圖片來源 @視覺中國
文 | 産業家
大模型熱度持續發酵。MaaS 的到來，不僅改變了雲廠商的競争格局，SaaS 行業也将迎來「奇點」時刻。未來十年，基于 MaaS 底座，國内 SaaS 甚至可能會出現 Salesforce 一樣的巨頭。
大模型熱度正在持續發酵。
對此，國内雖有不少人熱衷追捧，但也不乏潑冷水者。實際上，大模型的厲害之處，的确不在于它的技術革新，而是數據、參數量積累到一定程度後的 " 湧現 "（emergence）。這也很好地解釋了國内許多知名專家看似相斥的觀點。
其中，最熱衷的聲音有 YC 全球研究院院長陸奇博士和清華大學智能産業研究院院長張亞勤院士。
" 任何改變社會、改變産業的，永遠是結構性改變。這個結構性改變往往是一類大型成本，從邊際成本變成固定成本。" 陸奇在前段時間的演講中，直戳 "AI 大模型 " 熱潮的本質。OpenAI 所做的事情與 Google 一樣。1998 年，Google 的誕世讓獲取信息的邊際成本變成固定成本。今天，OpenAI 也是讓模型的成本從邊際走向固定。
清華大學智能産業研究院院長張亞勤院士也直言，未來十年，大模型或将成爲下一個 AI 時代的 " 操作系統 "。從 PC 時代的 Windows，到移動互聯時代的 iOS/Android，每次産業平台的更叠都會産生新的模型和應用。" 移動互聯時代的産業機會比 PC 時代至少大 10 倍，人工智能時代比 PC 時代至少大 100 倍，比移動互聯時代大 10 倍或更高。"
的确如此，AI 大模型熱度不退，歸根結底在于它對産業、對社會帶來了颠覆性變革。這個變革不是一時的，而是引領所有企業進入下一場 AI-powered 自主化時代。
但這些都是由于 GPT 的出現，讓人們看到未來十年甚至二十年可能出現的機會。畢竟，從本質上看，它的驚人之處并非在技術創新，而是達到一定量後的湧現。從目前來看，因 GPT-4 掀起的大模型創業熱潮，有點虛火過旺的意思。也确實如計算機科學家、自然語言模型專家吳軍所言，大模型的創業機會并不多，因爲太耗資源了。
在移動互聯時代，雲計算的誕生，讓軟件從 OP 模式（On-Premise）變成可租用、可移動的雲端 SaaS 模式，改變了軟件交付方式和客戶使用習慣。
那麽，在如今的大模型時代，是否也會出現新的系統或模型來颠覆 SaaS？大模型對 SaaS 的交付模式和開發模式等，又會造成怎樣的影響？未來十年甚至二十年，大模型是否真如張亞勤院士所預言那樣，成爲企業數字化轉型的的 " 操作系統 "？
大模型時代，SaaS 行業的奇點時刻正在來臨。
MaaS 将徹底颠覆 SaaS？
過去兩個月， 大廠紮堆發布大模型産品，上月甚至被戲稱爲 " 大模型發布月 "，其一整月的更新速度可被載入史冊。這其中，最具颠覆性的 "New Things" 非 MaaS 莫屬。百度創始人李彥宏在 " 文心一言 " 發布會上提出 MaaS（Model as a Service）模型及服務，并表示大模型時代下，将會産生新型雲計算公司，其主流商業模式也将從 IaaS 變爲 MaaS。
MaaS 是否真有如此大的價值？這個詞雖然是首次在國内被媒體公開讨論，但早在 2012 年，上海大學計算機工程與科學學院鄒國兵教授就提出了 "MaaS" 這一概念。他在論文中詳細解析了什麽是模型即服務。
MaaS 由三部分組成，包括基礎層、中間核心層和底層擴展層。下圖是鄒國兵 2012 年提出的 MaaS 理論模型。
MaaS 理論模型（Zou, 2012）
