MaaS 商业模式全面分析报告：从技术赋能到商业变现的全链条探索
一、MaaS 商业模式概述与发展背景
1.1 MaaS 的定义与核心价值
模型即服务 (Model as a Service, MaaS) 是一种基于云计算的服务模式，通过网络将机器学习、深度学习等各类模型提供给用户使用，用户无需自行构建和训练模型，便能利用它们解决实际问题。在这种模式下，用户通过 API(16)、SDK 或在线平台调用预训练的 AI 模型，而无需关心底层算法、算力或数据管理。MaaS 有效降低了模型应用的难度，让更多企业和开发者(27)能够从先进的人工智能技术中获益，尤其为中小企业提供了一条低成本获取 AI 能力的途径。
MaaS 的核心价值在于将复杂的 AI 能力转化为可直接调用的服务，大幅降低了 AI 应用的技术门槛和部署成本。通过 MaaS 平台，企业无需再投入大量资源进行复杂模型的从头训练，而是(25)可以根据自身业务需求租用或订阅合适的模型服务，快速实现智能化升级。这种模式不仅节省了企业的时间和成本，还能让企业快速响应市场变化，提升竞争力。
1.2 MaaS 的发展历程与市场规模
MaaS 的发展与人工智能技术的演进密切相关。随着互联网的广泛普及(27)以及物联网的蓬勃发展，数据量呈现出爆炸式的增长态势，为模型训练提供了极为丰富的素材。同时，模型规模的不断扩大也使得开发和维护成本急剧上升，这促使企业寻求更加经济高效的 AI 应用方式。
根据中投产业研究院的数据，2024 年上半年，中国 MaaS 市场规模达到 2.(27)5 亿元，中国 AI 大模型解决方案市场规模达到 13.8 亿元，百度智能云在这两个市场中均位居榜首，其市占率分别为 32.4% 和 17%。未来(27)五年内，中国 MaaS 和 AI 大模型解决方案市场将以超过 50% 的增速快速增长。另据量子位预测，至 2027 年，MaaS 模式市场规模占比(18)预计从 2023 年的 5% 提升到 47%，成为 AIGC 产业的主流商业模式。
从全球范围看，MaaS 市场同样呈现出快速增长的趋势。20(27)25 年，随着企业数字化转型进程的加速，对 MaaS 的需求将会持续攀升。麦肯锡研究显示，中国 MaaS 用户规模将从 2025 年的 2.1 亿(41)增至 2030 年的 5.8 亿，渗透率从 19% 攀升至 42%，远超同期北美地区 26% 的平均水平。
1.3 MaaS 的技术架构与(67)产业链
MaaS 的技术架构主要包括三个层次：模型层、服务层和基础设施层。模型层包含预训练模型（如 GPT、ResNet）或定制化(67)模型；服务层提供 API 接口、负载均衡、自动扩缩容等功能；基础设施层则基于云平台（如 AWS、Azure）的 GPU/TPU 集群。
(3)在 MaaS 产业链中，主要参与者包括模型提供商、云服务提供商、应用开发商和最终用户。模型提供商负责开发和训练各类 AI 模型；云服务提供商(3)提供算力基础设施和模型部署环境；应用开发商基于 MaaS 平台构建各类 AI 应用；最终用户则是这些应用的使用者，包括企业和个人。
值得注意的是，MaaS 的出现重塑了 AI 产业的商业格局。传统上，AI 技术的应用主要依赖于企业自建团队或定制开发，成本高昂且周期漫长。而(27)MaaS 模式则通过将 AI 能力服务化，使得中小企业也能够以较低成本获取先进的 AI 技术，从而加速了 AI 技术的普及和应用。
二、MaaS 商业模式的核心要素分析
2.1 盈利模式分析
MaaS 商业模式的盈利模式多种多样，企业可根据自身业务特点选择合适的变现方式。以下是几种常见的盈利模式：
2.1.1 按使用量收费（Pay-as-you-go）
这是最直接的盈利(16)方式，客户根据 API 调用次数或计算资源消耗付费。例如，OpenAI 的 GPT 模型按 Token 数量计费，AWS 的 Rekognition(16)服务按图像分析次数收费。这种模式的优点是灵活、可扩展，适合中小企业和开发者；缺点是需要精准预测资源消耗，避免因滥用导致成本失控。
