会上,张勇表示,阿里云已产生模型即服务(MaaS)、平台即服务(PaaS)、基础设施即服务(IaaS)三层构架。从这样的叙述也可以看出阿里云对于MaaS的注重。
去年7月初,华为云公布了盘古大模型3.0和昇腾AI云估算服务,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2000PFlops等算力服务。
9月初,腾讯发布自研混元大模型,同时国外企业可以通过腾讯的公众云平台接入混元,并依照具体须要进行微调。
云厂商怎样通过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,那些都存在不同见解。
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最核心的变现形式。
API调用服务就是,云估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插口或则其他方法,来调用模型的能力。
这个过程中,云厂商可以按照药量或则时间来收费。
例如,推出GPTs及相应自然语言开发工具。共制订了四种收费模式,分别是Plus订阅收费、API(除GPT模型插口外,还包括模型微调插口和嵌入插口)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,英文大致等同于一个词)数目计费,每10万个token缴纳4美分。日本应用市场排行靠前的应用,服务营销文案的和聊天机器人ChatwithAskAI都是基于旗下模型开发的应用,其最核心的成本也是给的API调用费。
第二,给训练、运行大模型提供AI算力服务。
算力服务仍然是云估算最中级的服务,也就是IaaS层的服务。IaaS,最初就是为企业提供集中服务器、数据储存等底层的技术服务,后来在此基础上发展出了PaaS和SaaS。
跑大模型须要的是AI算力,而非往年的通用算力,AI算力的需求,对云厂商IaaS层的服务器、网络、存储等都形成了构建。例如,在提供算力的服务器,须要采购大量的搭载英伟达的GPU服务器,重新搭建构建在其基础之上的系统和网路服务。
大模型未来也有可能重塑PaaS层和SaaS层。
在此基础之上,云厂商也可以探求新的付费模式,例如基于开源模型,产生开发者社区,实现AIPaaS服务,给开发者提供除算力和模型之外的服务,例如提供开发者训练大模型须要的数据库、中间件等服务。
据悉,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AIagentSaaS(智能体即服务)赚钱软件,都将经历在应用层探求。
通过MaaS挣钱,存在什么困难
首先我们须要明晰,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,例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,不过每位行业来一遍,投入高,周期也比较长,降低了赢利的难度。
当大模型投资热回归理智以后,理想的循环是,企业顾客可以将行业大模型以及其提供的工具,应用于自身营运、生产、财务管理等多个业务中,应用以后效率提高,才能乐意持续付费,这样一来模型厂商挣钱,云厂商也挣钱。
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,部份缘由在于赢利能力弱,所以评估利润与成本以后,为SaaS付费意愿不高。
所以,云厂商通过MaaS服务可能会碰到与SaaS相像的问题,即从供给端到需求端,都未产生如美国那样成熟的管理模式和市场环境,也没有产生标准化产品,难以进行低成本复制。(详见《中国SaaS之殇:差别是怎样被一步步拉大的》)
其实,MaaS与SaaS也有不同,由于有大模型的辅助,MaaS在用户多样化的需求上,就能有更好的适配,因而在标准化和多样化之间的两难,会得到一定解决。
赚不挣钱,另一个重要的诱因在于成本。
提供MaaS服务对AI算力有极高的要求,云厂商须要采购大量的GPU芯片,拿来搭建新的服务,来满足日渐下降的AI算力需求。去年谷歌和Meta各买了英伟达15万片,百度、阿里和字节分别买了3万、2.5万家乐2万片。这种芯片赚钱软件,都将布署在新的适配于大模型训练和运行的服务器上。
不仅外部采购,国外云厂商也在加紧步伐布局自研AI芯片,或拓展其他订购渠道。
去年10月23日,日本开始施行新的芯片出口管制,英伟达高性能AI芯片——A800、H800、L40S等,被严禁出口。这引起国外云厂商,难以买到美国高性能芯片,这种成为阻碍国外云厂商提供AI算力的阻碍诱因。
一份研报显示,一台搭载英伟达A100芯片的服务器成本在20万港元,单个服务器搭载7片A100芯片,单片芯片价钱在1.5万港元左右。
云厂商斥巨资买来的估算资源,须要足够大的使用量级和用户规模,就能形成效益。而随着大模型热退去,是否会出现资源的闲置,谁都说不好。