基礎層涵蓋了用戶的身份信息，如用戶姓名和職業等基本信息；中間核心層描述了重要的用戶特征，如用戶興趣、偏好、目标等；底層擴展層包含帶有用戶特征的個性化知識，包括通過語義關系分析和推理得到的用戶興趣、偏好和個性化的模型網絡。
最後，通過基礎層到中間核心層，再到最底層的擴展層，構成一個 MaaS 平台。這個平台可作爲獨立的服務平台，插入到雲計算中，具體位置在 PaaS 層和 SaaS 層之間。
從 2012 年 MaaS 理論的提出，到如今 MaaS 終于落地，這十一年的時間，算法和算力都發生了翻天覆地的變化。在今年 3 月文心一言發布會上，李彥宏甚至大膽預測，雲計算公司的主流商業模式将會改變，MaaS 會徹底颠覆 SaaS，成爲主流商業模式。
至于爲什麽 MaaS 能夠 " 颠覆 "SaaS，早在鄒國兵教授的論文中就給出了答案。他認爲，"MaaS 是一個‘無處不在’的模型 "，從 MaaS 的基本構成得以看出，它可以通過客戶和雲廠商在 IaaS 層收集的個人信息，得到個性化的模型網絡。
MaaS 的個性化正好能夠彌補當前 SaaS 的缺陷。現階段的情況是，針對任何兩個不同的終端用戶，他們得到的 SaaS 服務并無差異。但 SaaS 本身就是用來解決客戶的邊緣化需求，而目前國内 SaaS 采用的是标準化居多，即使是個性化，也隻能在中大型企業内進行交付，換言之，SaaS 并不能很好地解決個性化的問題。但如果有能夠針對不同用戶提供不同信息的 MaaS 平台存在，那麽用戶就能得到更個性化的服務。
之前，SaaS 客戶如果有個性化需求，需要自己用低代碼平台構建個性化的功能和服務。而且，還要基于所使用的 SaaS 公司自身有 PaaS 的前提下，但未來若 MaaS 能在其中發揮作用，或許客戶使用 SaaS 軟件時，可以直接根據自己在 MaaS 平台，也就是數據層的積累，進行個性化的配置。
而 MaaS 會如何實現對 SaaS 的颠覆？具體要先從 MaaS 對 IaaS 和 PaaS 的影響談起。
首先，IaaS 層的作用是，爲上層的 PaaS 和 SaaS 提供算力服務和大規模數據存儲中心。MaaS 雖然停留在 PaaS 和 SaaS 層之間，但它對 IaaS 的商業模式，甚至雲廠商的競争格局都會産生影響。
目前在國内，雲廠商高度同質化，價格戰激烈。IaaS 作爲基礎服務器，在國内很少單獨向外提供服務，其商業模式大多依靠 IaaS+PaaS 和 IaaS+SaaS 的方式交付。相比于毛利率 50% 以上的 SaaS，國内的 IaaS 僅有 10～15%。大模型的出現，爲雲廠商打開了一種新的競争格局。
未來，一種新的商業模式會是 "IaaS+MaaS"。MaaS 開發人員設計的所有 MaaS 配置文件模闆都存儲在 IaaS 層中，也就是說用 IaaS 層的數據庫喂給 MaaS。這意味着 MaaS 的質量也取決于 IaaS 層數據庫的質量，其中包括關系型數據庫、NewSQL、數據倉庫和數據湖等對數據的處理。
目前，不僅百度、騰訊和阿裏等互聯網大廠都已經布局 MaaS，尋求新的增量市場；一些創業公司也在不斷優化數據層，推出新的産品，爲大模型時代的到來做準備。
在鄒國兵提出 MaaS 理論模型的那一年，國内離大模型還很遙遠。但如今，大廠已紛紛入場做出大模型，MaaS 層落地的這一挑戰已經攻克，剩下就是未來 MaaS 會如何傳遞給 SaaS 層，落地情況會怎樣，是否會徹底颠覆 SaaS，或者颠覆到何種程度？這些都還未知。