在实际运营中，按使用量计费模式面临的主要挑战是价格竞争。以 DeepSeek 为例，其模型每百万的 token 只收 16 块钱，但实际(7)成本高达 150 块钱，导致用户越多亏损越多。为应对这一挑战，MaaS 提供商需要优化资源利用效率，同时通过技术手段提升单位资源的产出价值。
2.1.2 订阅制（Subscription）
企业提供不同级别的订阅套餐，如基础版、专业版、企业版，每种(16)套餐对应不同的调用限额或功能权限。例如，IBM Watson 提供按月 / 年订阅模式，Hugging Face 的 Inference API(16)提供免费和付费订阅。
订阅制的优势在于能够提供稳定的现金流，提高客户粘性。但该模式也面临如何平衡免费用户与付费用户服务质量的挑战。为解决这一问题，MaaS 提供商通常采用 “免费增值”(Freemium) 模式，即提供基础功能免费，高级功能收费的分层服务体系。
2.1.3 定制化模型服务（Custom Model Training）
除了提供通用模型，MaaS 提供商还可以为企业(16)定制专属 AI 模型。这种模式在金融行业的风控模型和医疗行业的影像分析模型等领域应用广泛。定制化模型服务的优点是利润高，能满足特定行业(16)需求；缺点是需要强大的数据科学团队支持，交付周期较长。
在实际操作中，定制化模型服务通常采用项目制收费模式，根据项目的复杂程度和交付周期确定价格。例如，某三甲医院的 PACS 系统接入先知 AI 后，成功实现了 CT 影像智能分析提速 4 倍，同时完整保留了数据主权，这类(68)定制化服务的收费通常较高。
2.1.4 数据增值服务（Data Monetization）
部分 MaaS 平台在提供(16)模型的同时，也收集用户数据（如匿名化后的行为数据），并通过数据分析提供增值服务。例如，电商平台利用用户画像优化广告投放，智能客服(16)系统分析客户反馈以改进产品。数据增值服务的优点是数据可复用，能创造额外收益；缺点是需严格遵守数据隐私法规（如 GDPR）。
随着《数据法案》于 2025 年 9 月 12 日正式实施，数据增值服务面临更严格的监管要求。该法案规定，数据持有者违反向用户、数据接收者及欧盟(29)公共部门共享数据义务的行为，将可能被处以数据处理者上一年度全球营业额的 4% 或两千万欧元的行政罚款。
2.1.5 平台分成（Marketplace Revenue Share）
一些 MaaS 平台（如 Google AI Hub、Azure AI Gallery(16)）允许第三方开发者上传模型，并通过交易分成盈利。这种模式的优点是生态化发展，能吸引更多开发者；缺点是需建立完善的审核和激励机制。
为激励开发者参与，MaaS 平台通常会提供丰厚的分成比例。例如，RunningHub 允许用户上传原创节点或工作流至应用商店，通过(1)使用量和收藏数获得 50%-70% 收益分成。这种高比例分成策略有效促进了平台生态的繁荣。
2.1.6 混合盈利模式
近年来，越来越多的 MaaS 提供商采用混合盈利模式，将多种盈利方式结合起来，以适应不同客户的需求。例如，合力亿捷 AI 客服系统采用 “基础功能按年订阅，高阶服务（如多模态交互、定制知识库）按需付费” 的混合模式，提供 “按量付费 + 订阅制” 混合方案，企业可根据业务周期(66)动态调整资源，综合成本降低 30%-50%。
另一个典型案例是百度文心一言 4.0，它推出了 Tokens 资源包收费形式，最高 10.2 万元可购买 10 亿 Tokens，优惠单价低至 0.102 元 / 千 Tokens，同时实施限速分级计费模式，用户可根据所需 TPM 和 RPM(18)速率需求购买相应数量的 TPM 配额（按月付），且在突增峰值流量时购买额外的 TPM 配额包（按小时付），灵活满足用户的使用速率需求。
2.2 成本结构分析
MaaS 商业模式的成本结构复杂，主要包括以下几个方面：
2.2.1 算力成本
算力成本是 MaaS 提供商最主要的成本来源。以 DeepSeek-R1 为例，其满负荷运行时，单日需处理 1000 亿 token，仅 GPU 租赁(2)(1)成本就高达每月 4.5 亿元。这一成本计算基于 H800 显卡 2 美元 / 小时的租赁成本，每日总成本为 87,072 美元。
