近日，中国信息通信研究院（简称“中国信通院”）联合中国人工智能产业发展联盟发布《MaaS框架与应用研究报告（2024年）》。

报告系统梳理了MaaS的发展历程、现状和面临的挑战，基于产业实践明确了MaaS的概念和能力范围，提出了MaaS的整体框架和能力建设要求，并对MaaS落地实践和应用成效进行了分析，最后对MaaS发展趋势进行展望。

报告核心观点

1. MaaS定义重塑，与大模型展现出协同发展的态势。MaaS是指将AI模型及其相关能力打包成可重复使用的服务，使企业能够快速高效地构建、部署、监控、调用模型，无须开发和维护底层基础能力。大模型促使MaaS快速发展的同时，MaaS也成为大模型落地应用的主要形态，其模型服务的方式进一步缓解了大模型在落地过程中遇到的算力、技术双门槛阻碍，提升模型规模化落地效率。

大模型落地问题及MaaS解决方式

2. MaaS作为人工智能架构中枢，对云计算架构进行补充。MaaS与云计算架构相比，对其原有的平台层和应用层进行了增强与补充。一方面MaaS在PaaS基础上增强了平台层能力，使得用户可以直接构建、使用或调优模型，同时MaaS补充了模型层能力，对模型及服务进行集约化管理，为用户提供可直接调取的AI能力；另一方面MaaS对SaaS应用层进行了扩充，支持用户基于多种模型服务及组件进行编排或开发，创造更加个性化更加便捷的AI应用。

MaaS定位与比较示意图

3. MaaS发展踏上新征程，但落地仍面临多重挑战。当前各行业已涌现MaaS产品和落地实践，为用户提供模型调优、模型服务发布及模型服务调用等能力。根据不同用户群体的需求，MaaS包括公有云和私有云两种落地方式，分别在模型的丰富度、场景的适配性以及数据安全等方面各具优势。虽然MaaS发展势头良好，但在规模化发展方面仍存在模型服务质量缺乏规范、模型服务易用性不足、以及生态建设不完善等挑战。

MaaS发展面临的挑战

4. 聚焦模型效能最大化，MaaS形成三层落地框架。以模型高效规模化落地为目标，围绕模型服务生产及使用的全生命周期，形成了包含模型平台层、模型层以及应用开发层在内的MaaS框架，涵盖模型调优、模型服务发布、模型服务调用及管理和基于模型打造AI应用等环节，帮助用户更快更好地使用模型。同时提出模型服务协议框架，规范服务的质量要求，保障模型服务稳定高效运行。

MaaS框架图

5. 内外需求驱动MaaS落地，部分行业场景初见成效。MaaS作为新型智能化服务模式，其落地实践需具备模型规模化落地的外部需求和自顶而下的内部组织驱动两个条件，推进模型开发向集约化方式转变，最大化释放AI资产价值。金融行业因其完善的技术储备和丰富的数据资源率先成为落地最多的领域；经营管理场景具备见效快、风险低的特点，在企业内部实践最为成熟；除此之外，由于模型服务便于获取，基于模型的应用赛道朝着更加个性化和专业化方向发展。

MaaS在各行业应用占比

6. MaaS呈现四大发展趋势，将持续推动“人工智能+”行动进展。MaaS在未来将向更加普惠、安全的方向发展，具体体现在四方面。一是大小模型协同将成为模型服务场景化落地的重要方式，二是MaaS服务的能力和内部接口将走向统一化，三是MaaS将催生基于大模型的应用新生态，四是MaaS将围绕模型服务持续强化安全保障。

报告目录

一、MaaS概述

（一） MaaS起源与概念

（二） 大模型促使MaaS快速发展

（三） MaaS助推大模型规模化落地

二、MaaS发展现状及挑战

（一） MaaS产业发展现状

（二） MaaS发展面临的挑战

三、MaaS框架与能力要求

（一） MaaS框架说明

（二） 模型平台层

（三） 模型层

（四） 应用开发层

（五） 模型服务协议框架

四、MaaS应用分析

（一） MaaS落地条件及优势场景解析

（二） MaaS行业实践案例及成效剖析

五、MaaS总结与展望

报告内容节选：