人工智能大模型Maas框架与应用研究报告.pdf
MaaS框架与应用研究报告（2024年）中国信息通信研究院人工智能研究所中国人工智能产业发展联盟2024年6月版权声明本报告版权属于中国信息通信研究院、中国人工智能产业发展联盟，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：中国信息通信研究院、中国人工智能产业发展联盟”。违反上述声明者，本院将追究其相关法律责任。前言以大模型为代表的新一代人工智能技术迅猛发展，展现出广阔应用前景，有望成为驱动新质生产力发展的重要技术引擎。然而，大模型的应用面临着技术复杂、训练推理成本高、应用开发难度大等挑战。模型即服务（MaaS，ModelasaService），是指将人工智能算法模型以及相关能力进行封装，以服务的形式对用户提供，其核心目标是降低人工智能技术使用门槛，控制应用建设成本，简化系统运维管理复杂度，提升人工智能技术的综合应用效能，从而加速“人工智能+”进程。近年来，随着大模型的快速发展，MaaS服务和产品也进入快速发展期，并在金融、政务、电信等行业不断落地，产生了积极成效。但目前产业界各方就MaaS定义和框架仍未形成广泛共识，模型服务能力也尚未标准化，一定程度制约了MaaS的发展和应用。本报告系统梳理了MaaS的发展历程、现状和面临的挑战，基于产业实践进一步明确了MaaS的概念，提出了MaaS的功能框架，并对MaaS落地应用情况进行了分析，最后对MaaS发展趋势进行展望。由于大模型和人工智能技术产业仍然处在快速发展阶段，MaaS技术产品、服务和应用也在快速演变，我们对MaaS的认识将随着产业实践不断深化，报告存在的不足之处，恳请大家批评指正，联系邮箱：qijing1@caict.ac.cn。目录一、MaaS概述.1（一）MaaS起源与概念.....1（二）大模型促使MaaS快速发展2（三）MaaS助推大模型规模化落地...5二、MaaS发展现状及挑战.....7（一）MaaS产业发展现状.7（二）MaaS发展面临的挑战.10三、MaaS框架与能力要求...13（一）MaaS框架说明.13（二）模型平台层.14（三）模型层...18（四）应用开发层.20（五）模型服务协议框架.23四、MaaS应用分析...25（一）MaaS落地条件及优势场景解析...25（二）MaaS行业实践案例及成效剖析...28五、总结与展望...36主要参考文献.39编制说明...40图目录图1MaaS上下游关系示意图...7图2MaaS产业图谱.9图3MaaS两种落地模式特点对比图.10图4MaaS框架图.13图5MaaS定位与比较示意图.14图6模型平台层能力架构图...15图7零代码微调模型界面示意图.17图8模型层能力架构图.....18图9ModelScope模型层实践图....20图10应用开发层能力架构图.21图11AppBuilder架构图....23图12服务协议架构图.24图13MaaS在各行业应用占比.....26图14企业价值链各环节生产场景占比图.....27图15MaaS应用案例统计图...28图16平安银行BankGPT-MaaS服务平台....29图17平安银行MaaS服务平台落地效果30图18中国电科院一体化MaaS平台架构31图19广东移动私域大模型体系...32图20金融风控MaaS...34图21金融风控领域MaaS建模与传统建模效果对比...34图22金融风控大模型与传统定制模型性能对比.....35表目录表1大模型落地问题及MaaS解决方式....5MaaS框架与应用研究报告（2024年）1一、MaaS概述随着以大模型为核心的人工智能技术的深入发展，模型即服务（MaaS，ModelasaService）作为一种新型人工智能服务模式焕发新生。本章将明确MaaS的概念及主要的服务能力范围，剖析大模型时代MaaS快速发展的必然性，阐述MaaS在解决大模型规模化落地方面的重要意义。（一）MaaS起源与概念MaaS基本形态早已形成。2012年美国数据科学家DJ·帕蒂尔（DJPatil）首次提出MaaS概念1，即“将机器学习算法打包成可重复使用的服务，使企业能够快速地构建、部署和监控模型，无须开发和维护底层基础架构”，以此来适应AI模型需求快速增长的情况。此时MaaS多以AI能力开放平台的形式存在，平台之上承载人脸识别、光学字符识别（OCR）等特定场景的AI能力。该类AI能力由若干个模型及规则、数据库等组合构成，但覆盖功能和场景有限，应用方式较为单一，主要以工具包（SDK）等方式嵌入至业务系统。传统AI模型落地成本低且泛化性不足，MaaS所带来的增益尚不明显。大模型以其庞大的参数量与独特的模型结构展现了良好性能，推理能力的提高使得模型可以解决复杂逻辑问题，泛化性的提升拓宽了其应用范围，生成能力的增强赋予了模型更多的创造性。然而，模型的高性能对数据和算力的需求也相应增长，成本的增加使得模1《模型即服务：机器学习小而美的未来》MaaS框架与应用研究报告（2024年）2型规模化落地存在阻碍。在此背景下，MaaS通过提供服务的方式，显著降低了用户使用大模型的门槛，让业务能够更快速、更有效地享受大模型价值。根据毕马威预测，模型即服务（MaaS）将是AGI生态构建的核心2。因此，MaaS成为大模型落地应用的主要形态，提升模型规模化落地效率。大模型背景下MaaS概念是指将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。与早期MaaS概念相比能力范围有所拓展，一方面机器学习算法扩展至包括深度学习、大模型等在内的所有AI模型；另一方面基于模型服务，用户不仅可直接调用服务进行推理，也可基于服务进行AI应用的构建，扩大模型服务的使用范围。MaaS主要提供三部分服务能力，一是提供包括模型训练、调优和部署等在内的全栈平台型服务，以支持低门槛的模型开发与定制，用户无需关注AI算力、框架和平台即可生产和部署模型；二是提供包括大小模型及公私域数据集的丰富资产库服务，以支持模型和数据集的灵活快速调用，用户无须生产和部署模型即可调用模型和数据集服务；三是提供基于AI模型的应用开发工具服务，以支持快速打造场景化应用，用户无须搭建开发工具即可进行AI应用开发。（二）大模型促使MaaS快速发展大模型正驱动着“人工智能+”（AI+）需求的迅猛增长，加快了2《人工智能全域变革图景展望：跃迁点来临（2023）》MaaS框架与应用研究报告（2024年）3AI+在各行业的落地进程，并由局部散点落地向全流程赋能不断迈进，催生了庞大的市场需求。如金融行业，主要应用于营销、客服、风控等场景，有效解决金融领域人力成本高、风险管控滞后等问题，某银行基于AI的智能风控可实现毫秒级别的快速风控，将风险防控准确率提升约2倍；电信行业，主要应用于客户服务、营销推广、网络运维、故障预测等场景，有效解决电信领域用户需求复杂、网络优化难度高等问题，某运营商打造基于网络大模型的网络运维AI助手，使得网络运维准确率达88%以上；政务行业，主要应用于市民咨询、舆情分析等场景，有效解决基层工作强度大、响应速度慢、数据孤岛等问题，某单位利用大模型提升政务工作效率，在接诉即办