MaaS 除了對 IaaS 商業模式有改變，對 PaaS 的影響則更深。
國内頭部 SaaS 公司都開發了自己的 PaaS 平台。但客觀來看，一家 SaaS 廠商做 PaaS 是一件極難的事情。當年，10 歲的北森從 2012 年開始探索 PaaS，到 2019 年終于完成 PaaS 平台的搭建，2020 年才正式面向客戶開放，對客戶的個性化産品進行業務開發。
PaaS 的平均開發周期都很長。如今 MaaS 的落地，不僅對 PaaS+SaaS 的商業模式有所改變，也會改變 PaaS 的開發模式。一方面，發展了幾年的 SaaS 公司都不會滿足于中小客戶，但做大客戶開發如果沒有 PaaS 平台，無異于盲人摸象。
因爲大客戶需要個性化定制，目前來看，隻有長在 PaaS 平台上的 SaaS 才能滿足大客戶的個性化需求。根據鄒國兵提出的 MaaS 理論模型，SaaS+MaaS 能爲每個終端用戶，輸出針對自己業務的個性化服務。
另一方面，MaaS 作爲第四個雲計算架構，目前它的想象力還僅停留在 PaaS 和 SaaS 中間那一層。換句話說，PaaS 的上層架構由 SaaS 變成了 MaaS。那麽 PaaS 的開發模式會受影響，開發周期也會縮短。
現階段，各大廠對 MaaS 仍停留在概念層，在實踐上還未真正落地，産生效果。但從理論出發，MaaS 對于 IaaS 和 PaaS 在商業模式和開發模式上的改變，将影響到上層 SaaS 公司的方方面面，如 SaaS 的交付方式和開發模式等。
在開發模式上，一部分公司會選擇在 PaaS 平台上，用圖形界面的方式開發 SaaS 軟件。但有了 MaaS，客戶可以直接将需求傳遞給系統，它會自動調用功能、展示結果。區别在于，通過 MaaS 平台搭建出的 SaaS 軟件會展現出更個性化的工具，其效果可能要好過 PaaS+SaaS 的模式。最後，SaaS 的訂閱模式也會因此發生改變。
MaaS 爲 SaaS 帶來的颠覆遠不止于此。随着大模型時代的到來，未來，不僅是 To B 的天下，SaaS 的黃金十年也将到來。未來五年，中國 SaaS 将出現更多獨角獸，而未來十年，基于 MaaS 底座，國内 SaaS 甚至可能會出現 Salesforce 一樣的巨頭。
AI-based SaaS 還是 SaaS-based AI？
在理解 AI 對 SaaS 的影響前，要清楚是基于 AI 的 SaaS 還是基于 SaaS 的 AI。兩者的區别在于，價值比例不同。
如果是 AI 與 SaaS 結合，AI 作爲輔助 SaaS 産品的技術工具，最終的服務形式依舊是 SaaS，這就是 AI-based SaaS；後者則不同，SaaS-based AI 意味着，SaaS 屬性會非常弱，隻作爲一種微服務隐身在産品中，價值并不明顯。這種情況在未來并非沒有可能實現。
大模型時代下，從 SaaS 的交互形态到工程師開發效率，從 SaaS 毛利率到開發模式，最後到 SaaS 的交付方式，都會發生改變。
1. 交互形态
未來五年的 SaaS，自然語言交互将無處不在。
" 按産品和年份顯示過去 5 年的收入和淨利潤，生成一個圖表，針對産生重大影響的特殊交易，在表格下方給出總結。" 這是财務人員最希望 ERP 實現的功能。
在未來的 SaaS 産品中會出現諸多自然語言應用程序界面，用戶可以直接用語言将需求描述出來，即可生成儀表盤、報告導出，甚至 AI 分析。比如在 CRM 系統中，AI 可以輔助處理非結構化信息，在聊天信息中整理出客戶數據。讓 CRM 從管控銷售的工具變成輔助銷售的工具。
