“数智创新与管理”
ZJUSOM
AI时代，大模型已成为千行百业的通用能力底座，然而，模型性能≠商业成功。企业如何低成本、高效率地调用这些动辄千亿参数的大模型，成为摆在眼前的难题。当“百模大战”逐渐白热化，真正决定AI商业化成败的，是大模型在多元场景的落地能力与可持续的价值闭环。
2025年8月，国务院印发的《关于深入实施“人工智能+”行动的意见》明确提出，要将大模型能力加速融入行业场景，强化“AI+”生态协同。这为模型即服务（Model as a Service, MaaS）的发展提供了政策驱动力与制度保障。
图片来源：©千库网
MaaS究竟是什么？它的技术与商业逻辑如何运转？中外企业实践有何差异？中国MaaS走出了怎样的独特路径？
浙江大学管理学院吴晓波教授团队近日在《清华管理评论》发表的文章《技术和商业模式创新共演的前沿：模型即服务》，基于对中美六家代表性企业的实践剖析，揭示了MaaS的演化规律与战略价值，为智能经济时代的企业竞争与产业升级提供了学术视角与战略参考。
学者简介
吴晓波，浙江省特级专家、浙江大学求是特聘教授、浙江大学管理学院教授、博士生导师。
*浙江大学管理学院博士研究生林福鑫；浙江大学计算机科学与技术学院博士研究生方文凯同为论文作者。
本期【数智创新与管理】，带你读懂MaaS的技术逻辑、商业玩法，以及中国企业如何在这场范式转变中抢占先机。
什么是MaaS？
拆解“模型即服务”的两层逻辑
Part.1
MaaS，即Model as a Service（模型即服务），是将大模型能力封装为可调用的 API（应用程序编程接口）/SDK（软件开发工具包）接口，让用户按需接入、调用、调优与部署，实现AI能力“即插即用”的新型服务模式。想象一下，有一家中小电商公司想用利用AI做智能客服。如果从零训练一个大模型，需要几百万美元算力、几十人的算法团队、数月的调优时间——这显然不现实。MaaS的出现改变了这一切：公司只需调用一个API接口，按使用量付费，就能获得对话、推荐、分析等AI能力。
可见，MaaS不只是技术形态的改变，更是AI从“模型产品”向“服务生态”的跃迁，是技术创新与商业模式创新双向驱动的产物。
图片来源：©千库网
Maas的技术逻辑：
把模型“拆成乐高”，降低AI使用门槛
MaaS的技术核心，是将大模型能力进行“云化抽象”与“服务化封装”。通俗地说，就是把一个庞大、复杂的模型，拆解成一个个标准化的功能模块（比如文本生成、图像识别、语音合成），再通过API或SDK的方式对外提供。用户不需要关心模型是怎么训练的、算力是怎么调度的，只需要像调用普通软件函数一样，输入数据、等待结果。这样的方式，能显著降低企业使用大模型的成本与门槛。
Maas技术架构可拆解为五大核心模块：
云计算基础
提供可扩展算力，支撑高并发请求与大规模部署。
模型训练与优化
提供基础的大模型选用或微调与迭代的全流程能力，支撑模型性能持续提升与场景适配。
API与开发工具
提供标准化调用入口，方便开发者接入。
监控与分析
实时追踪服务性能、调用频次与效果。
安全与隐私保护
保障数据合规、模型安全与用户隐私，防止数据泄露。
与传统模式相比，MaaS服务门槛更高，高度依赖场景协同与用户参与，需要强大的底层算力、模型架构与弹性服务能力做支撑。
Maas商业逻辑：
从“卖产品”到“建生态”，重构价值创造闭环
如果说技术逻辑解决的是“怎么造”，商业逻辑解决的就是“怎么卖”和“怎么赚”的问题。从商业模式看，MaaS由模型供应链、客户交互层、增值服务体系三大模块构成，突破“一次性产品交付”，形成“模型—服务—反馈—优化”的持续价值闭环——谁能让更多用户、更多场景接入，谁就能积累更多数据，进而让模型变得更好用，吸引更多用户，形成正循环。
MaaS的商业模式包括三大模块：
模型供应链
包括模型的微调、托管、部署，以及底层的云算力，相当于“智能的原材料供应系统”。
客户交互层