为降低算力成本，MaaS 提供商采取了多种措施。例如，首都在线通过优化卡间互联拓扑结构、运用动态负载感知及高效并行化策略，成功构建近万卡高速互联推理(3)集群，显著提升了资源利用率。此外，采用国产芯片也成为降低成本的有效途径，如首都在线与华为昇腾芯片合作，完成了门头沟国产智算集群的建设。
2.2.2 模型开发与维护成本
模型开发与维护成本也是 MaaS 提供商的重要支出。根据斯坦福《2023 人工智能(18)指数报告》估算，OpenAI 的 GPT-4 训练成本约 7800 万美元，谷歌的 Gemini Ultra 训练成本达 1.91 亿美元。虽然 MaaS 提供商通常不需要从头训练基础模型，但模型微调和维护仍需大量投入。
模型更新和优化也是持续的成本来源。MaaS 提供商需要不断(14)跟进最新的模型技术，保持服务的竞争力。例如，Runway 在 2025 年 3 月推出了 Gen-4 模型，该模型具有增强的逼真度和运动能力，提供了改进的场景生成和角色一致性。这类模型更新需要大量的研发投入。
2.2.3 隐性成本
除了直接的算力和模型成本(1)外，MaaS 提供商还面临多种隐性成本，包括网络带宽、存储、运维等。这些成本往往容易被忽视，但在实际运营中占据相当大的比例。
以 DeepSeek 为例，其官方公布的理论成本利润率达 545%，但这一计算基于将 APP 和网页完全超负荷占满的极端情况，并且仅核算了等量(1)租用 GPU 的费用，硬盘、存储、内存 CPU、人力运维等均未计算在内。而收入却将 APP、网页、API 消耗的所有 Token（toC 和 to(1)B 的总消耗量）加在一起，均按照 API（toB）的价格计算，这导致实际运营中的 MaaS 厂商面临巨大的成本压力。
2.2.4 合规成本
随着数据安全和隐私保护法规的加强，MaaS 提供商面临越来越高的合规成本。《数据法案》要求数据持有者采取一切合理(29)的技术、法律和组织等保障措施，包括合同安排，防止第三方非法获取非个人数据，包括防止向非欧盟或非欧洲经济区成员国非法传输非个人数据。
为满足这些要求，MaaS 提供商需要投入大量资源建立数据安全与隐私保护机制。例如，在数据传输和处理中，采用更先进的加密技术和安全防护措施，确保用户数据不被泄露滥用。这些合规措施增加了 MaaS 提供商的运营成本。
2.2.5 市场竞争成本
市场(7)竞争也是 MaaS 提供商面临的重要成本因素。云巨头为了抢占市场，往往将价格压得极低，甚至免费提供服务。例如，阿里云百炼平台上的三款(18)通义千问主力模型多次降价，Qwen-Turbo 价格直降 85%，低至百万 tokens 0.3 元。百度文心大模型的两款主力模型 ENI(18)RESpeed、ENIRELite 从 2024 年 5 月起全面免费。
这种价格战导致 MaaS 提供商的利润空间被极大压缩。对于中小 MaaS(1)厂商来说，单纯依靠倒卖 DeepSeek API 这类服务，在成本居高不下、盈利模式不清晰的情况下，无疑是赔本赚吆喝。
2.3 用户获取策略分析
在竞争激烈的 MaaS 市场，有效的用户获取策略对于企业的成功至关重要。以下是几种常见的用户获取策略：
(18)#### 2.3.1 低价策略与免费试用
降价是规模化推广的前提选择，“0 元购” 旨在培养习惯和生态。各大云厂商纷纷采取降价策略吸引用户：
阿里云：继 2025 年 5 月首次大幅降价后，阿里云百炼平台上的三款通义千问主力模型再次降价。Qwen-Turbo 价格(18)直降 85%，低至百万 tokens 0.3 元，Qwen-Plus 和 QwenMax 分别再降价 80% 和 50%。
百度云：文心大模型(18)的两款主力模型 ENIRESpeed、ENIRELite 从 2024 年 5 月起全面免费。