在自然語言模型的輔助下，工程師不需要書寫自定義代碼，應用程序可以直接将數據開放給用戶，讓用戶來自定義所需功能。通過 API 接口，将大語言模型接入到 SaaS 産品中，從而爲用戶帶來更好體驗，也能減少開發人員的自定義請求。
最終，用戶可以通過簡單的語言，與軟件交互，這将縮短用戶使用 SaaS 的學習曲線，提升産品的易用性。" 未來三年，大部分獨角獸會出現在 SaaS 圈，因爲一名用戶可以完成三份工作。" 這是來自大平洋彼岸的期冀。
2. 開發效率
大模型與 SaaS 集成，不僅會提升産品易用性，還會更大程度地提高工程師與開發人員的生産力。
要知道，工程師在 SaaS 開發上十分費時，SaaS 公司解決的本來就是複雜的長尾需求，開發人員就要爲此寫自定義代碼。但大模型的接入，可以讓開發人員通過自然語言生成輸出代碼，從而解放工程師，讓他們更多地關注産品層面的問題。
最讓人期待的結果是，開發周期縮短、開發成本下降、軟件質量提高，産品也變得更精細化、人性化。
3. 毛利率
然而，在未來 3～5 年内，SaaS 的毛利率卻會因此下降。
按照 OpenAI GPT-4 的收費标準，每 1000 個 token 語句，收費 0.03 美元。換算成自然語言，相當于 750 個英文字符，或 400 個漢字。此外，SaaS 要接入大模型，調用 API 也需要成本。而且随着用戶的增加和 AI 執行任務複雜程度的提升，其使用成本還會進一步增加。
所以在未來一段短期時間内，SaaS 公司的毛利率都會有所下降。公司需要對 AI 使用場景仔細評估，在控制成本和提升産品易用性間進行取舍。但長遠來看，SaaS 産品易用性的提升，産品解決問題速度的加快，以及個性化需求的滿足，良好的用戶體驗會帶來更長足的發展。
4. 開發模式
大模型的出現，爲 SaaS 開發模式帶來了兩種可能性：第一種通過改變 PaaS 的開發模式，第二種是 MaaS+SaaS。
目前，國内頭部 SaaS 公司都開發了自己的 PaaS 平台，用 PaaS+SaaS 的方式服務客戶，針對客戶業務提供個性化的 SaaS 産品。但 PaaS 的開發周期普遍較長，國内許多 SaaS 公司仍然不敢嘗試，最後很難吃到大客戶。如今，大模型的出現，爲這部分 SaaS 公司燃起希望。
第一種方式：改變 PaaS 的開發模式
開發人員用自然語言編程的方式開發 PaaS 平台，或利用 GPT 技術讓編程更智能化。雖然低代碼 PaaS 平台可以降低開發成本，提升效率，但這種方式限制仍然很多，不僅很多客戶需求無法滿足，産品本身也有不少問題。
但 MaaS 則不同，如果 MaaS 平台搭建在 PaaS 與 SaaS 中間，PaaS 的開發則會基于 MaaS 平台，而不是直接在雲廠商提供的 IaaS 上開發。而 MaaS 平台的作用本身就是提供個性化功能，因爲 MaaS 的數據來源是企業客戶自己在雲端的數據，這樣一來，既提升了 PaaS 的開發效率，也更滿足 SaaS 客戶的個性化需求。
第二種方式：MaaS+SaaS
這種方式則更進一步，讓 MaaS 直接替代掉 PaaS。雲計算的結構則會調整爲：IaaS--MaaS--SaaS。IaaS 的數據直接喂給 MaaS，而 MaaS 所使用的數據完全基于客戶公司自己的業務，最終輸出的 SaaS 形态會是，每位客戶得到的産品功能和服務，都是根據自己的業務生成，就如同現在 C 端的算法推薦邏輯一樣，每位用戶得到的功能都不一樣，充分滿足所有客戶的需求。