即用户直接打交道的接口（API/SDK/命令行），以及监控、分析等配套工具。这一层实现了用户行为与模型能力的双向互动——用户用得越多，模型就学得越多。
增值服务体系
围绕模型定制的各种高级服务，比如企业专属知识库接入、提高模型准确性、安全审计、私有化部署等，可以支撑复杂场景定制化——这些服务是提高客户黏性的关键。
简单来说，MaaS的商业本质，是把AI模型变成可复用、可定制、可治理的服务模块，通过网络化交互与生态化协同，让智能能力精准嵌入千行百业。
图片来源：©千库网
中美MaaS模式有何不同？
Part.2
研究选取了包括美国的微软和Hugging Face，中国的阿里巴巴、深度求索（DeepSeek）、MiniMax和硅基流动在内的六家代表性企业的Maas实践进行分析，通过对比，发现了一条清晰的分化轨迹。
美国模式：平台主导&生态驱动
微软
平台主导型
凭借Azure云和与OpenAI的深度绑定，微软走的是“内部研发+战略投资”双轮驱动路线。它将GPT系列模型模块化封装，搭配安全、权限、合规等企业级能力，深度嵌入Office、365、Copilot等产品，强调整合算力、模型、应用的全栈解决方案。这种模式的优势是资源集中、交付稳定，但生态相对封闭，适合大型企业规模化落地。
图片来源：©千库网
Hugging Face
生态驱动型
作为全球最大开源模型社区，Hugging Face更像一个“模型界的GitHub”（代码托管平台）。它自身并不训练大模型，而是而是汇聚全球开发者的开源模型，提供统一工具链和托管服务，任何人都可以上传、下载、微调模型。这种模式降低了大模型的使用门槛，构建了开放、去中心化的AI生态，其活力在于社区共创，但商业化路径相对缓慢。
中国实践：服务化网络+“用企互动”
中国MaaS并没有简单复制西方路径，而是立足本土行业需求，与企业应用双向适配，形成以“垂直场景为牵引、用企深度协同”为核心的独特模式。其核心特征是“用企互动”：用户使用中产生的反馈数据持续反哺模型优化，优化后的服务再赋能用户，形成双向进化。
以四家中国企业为例：
阿里巴巴
平台主导型
基于阿里云的服务能力基础，同步推进开源模型（百炼、魔搭社区（Model Scope））平台与旗舰大模型（通义实验室）的模型资源建设，再与千问、钉钉、夸克、淘宝等应用形成“模型研发—服务集成—场景落地”全栈闭环，兼顾通用能力供给与行业场景适配，构建平台内嵌式服务生态。
深度求索
技术先导型
专注自研高性能模型，通过开源分发扩大技术影响力，搭配标准化API与文档赋能开发者。它不依赖大型平台，而是靠技术实力和开发者社区扩散影响力，走自主可控的轻量化路线。
MiniMax、硅基流动
场景协同型
MiniMax采用“模型+应用”双轨并行，自主研发多模态大模型，同时推出Glow、海螺视频等原生应用，用真实用户数据反哺模型迭代，再开放API给企业。这是一种“以场景应用反向驱动模型迭代”的路径。
硅基流动则专注于MaaS底层基础设施的系统优化与服务标准化。为企业提供高性能、低成本的模型接入底座，做MaaS生态的“基础设施服务商”。
图片来源：©千库网
基于上述分析，研究总结出了中国MaaS发展的四类典型路径（如下表）。
四类大模型服务路径及代表企业特征比较
图片来源：论文原文
这些路径的差异本质上源于企业对“标准化与定制化”“平台嵌入与生态开放”的不同战略选择。在此基础上，越来越多的MaaS企业从“单向能力供给”转向“与使用方进行深度共创”，通过混合策略将模型训练、场景验证与服务反馈整合为统一系统，实现“模型—数据—服务”的持续协同与复用。这为MaaS的全球演进提供了中国方案与路径参考。
双轮驱动：技术创新与
商业模式如何“共演”？
Part.3
研究认为，中国MaaS的发展并非简单的技术落地或商业包装，而是在“技术创新—商业模式创新”双螺旋结构中持续演化的动态过程，这一呈现出三大特征：
技术能力外化驱动服务边界扩展
以DeepSeek 为代表，通过开源与标准化接口，让模型能力快速触达海量开发者，不依赖大型平台也能实现服务扩张。