腾讯云：混元 - lite 模型，API 输入输出总长度计划从目前的 4k 升级到 256k，价格从 0.008 元 / 千 tokens 调整为全面免费。standard API 输入价格从 0.01 元 / 千 tokens 降至 0.0045 元 / 千 tokens，下降 55%，API 输出价格从 0.01 元 / 千 tokens 降至 0.005 元 /(18)千 tokens，下降 50%。
除了降价，免费试用也是吸引用户的有效方式。例如，魔搭社区推出了开发者勋章激励计划，为在平台上作出(58)贡献的开发者赋予荣誉和奖励，包括平台免费 GPU 算力支持，以及 AIGC 专区高阶训练券、高阶生图券等奖励。
2.3.2 邀请奖励机制
邀请奖励机制是扩大用户基础的有效策略。例如，赖耶科技推出 “邀请注册奖励”：每邀请 1 位新用户注册并完成赖耶 AI 授权，邀请者即可免费获得 14 元 token 资源包，累计最高可获 280 元 token 包。趣算云也推出了类似的活动，用户扫码注册可立得 15 元算力券（首日 5 元 + 次日 10 元，无门槛抵扣所有模型费用）。
这种邀请奖励机制不仅能扩大用户基数，还能增强用户粘性和活跃度。通过 “双赢” 策略，既能助力同行成长，又能降低自身开发成本。
2.3.3 企业认证优惠
针对企业用户，MaaS 提供商通常提供特殊的优惠政策。例如，在 wisemodel 平台完成企业认证后，可享受 1 折购买 token 资源包的专属权益，大幅降低企业级 AI 应用的(42)研发成本。蓝耘元生代 MaaS 平台也推出了类似的优惠，平台注册即赠超千万免费 Token（足够支撑 10 万次 + 对话交互），彻底消除技术验证门槛。
这些针对企业用户的优惠策略，有效降低了企业采用 MaaS 服务的门槛，促进了企业用户的增长。例如，某物流企业应用智能调度(68)系统之后，单车日均行驶里程减少了 15%，燃油成本年节省超过 800 万元，这种显著的经济效益吸引了更多企业采用 MaaS 服务。
2.3.4 生态整合策略
生态整合是大型 MaaS 提供商的优势策略。背靠腾讯生态，腾讯云 DeepSeek API 服务可通过 C 端(2)流量摊薄成本，同时以私有化部署和定制模型服务向企业端盈利。类似地，火山引擎通过 “火山方舟” 平台汇聚第三方大模型，吸引开发者构建应用生态。
百度云则凭借独特的 MaaS+BaaS 模式，叠加 AI 技术赋能，实现端到端业务闭环，维持较高且稳定的毛利率水平。得益于该模式(18)在技术和业务能力上的双重高进入门槛，其客户粘性较高，2023 年 MaaS 核心客户留存率高达 99%。
2.3.5 社区运营与开发者生态
社区运营是 MaaS 提供商获取用户的长期策略。例如，魔搭社区已汇聚超 500 家贡献机构，模型总量超 7 万个，并服务了 3(58)6 个国家超 1600 万开发者。社区通过提供丰富的模型资源和开发工具，吸引了大量开发者入驻。
智谱 AI 则推出了模力社区 - MaaS 平台(56)，为入驻企业提供专属 “模型池”，促进 “大模型 +” 政务服务、医疗、金融、交通等领域跨界融合，形成 “上下楼即上下游” 的产业闭环。这种社区化运营模式有效提升了用户粘性和活跃度。
2.4 生态构建策略分析
成功的 MaaS 提供商都非常重视生态构建，以下是几种常见的生态构建策略：
2.4.1 开源策略
开源策略是构建 MaaS 生态的重要手段。Meta 开源 Llama 2 后(45)，GitHub 社区贡献者超 4.2 万人，修复漏洞速度比闭源模型快 3 倍（GitHub 2023 年数据）。Hugging Face 平台(45)统计显示，开源大模型平均每月迭代 2.7 个版本，而闭源模型仅 0.8 次（2024 年报告）。
开源策略不仅能加速技术迭代，还能降低硬件(45)适配成本。例如，阿里通义千问开源版本支持昇腾、寒武纪等国产芯片，开发者贡献的算子优化使推理速度提升 40%（阿里云 2023 年白皮书）。这种开源生态推动了 NVIDIA GPU 使用率下降，国产硬件在 AI 训练中的占比从 2021 年的 12% 升至 2023 年的 31%（IDC(45) 2024 年统计）。
2.4.2 标准制定与生态锁定
