MaaS持续升温，火山引擎剑指大模型市场第二增长曲线

继百度云、阿里云、腾讯云相继提出MaaS（模型即服务）后，火山引擎也将目光投向这一市场。6月28日，火山引擎在京正式对外发布MaaS平台——“火山方舟”，力图搭建人工智能大模型（以下简称“大模型”）广场，对接供需双方，构建开放的大模型生态。

今年已过半，大模型依旧热度不减，大有“千模大战”之势。中国科学技术信息研究所发布的《中国人工智能大模型地图研究报告》显示，截至今年5月底，国内已公开披露的大模型数量就已达到79个。火山引擎总裁谭待预计，未来大模型市场将百花齐放，呈现“少数超级大模型+多个大模型+更多行业/垂直模型”的格局。而在企业应用方面，谭待判断，企业应用大模型未来将可能会呈现“1+N”的模式：“1”是通过自研或深度合作，形成1个主力模型；由于成本和场景复杂多元等原因，在这个主力模型之外，还会有N个模型同时应用。

那么，对于目前大热的大模型市场，火山引擎如何分一杯羹？火山引擎并没有把目光投向“千模大战”，而是转向了MaaS市场。火山引擎智能算法负责人吴迪认为，目前市场处于第一条增长曲线，即基座模型市场不断增长，基座模型被训练地越来越强大、聪明。而未来，将出现第二条增长曲线，即模型应用市场增长曲线。届时，一方面大模型将融入千行百业，另一方面应用市场将反哺模型训练，市场营收和技术升级正向循环。与此同时，随着大模型密集涌现，企业将面临“选择困难”，行业将出现新的痛点：模型企业如何更高效、安全地进行训练、验证、测试？应用企业如何结合业务场景，选择更高效、更好性价比、更适合自身、更安全的模型？

为此，火山引擎正式对外发布MaaS平台——“火山方舟”，瞄准大模型市场第二增长曲线，希望通过搭建大模型选型广场，对接模型供应方和模型使用方，解决行业新痛点。

目前，在供应方，“火山方舟”已集成了百川智能、出门问问、复旦大学MOSS、IDEA研究院、澜舟科技、MiniMax、智谱AI（以拼音首字母排序）等多家人工智能科技公司及科研院所的大模型，并已启动邀测。在需求方，“火山方舟”可以为企业用户提供模型精调、评测、推理等全方位服务。基于“火山方舟”多模型架构，企业用户可同步试用多个大模型，选用更适合自身业务需要的模型组合。

记者了解到，“火山方舟”有两大卖点：第一个卖点是帮助企业用户找到高性价比的合适自身发展的大模型。

在吴迪看来，技术发展日新月异，国内大模型正在快速迭代，不同大模型在特定任务上各有千秋，企业不必急于绑定一家大模型，而是应该结合自身业务场景，综合评估使用效果和成本，在不同场景选用更具性价比的模型。

“训练大模型很昂贵，但是从长期来看，模型的推理开销会超过训练开销。效果和成本的矛盾永远存在，降低推理成本会是大模型应用落地的重要因素。一个经过良好精调的中小规格模型，在特定工作上的表现可能不亚于通用的、巨大的基座模型，而推理成本可以降低到原来的十分之一。”吴迪表示。

“火山方舟”提供了丰富的模型精调和评测支持。企业可以用统一的工作流对接多家大模型，对于复杂需求可设置高级参数、验证集、测试集等功能，再通过自动化和人工评估直观对比模型精调效果，在不同业务场景里还可灵活切换不同的模型，实现最具性价比的模型组合。这些自定义指标和评估数据的积累，将成为企业在大模型时代宝贵的数据资产。

第二个卖点，则是数据安全。在大模型应用市场，数据安全愈发重要。据网络安全公司Cyberhaven的调查，至少有 4%的员工将企业敏感数据输入 ChatGPT，敏感数据占输入内容的比例高达 11%。2023 年初，三星公司在使用 ChatGPT不到20天时，就发现其半导体设备相关机密数据被泄露，并连续发生3起类似事故。

谭待认为，企业使用大模型，最担心的是数据泄露，如果将大模型私有化部署，企业将承担更高的成本，模型生产方也会担心知识资产安全。为此， “火山方舟”已上线了基于安全沙箱的大模型安全互信计算方案，利用计算隔离、存储隔离、网络隔离、流量审计等方式，实现了模型的机密性、完整性和可用性保证，适用于对训练和推理延时要求较低的客户。

当然，火山引擎并不是第一个推出MaaS的企业，也不会是最后一个。

“每一次技术的大变革，都会带来体验创新的新机会。”谭待坦言，“‘火山方舟’还在起步阶段，工具链和下游应用插件需要持续完善。平台还将接入更多大模型，并逐步扩大邀测范围，与企业客户共建开放合作的多模型生态，加速大模型在各行各业的应用落地。”