科普一下模型和 MaaS 的关系

00引言：想用大模型，路有两条

一条自己建厨房，一条拧水龙头。99% 的公司选了第二条。

一家公司想用上大模型，摆在面前的有两条路。

第一条，自己建。买一千张 GPU——按 H100 的行情，光显卡就要几千万美元。再建机房、拉电力、招一支运维团队，把开源模型的权重文件加载上去，改部署代码、压测、上线。这套流程跑完，半年过去了。这半年里模型迭代了三代，你的"自建版本"刚出生就落后。

第二条，拧水龙头。打开一个平台的网页，注册账号，充五十块钱，拿到一串 API key。三行代码，模型跑通。用多少，付多少。

绝大多数公司选了第二条。支撑这条路的生意，叫 MaaS——Model as a Service，模型即服务。

这套路子其实是云计算的老传统。二十年前，企业不自购服务器，租 AWS 的；十年前，团队不自建数据库，用云上的托管服务；现在，轮到模型了。

MaaS 和模型是什么关系？造模型的有哪些公司？开平台卖服务的又是哪些公司？三个问题，三章讲完。

01模型和 MaaS，到底什么关系？

一个是货，一个是店。货本身不能用，店把货变成服务。

先看模型本身是什么。

大模型的"本体"，说穿了是一个文件。里面装着几百亿到几万亿个数字，行话叫参数。GPT-5.6 系列参数在万亿级，通义旗舰 qwen3.8-max 是 2.4 万亿，Kimi K3 是 2.8 万亿。

这些数字本身干不了任何事。它们像一张写满配比和火候的菜谱。菜谱不能吃——要变出一桌菜，得有厨房（机房和 GPU）、灶台（推理引擎）、传菜口（API 接口），还得有收银台（计费系统）。

MaaS 就是这一整套厨房。它不生产菜谱，它把菜谱变成随取随用的服务。

拆开看，一个成熟的 MaaS 平台是四层的：

工具层多说两句。它是"平台"和"API 转发站"的分水岭。

微调，是拿你自己的数据继续训练模型。一家医院拿三千份病历微调，模型开口就有医学味。知识库，行话叫 RAG，相当于给模型外挂一个文件柜，回答之前先翻资料，少胡编。Agent 编排，是让模型连续干活：接任务、调工具、自己检查、最后交付。

计量单位也换了。云时代按小时、按 GB 卖资源；MaaS 时代按 token 卖智能。token 是模型处理文本的最小单位，一个汉字大约一两个 token，一个英文单词约 1.3 个。你问一个问题，模型吐回 500 字，大约消耗 800 个 token。按每百万 token 几毛到几十块钱的单价一乘，这次对话的账单，不到一分钱。

一个开发者的日常大概是这样：注册平台，拿到 key，代码里写一个 HTTP 请求，指定模型名。三秒后，JSON 格式的回答回来。全程不碰 GPU，不装驱动，不看部署文档。哪天想换模型，把请求里的模型名从 qwen3.8-max 改成 deepseek-v4-flash，一行改动，成本立刻降九成。

最后一个问题：为什么开店的总是云厂商？

两个原因。第一，算力太贵。GPU 集群动辄几十亿投入，模型三个月一换代，这种重资产只有云厂商养得起，也只有它们能拿众多客户摊薄成本。第二，客户本来就在云上。账号、账单、权限、合规审计，全是现成的。模型服务接进这套体系，客户多签一行字就能用。

于是分工定型：造货的大多不开店，开店的大多不主推自己的货。下面两章，分别看两边都有谁。

02货架上的模型，都是谁造的？

国际六家，国内九家。每家一句话，对上号。

国际阵营，头部六家。

OpenAI，GPT 系列。这个行业的一切起点。2022 年 11 月 ChatGPT 上线，两个月一亿用户，把"大模型"从论文词汇变成大众词汇。最新的 GPT-5.6 分三档：Sol 冲最强，Terra 求均衡，Luna 走低价。

Anthropic，Claude 系列。OpenAI 前员工创办，主攻企业市场。按 2026 年的统计，它在美国企业级市场的份额已经反超 OpenAI。编程工具 Claude Code 是增长引擎。

Google，Gemini 系列。Google DeepMind 出品，标签是长上下文和多模态——一次能读 100 万 token，差不多一部《三体》第一部。

xAI，Grok 系列。马斯克 2023 年创办，靠田纳西州的 20 万卡超算 Colossus 追进第一梯队。

Meta，Llama 系列。开源路线的代表，模型权重免费下载、随便商用。它自己不开店，用开源换生态。

Mistral，欧洲代表。体量不大，动作快，开源与商用两条腿走路。

国内阵营更热闹，头部九家。

DeepSeek，V4 系列。2025 年初凭 R1 震动全球的那家——训练成本只有对手的零头，效果却打平。至今坚持低价，V4-Flash 每百万 token 输入只收 1 块钱。