通过参与或主导行业标准的制定，MaaS 提供商可以建立竞争壁垒。Hugging Face 通过开源 Transformers 库占据 75% 的 NLP 模型托管市场，带动其企业版营收年增 200%（Crunch(45)base 2024 年数据）。类似地，Stability AI 开源 Stable Diffusion 后，其付费 API 调用量增长 5 倍，(45)市占率超 DALL・E 2 达 38%（SimilarWeb 2023 年统计）。
标准制定不仅能带来商业利益，还能增强行业影响力。例如(45)，百度文心 ERNIE 开源后，开发者贡献的垂直领域微调模型超 800 个，反哺基础模型医疗领域准确率提升 19%（百度 2024 年技术报告）。这种良性循环促进了生态的繁荣。
2.4.3 多模型整合平台
多模型整合平台是 MaaS 生态构建的另一种策略。火山(2)引擎通过 “火山方舟” 平台汇聚第三方大模型，吸引开发者构建应用生态。魔搭社区则提供了 MCP 广场，汇聚了超过 4000 个 MCP 服务，支持(58)开发者超过 1 亿次的调用。
这种多模型整合平台为用户提供了更多选择，也为模型开发者提供了展示和变现的渠道。例如，MCP 广场提供了(58)数千余款 MCP 服务和托管服务，同时提供 MCP 为第三方平台集成的开放接口，支付宝、MiniMax 等全新 MCP 服务在魔搭社区独家首发。
2.4.4 产业联盟与合作
产业联盟与合作是扩大 MaaS 生态影响力的有效方式。例如，首都在线与庆阳市人民政府达成(3)人工智能产业发展全面战略合作，将庆阳节点作为公司战略要地。同时，首都在线还与门头沟 “京西智谷” 人工智能计算中心共同打造自主创新人工智能(3)算力集群，面向北京市乃至全国人工智能中小企业及科研单位服务。
这种产业合作不仅能获得政策支持，还能整合各方资源，加速 MaaS 生态(56)的发展。例如，模力社区与智谱以 “模型即服务” 模式推动 “大模型 +” 行动，促进 “大模型 +” 政务服务、医疗、金融、交通等领域跨界融合，形成产业闭环。
2.4.5 开发者工具与支持服务
提供丰富的开发者工具和支持服务是 MaaS 生态构建的基础。Hugging(45) Face 通过开源模型带动 Spaces（模型托管）收入增长 320%，企业客户超 1.5 万家（2024 年公告）。腾讯混元开源基础架构(45)，但配套的 TI-ONE 训练平台收费用户超 3 万（腾讯云 2023 年数据）。
这些开发者工具不仅能提高开发效率，还能增强用户粘性。例如(42)，蓝耘元生代 MaaS 平台通过标准化 API 工作流，让开发者无需关注底层架构，只需聚焦业务逻辑，即可在 3 小时内完成智能客服系统的搭建与上线。这种便捷的开发体验吸引了更多开发者加入生态。
三、典型 MaaS 平台商业模式案例分析
3.1 国际 MaaS 平台案例
3.1.1 Runway 商业模式分析
Runway 是目前业内极具影响力的视频生成 AI 平台，称得上是 "AI(9)视频创作的成功商业化的代表 "。其商业模式主要包括以下几个方面：
订阅制（MaaS）：Runway 采用分层订阅模式，分为(9)免费版、标准版（$15/月）、专业版（$35 / 月）及企业版，按需提供算力与功能权限。截至 2025 年 6 月，Runway 年营收从 20(9)21 年的 300 万美元增至 2024 年 1.216 亿美元；客户人数约 10 万，涵盖个人创作者、小型团队以及企业客户。
企业定制服务*****：Runway 为影视制作（如奥斯卡影片《瞬息全宇宙》）、广告公司（Ogilvy）、媒体（CBS、微软）等企业客户提供定制化解决方案(9)。例如，Runway 与狮门影业合作，利用其 2 万部影视资料库训练定制模型，用于故事板生成、背景创建等前期工作，颠覆了从分镜到后期的全流程。
融资与估值：Runway 于 2025 年 4 月完成 D 轮融资 3.08 亿美元，累计融资超 9.6 亿美元，估值从 2023 年(9)15 亿美元跃升至 2025 年的 30 亿美元，150 天内估值翻倍。公司成立于 2018 年，由三位移民艺术家在纽约大学艺术学院共同创立，团队(9)约 86 人，总部在纽约，在旧金山、伦敦、和西雅图也设有工作室。