平台能力结构化重塑应用协同机制
以阿里巴巴为代表，打通模型研发、服务集成、终端应用全链条，通用能力接口化释放，用户反馈反向推动模型迭代，形成“服务即平台、平台即能力”的共生体系。
场景反馈机制引导技术演化方向
以MiniMax、硅基流动为代表，从行业场景需求出发，用真实交互数据指导模型微调与部署调整，借以实现“以用促研、以研强服”的正向循环。
图片来源：©千库网
研究进一步地将中国MaaS的演化逻辑归纳为机会窗口下的“技术创新与商业模式创新双轮驱动”模型”。
机会窗口下的技术创新与商业模式创新双轮驱动模型
图片来源：论文原文
具体而言，在“技术创新”驱动轮中，大模型本身被当作一种“增强型产品”来不断打磨，以AI Agent（智能体）为代表的智能应用越来越成熟。同时，AI能力也在不断地走向“商品化”。于是，企业的盈利方式开始从“卖模型”转向“卖服务”——按需定制、增值服务与模型能力深度融合。这条路径不仅改变了智能能力的供给方式，也为商业化提供可模块化、可服务化的能力底座。
而在“商业模式创新”驱动轮中，模型围绕“一切即服务”（XaaS）的理念展开，任何IT能力都变成了可按需订阅的服务。企业通过云平台和数据要素的深度整合，探索出多样化的收入模式（比如按调用次数收费、按月订阅、按效果付费等）。同时，越来越多的企业开始构建“开放型生态”，让供给方和需求方在“用企共创”和分布式协作中实现动态匹配。最终，形成一套嵌入式、模块化的智能服务体系，可以灵活地植入不同行业的各种场景中。
图片来源：©千库网
两大驱动轮并非独立运行，而是相互咬合、彼此强化的正反馈循环：技术创新为商业模式提供了“可模块化、可服务化”的能力底座，让企业可以快速试错新的商业模式、尝试新的价值主张。而商业模式的迭代，又反过来对技术提出更高要求——要更实时、更贴合场景、更个性化。
更重要的是，商业模式运行中产生的市场反馈数据，会回流到技术端，成为模型再训练和优化的燃料。正是在这种“技术推动商业、商业牵引技术”的互动中，加上我国社会主义市场经济提供的制度保障和资源配置优势，才能让企业在智能化浪潮打开的机会窗口中，获得跨越式发展的系统动力。
MaaS将成为AI时代
新型基础设施
Part.3
MaaS究竟意味着什么？它只是大模型落地的一个“中间商”吗？研究认为，MaaS的意义，远不止“让企业用上大模型”，它正在重构AI产业的底层逻辑，具备以下三重核心战略价值：
连接通用智能与产业落地的关键枢纽
MaaS针对“模型好用但难落地”的痛点，把抽象大模型转化为可编排、可嵌入的服务模块，让AI能力快速渗透制造、金融、医疗等实体行业，助力“人工智能+”行动落地。
推动AI商业体系从线性供给到网络协同
MaaS颠覆了传统“模型研发— 产品销售”的线性链条，能构建平台、开发者、企业、用户多方参与的价值网络，实现供需动态耦合、价值共创共享。
演化为人工智能时代的新型基础设施
面向未来，MaaS不会只是AI落地的中介，而会像云计算、互联网一样，成为智能经济的底层支撑。谁能率先建立可扩展、可演化、可治理的MaaS服务体系，谁就能在全球智能经济格局中抢占先发优势。
图片来源：©千库网
对中国企业而言，MaaS的窗口期已经打开。但正如论文作者所言，中国AI行业目前仍处于快速演化的早期阶段，技术路线、商业模式、治理规则都远未定型。
留给管理者和创业者的启示或许是：在范式转变期，单一的“技术最优”或“模式最新”都不足以构成护城河。真正的竞争力，来自于能否让技术与商业在互动中持续共演——让模型能力走出实验室，嵌入千行百业的真实场景，并在每一次调用、每一次反馈中变得更聪明、更可用。这既是挑战，也是中国智能经济实现跨越式发展的历史性机遇。
（点击以下标题查看）
信息来源 | 吴晓波,林福鑫,方文凯.技术和商业模式创新共演的前沿：模型即服务[J].清华管理评论,2025,(12):6-13.
编辑 | 伍梁永
初审 | 佟庆
二审 | 吴晓波、林福鑫
三审 | 陈超
终审 | 王恩禹
热门跟贴