到了2025 年中时，大家开始聊MaaS了。

MaaS是什么？

Model-as-a-Service（模型即服务）。以前，企业想用 AI，得像盖房子一样，自己买地（显卡）、买图纸（算法）、组施工队（开发），成本极高。

现在，云厂商把这些都打包好了，企业只要像住酒店一样，按天、按量付费；模型部署在云端，通过 API 接口，随取随用。

MaaS 把 AI 从一种「高精尖的技术」，变成了一种「即插即用的水电」；但奇怪的是，既然这么方便，为什么现在市面上听不到太多动静了？

因为大家都在闷声干活，在思考怎么把「水电」接进业务里。

来看一个吓人的数据：

前几天，字节跳动旗下火山引擎，悄悄交出了一份吓人的成绩单：日均 Token 调用量突破 50 万亿；而且，在中国大模型公有云市场的蛋糕里，火山引擎一家就切走了 49.2% 的份额。

咱们得对数字有点敬畏心；这 50 万亿 Token，是企业真金白银跑出来的。这说明什么？说明企业真正在「用」。

那么，既然大家都在用，这钱到底被谁赚走了？智远分析认为，整个市场分化成了「两大门派」。

第一派，是云大厂做的水电站，代表选手有火山引擎、阿里云、百度智能云；他们的逻辑很简单，我卖水和电（算力+模型），不管你家里用什么电器，插头得插我这。

但这三家又完全不同。

尤其火山引擎，它是今年最大的变量。很多人看不懂，为什么火山入局最晚，却能切走近一半的市场份额？ 难道仅仅是因为便宜吗？

不，便宜是结果。 火山能把价格打穿，背后的核心逻辑是 「C 端练兵，B 端赚钱」。

你看它手里有谁？豆包。 作为一个日活过亿的超级 App，豆包每天海量的交互请求，就是最好的「磨刀石」。

大家可以想象一下这个画面： 每天有几亿人拿着豆包在聊、在搜、在画图；这对服务器来说，是一场全天候、高强度的极限压力测试。

它把「并发」测透了， 什么样的流量洪峰没见过？豆包扛得住，企业那点业务流量才能轻轻松松；它把「成本」榨干了，这是最关键的。

你想想，C 端的流量是有波峰波谷的（白天忙、半夜闲），而字节内部有庞大的推荐算法、搜索业务，刚好可以和 AI 任务做「混排」。

这像开餐馆，如果不接待散客（C 端），只接企业包场（B 端），那你的厨房闲置率会很高，菜价一定贵；但火山是厨房 24 小时连轴转，显卡利用率拉满了，平摊到每一次调用的成本，自然就是白菜价。

所以，谭待才敢说，MaaS 是赚钱的。 因为对于火山来说，给 B 端提供服务，本质上是豆包用剩的「能力溢出」。

说白了，B 端企业哪怕只「蹭」到了这点溢出的红利，拿到的也是屠杀级的价格。

另外两家走的路线也不一样：阿里云像百货超市，它的逻辑是生态。魔搭社区拉拢各路模型，它只求你用它的服务器跑模型。

百度像操作系统，它的逻辑是入口。李彦宏喊“应用为王”，百度强推千帆平台，更想做 AI 时代的 Windows，让你在上面长出应用来。

第二派是什么呢？是AI原生的厂家。

比如：智谱 AI、MiniMax、硅基流动等；他们没有云厂商的「基础设施包袱」，所以必须够专、够偏科”，专门解决那些云厂商搞不定的“疑难杂症”。

你看智谱AI，今年它做了大量私有化部署。

很多国企、银行，数据死都不能出机房。这时云厂商就尴尬了，但智谱擅长；它能把模型做轻，直接部署到本地服务器上。

那MiniMax呢？智远认为，是偏科天才，如果你做游戏、做情感陪伴，首选 MiniMax；它的模型有“人味儿”，它的模型语音合成极其逼真，以后，在这块细分市场说不定，能切走了不少 B 端客户。

至于DeepSeek不用说了，它是典型的理工直男。

大家对它的印象可能还停留在“通用对话”上，但它在 B 端的杀手锏其实是代码和推理。 如果你是搞量化交易、做数据分析的，DeepSeek 简直是「降本增效」的神器。

所以，智远认为，现在的 MaaS 市场分三类玩家：

第一类偏「基础设施」，讲究大而广。他们铺路，不论你是谁、你用什么模型，只要你用我的云、耗我的电就行，他们拼生态的厚度和算力的成本。

第二类偏垂直细分，讲究「锐度」；像 MiniMax、智谱、硅基流动这种 AI 原生厂商；用一把尖刀撕开 B 端的口子，做深度的场景适配。

第三类是单纯的「卖模型 KPI」； 像 DeepSeek、Kimi；讲究「纯粹」。你需要脑子，我就卖脑子，拼推理最强、价格最低。

说了这么多厂商，其实解决的都只是“有模型用”的问题。但对企业来说，真正的痛点在于：模型我买了，怎么把它变成能干活的员工呢？

在我看来，要想让 MaaS 真正落地，得在业务流里砍下“三把刀”。

第一刀，Chat to Data（让数据上马）。

这块很多人容易想岔，以为把模型买回来，直接跟它聊业务就行了。 错。Chat to Data 的前提是，你的数据得先“上桌”。

你想想，你的数据现在都在哪？散落在员工电脑桌面的 Excel 里，或者躺在业务系统深处的 CSV、CRM 里。对模型来说，这些离线文件是“隐形”的，它根本看不见。