阿里通义，Qwen 系列。全球下载量最大的开源模型家族，衍生模型超 30 万个。货免费送全世界，托管收费留给自家云。

字节豆包，Seed 系列。调用量国内第一，字节系产品的 AI 需求全靠它消化。

智谱，GLM 系列。清华系创业公司，编程能力是招牌，已上市。

月之暗面，Kimi 系列。靠长上下文起家。最新旗舰 K3 参数 2.8 万亿，号称能同时协调 300 个 Agent 干活。

MiniMax，M 系列。多模态均衡，语音和视频生成是强项。

腾讯混元，Hy 系列。最新 Hy4 有 770B 参数，2026 年 8 月开源。

百度文心，5.0 版本。2.4 万亿参数，文本图像视频统一建模的全模态模型。

华为盘古，5.5 版本。路线最特殊：不做通用聊天，专攻行业——矿山、气象、政务、钢铁。

这里有个高频困惑，值得单独说清楚：这些模型很多是开源的，权重随便下载，那厂商赚什么？

开源的是货，不开源的是厨房。你把 DeepSeek 的权重免费下载了，然后呢？家用电脑跑不动，公司自建要买卡、养团队、扛稳定性。算来算去，多数企业的选择还是：权重免费拿回去做研究，生产环境的推理服务花钱买。厂商赚的是托管的钱、企业版的钱、技术支持的钱。

还有一点：这些厂商几乎都提供自家 API。直接找 OpenAI 买 GPT，找 DeepSeek 买 V4，完全可行，而且往往是最便宜的渠道。短板只有一个——只卖自家货。想多家模型比价、混用、容灾？去平台。这就是第三章的事。

03模型服务，去哪里买？

国际三家超市，国内五家超市，外加一群做比价的中介。

先看国际，三家全是云巨头。

AWS Bedrock。亚马逊的货架。聚合了大约 25 家供应商、几百个模型：Claude、Grok、Llama、DeepSeek、Qwen……外加自研的 Nova 系列。2026 年 7 月，OpenAI 的模型正式入驻。这件事值得咂摸一下——亚马逊重金投资的明明是 OpenAI 的死对头 Anthropic，照样把 GPT 摆上自家货架，价格还与 OpenAI 直营一致。生意归生意。Bedrock 的配套也最全：知识库、安全护栏、Agent 平台 AgentCore。AWS 的 AI 业务年化收入已超 250 亿美元。

Azure AI Foundry。微软的平台。模型目录超过 1.1 万个，数量之最。招牌是和 OpenAI 的深度绑定——企业要用 GPT，Azure 是最正规的路。客户超 10 万家，Meta 是它最大的 AI 客户之一。

Google Vertex AI。Gemini 是一等公民，Model Garden 里聚合 Llama、Mistral 等第三方。独门优势是自研 TPU 芯片，算力成本自己说了算。

再看国内，五家。

火山方舟，字节跳动旗下。调用量份额第一：IDC 统计，中国大模型公有云调用量它占 49.2%，接近一半。豆包系列日均 token 消耗 180 万亿。打法是性价比加 Agent 工具全家桶。

阿里云百炼。模型最全。通义全家桶之外聚合了 150 多款第三方模型，DeepSeek、GLM、Kimi、MiniMax 一个接口全搞定。企业客户数一年涨了 8 倍。

百度千帆。智能体数量第一，累计开发超 130 万个 Agent。文心当家，客户覆盖 65% 以上的央企。

腾讯云。混元当家，2026 年起各模型能力统一迁到新平台 TokenHub。特色是 C 端先行——元宝、ima 这些自家产品先当试验田，跑通了再开放给企业。

华为云 ModelArts Studio。盘古当家，跑在自研昇腾芯片上，全栈国产。主攻政企市场，行业模型是护城河。

最后是第三类玩家：聚合器。国外的 OpenRouter，一个 API 路由到 70 多家供应商、500 多个模型，月处理 token 百万亿级；国内的硅基流动，专做开源模型的低价托管。它们不造模型，也不怎么造算力，做的是中介生意——统一接口、比价、路由。

04收尾：模型是货，MaaS 是店

记住这个分工，就不会迷路。

回到开头的比喻。

模型是货，MaaS 是店。

造货的——OpenAI、Anthropic、DeepSeek、通义、豆包——负责把模型训出来，不断刷新智能的上限。开店的——Bedrock、Azure、Vertex、方舟、百炼——负责把模型变成拧开就能用的服务，管好算力、账单、安全和集成。

下次刷到"某某模型上线某某平台"的新闻，可以自己翻译一下：又有新货上架了。

至于哪家货最聪明、哪家店最划算——那是另一篇文章的事。