5. 交付方式
如果上述的設想，國内 SaaS 能實現一半，未來的交付方式也将從訂閱模式轉爲按需付費。甚至，可能變爲 SaaS-based AI，也就是 SaaS 作爲一種微服務隐藏在 AI 産品中，SaaS 屬性極低。
産品易用性的提升、個性化需求的滿足，單是這兩點足以颠覆 SaaS 的交付方式。客戶使用自然語言就能夠調用符合業務需要的功能，也不需要學習成本，個性化的程度更高，那麽 SaaS 産品會呈現病毒式增長。
另一方面，SaaS 接入大模型的成本增加，客戶調用的功能越多，SaaS 公司也應該收取更多的費用。屆時，按需付費會更有助于 SaaS 的發展。
這也是爲什麽，未來十年會是 SaaS 的黃金十年，國内會長出更多獨角獸，國外則會生出巨頭公司。
大模型，新一代的 " 操作系統 "
未來十年，大模型将成爲 AI 時代的 " 操作系統 "。
清華大學講席教授、智能産業研究院（AIR）院長張亞勤在《AI 大模型時代》的演講談及到，" 從産業方面講，GPT+ 等各種大模型是人工智能時代的 " 操作系統 "，在重構、重寫上面的應用。"
從 2000 年到今天，20 多年來互聯網已經從 PC 時代過渡到移動互聯時代，眼下的這一波大模型熱潮，更是将所有企業推向下一個時代的發展——人工智能時代。
每個時代都有自己的操作系統，不同操作系統上會長出不同的服務器架構和應用。PC 時代的操作系統是 Windows，芯片架構是 x86，服務器是 C/S，上層是 web 浏覽器和安裝版軟件。
等到了移動互聯時代，操作系統就變爲 iOS 和 Android，也出現了新的芯片架構，即 CPU、GPU，服務器是雲計算，上層也随之出現了長在雲端的 APP 和應用程序等。也就是在移動互聯發展的後期，出現了雲計算，從而有了 IaaS、PaaS、SaaS。
未來，在人工智能時代，底層的操作系統将會是大模型，芯片架構也圍繞着 GPU、CPU、XPU，上層的雲計算架構将從 IaaS--PaaS--SaaS，變爲 IaaS-- 垂直模型 /MaaS/ 基礎模型 --SaaS。
每次産業平台的更叠，都會産生指數級的效應。張亞勤院士表示，" 移動互聯時代的産業機會比 PC 時代至少大 10 倍，人工智能時代比 PC 時代至少大 100 倍，比移動互聯時代大 10 倍或更高。"
大模型時代下重塑的雲計算架構，來源：清華大學智能産業研究院
上圖是大模型時代下重塑的雲計算架構，最底層依舊是雲廠商提供 IaaS 層，包括計算、存儲、網絡、數據庫，再上一層，則是各種行業模型，如自動駕駛模型、生物醫療模型、蛋白質解析模型等等。最後是在垂直模型上的應用 SaaS。
目前，在上述領域已經取得了突破性進展，如百度 Apollo 的自動駕駛模型；國内互聯網醫院「醫聯」和清華大學智能産業研究院也已推出醫療行業的垂直模型 "MedGPT"；在蛋白質解析領域，早在 2020 年，Alphafold 問世，就實現了對 98.5% 的蛋白質解析。
近幾個月，互聯網巨頭、創業公司和研究機構，大家都忙于 " 百模大戰 " 中。各家态度都反差很大，有些互聯網大廠比較謙虛，有些則是放出要 " 數月内趕超 ChatGPT" 的狂言。這其中，能活下來的一定是少數，最後真正能帶來産業變革的隻有三兩家公司。
新的人工智能時代，也許他們就是下一個 "BAT" 巨頭。
更多精彩内容，關注钛媒體微信号（ID：taimeiti），或者下載钛媒體 App