所以，第一步动作叫「结构化上云」。

你得先把死数据，上传到 MaaS 平台的数据容器里。现在像飞书多维表格、钉钉这些工具，干的就是这个活，把死文件变成“在线表格”。

只有数据上桌了，模型才能去读表头，理解这一列叫「销售额」，那一列叫「回款率」；铺垫好这一步，才是聊。

这时，部门伙伴问它：把上个月回款低于 50% 的客户挑出来，它才能立马给你跑出一个结果；说白了，这一刀本质给模型配一个“数据插座”，有了库，才有得聊。

数据解决了，第二刀：Chat to Knowledge（让知识进脑）。

这块跟数据一样。 绝大多数企业知识，现在都锁在老旧的 OA 系统里；PDF、Word、扫描件，模型也是看不见的。 所以，不管你用什么平台，得先把操作手册、法律法规、历史合同统统上传到云端建库。

举个中石化的例子：

他们面临大量的工程标准和设计规范，查起来非常费劲。于是，他们利用百度千帆平台，把文档全部搬了上去，构建了一个“标准规范智能问答助手”。

这里最关键是平台的「解析」能力。

它把文档里的表格、公式拆解成模型能读懂的碎片。只有经历了“上传-解析-入库”这三步，知识才算真的进了企业的 AI 脑子。

这时，你再问它技术规范，它才能秒级给你答案，并且告诉你出自哪一页。

第三刀：Chat to Action（让流程上手）；这是 2025 年的决胜局，这一刀解决“办事”的问题。 它的本质是 API 的原子化。

以前，你得把请假、报销、订机票这些业务动作，拆解成一个个标准的小积木。但光有积木不够，谁来搭呢？ 这时，MaaS 平台它得变成一个「数字化施工队」的总指挥部。

我举个最新的例子：

前几天火山引擎发了一个叫 AgentKit 的开发框架，它直接把这个施工队的角色分好了，跟咱们真实的业务场景一模一样。

这就好比一个工程现场： 第一步，得有“包工头”（Router），这是最聪明的大模型（比如 DeepSeek-R1 或豆包-Pro）。

它不干具体的活，只负责听懂人话、分派任务；你说「帮我订一张明天去上海的机票，预算 2000 以内」，它立刻分析出时间、地点、预算，然后转头喊人。

第二步，得有“特种兵”（Tool Use）。

这是被封装好的 API。包工头一声令下，查票 Agent冲上去查航班，比价 Agent冲上去算报销额度；这里面有个关键叫 MCP 协议，你就把它理解成特种兵的万能工具箱，即插即用。

第三步，还得有“质检员”（Evaluation）。这是最容易被忽略的一点。在「点击支付」之前，必须有一个模型或者人工节点跳出来复核：

查到了这三班，符合差旅标准吗？您确认订这一班吗？”如果没有这个质检员，模型很可能给你订一张 5000 块的头等舱，老板非疯了不可。

看明白了吗？这才是 MaaS 的真相；企业买「包工头+特种兵+质检员」的建制；MaaS上的AgentKit 工具，在卖这套让听得见炮火的人，能指挥 AI 施工队的系统。

当然，智远判断，未来会有诸多AI 原生的 MaaS 平台出来，专门解决垂直细分场景的问题；比如游戏行业、3D 设计，它们的流程非常特殊，通用平台搞不定，一定会出现专门的垂直 MaaS 平台来吃掉这块市场。

所以，未来做MaaS平台的大厂，到底迷恋通用大模型，还是把精力放在「垂直」和「小」上面？

这让我想到了人的大脑。

通用大模型像大脑的原生智力（IQ）。 它的容量很大，逻辑很强，什么都能学，什么都能聊。在这个层面上，OpenAI 和 Google 还在不断卷 Scaling Law，试图把“大脑”的容量扩得无限大。

但「垂直小模型」是什么呢？ 它更像我们在后天工作中修炼出来的「思维模型」。

这好比，一个智商 180 的天才，不懂经济学，也未必能马上算清楚一笔复杂的账；但给他装一个「机会成本思维模型」（垂直模型），专门用来计算换算关系、权衡利弊，那他在这个领域的判断力是顶级的。

所以，垂直和小，代表的是「业务的深耕」。

它只需要在某一个特定的切面（比如计算机会成本、审核法律合同、筛选简历），拥有最专业的“解题视角”就够了。

这也解释了，为什么2025年最流行模型蒸馏、也就是「一个个小模型即服务」。

我举一个智联招聘的例子：

他们做人岗匹配，全靠“通用大脑”去硬算，成本太高且效率低。 他们的做法是典型的「名师带高徒」。

先用「大脑」思考（Teacher，请出千亿参数的 DeepSeek-R1。先把复杂的简历和岗位需求跑一遍，通过高智商分析出人岗匹配的深层逻辑。

再把 DeepSeek 跑出来的“逻辑精华”，喂给一个百亿参数的 ERNIE Speed（文心轻量版）；最后，让「模型」出来干活，就是专门懂招聘、懂匹配的“小模型”。

结果呢？ 推理成本直接下降了 70%。

这说明了什么？ 企业真正需要，利用爱因斯坦的智力，把你们业务里的“机会成本模型”、“库存周转模型”、“合同风控模型”一个个蒸馏出来，让它越用越聪明。

所以，未来企业业务之间的竞争，不看谁接的“通用大脑”更聪明（那是大厂的事），要看谁能在大脑之上，谁能长出更多、更深、更懂业务的「垂直思维模型」。垂直模型，是公司的「行业专家」。

总结下来就八个字，在MaaS平台，外事不决问大厂（通用模型），内事不决靠垂类；到2026年，谁能把模型做小、做专，谁才能在投入产出比上算得过账来。

除了这些主流路径，市面上也还有很多卖「一体化解决方案」的玩家，商业世界，从来没有标准答案。以上内容，纯属智远个人观察，仅供参考。