技术优势：Runway 的核心产品是 Gen 系列视频模型，具有(9)30 多个 “AI 魔术工具”，覆盖视频全流程，如绿幕抠图、物体移除、帧插值、图像拓展等，提升效率 80%。2025 年 3 月推出的 Gen-(14)4 模型具有增强的逼真度和运动能力，提供了改进的场景生成和角色一致性。
盈利预测：Runway 曾预测到 2025 年底年化营收(12)将达到 2.65 亿美元，但根据其近期增长率来看，实现这一目标的可能性不大。截至 2025 年 6 月底，Runway 年化营收突破 9000 万美元(13)，高于 2024 年底的 7000 万美元。
3.1.2 Hugging Face 商业模式分析
Hugging Face 是全球最大的开源 AI 社区，其商业模式具有独特的开源 + 商业双轨特征：
付费增值服务：Hugging Face 提供多种付费服务(22)，包括付费会员（提供更多服务和开发管理工具，有个人版和企业版）、数据托管和计算资源服务（根据需求按小时付费）以及为企业提供定制化(22)的人工智能解决方案。目前，Hugging Face 的付费企业客户大约有 3000 家，像英特尔、彭博社、高通、辉瑞等大企业都是他们的客户。
API 服务：Hugging Face 通过 API 提供模型服务，采用按使用量收费模式。例如，其 Inference API(43)按 GPU 时长计费，价格为 $0.60 / 小时。这种模式为用户提供了灵活的使用方式，也为 Hugging Face 创造了持续的收入来源。
开源生态：Hugging Face 上有数十万开源的模型和数据集，这些资源免费提供给用户使用。同时，Hugging Face(22)推出了许多托管和开发工具，以及一个类似 GitHub 的中心，用于存储代码、模型和数据集，这大部分服务也是免费的。这种开源策略吸引了大量开发者，构建了强大的社区生态。
成本结构：根据 Gartner 2024 年企业 AI 支出分析，开源模型的成本结构与闭源模型有所不同：研发投入占比 60%（闭源为 55%），技术支持占比 15%（闭源为 25%），合规风险占比 8%（闭源为 12%），社区运营(45)占比 17%（闭源为 8%）。
商业化成果：Hugging Face 自 2021 年开始商业化以来，发展相对平稳。据推算，Hug(51)ging Face 今年的 ARR（年度经常性收入）大致在 4000 万美金区间。公司于 2023 年获得 2 亿美元 D 轮融资，估值大幅提升。
3.1.3 OpenAI 商业模式分析
OpenAI 是目前最知名的 AI 公司之一，其商业模式主要围绕其核心产品 GPT 系列(16)大模型展开：
API 服务：OpenAI 通过 API 提供 GPT-3、GPT-4 等大语言模型，采用按 Token 计费模式。这种按使用量收费的模式为用户提供了灵活的使用方式，也为 OpenAI 创造了可观的收入。
企业定制方案：除了标准的 API 服务，(16)OpenAI 还为企业客户提供定制化解决方案，包括定制模型和专属支持。这种高价值服务为 OpenAI 带来了丰厚的利润。
订阅服务：OpenAI 推出了面向个人用户的订阅服务，如 ChatGPT Plus，为用户提供更高的访问优先级和更多功能。这种订阅模式提供(18)了稳定的现金流。
成本结构：OpenAI 2024 年成本支出预计达 85 亿美元，其中服务器租赁成本约 40 亿美元。GPT-(18)4 Turbo 每千 tokens 推理成本约为 0.007 美元，推理成本仅与模型参数量成正比。
盈利预测：OpenAI 的营收(18)增长迅速，2023 年营收约为 13 亿美元，预计 2024 年将达到约 20 亿美元，2025 年有望超过 50 亿美元。然而，由于高昂的计算成本，OpenAI 目前仍处于亏损状态。
3.2 国内 MaaS 平台案例
3.2.1 百度智能云 MaaS 商业模式分析
百度智能云是国内领先的 MaaS 提供商，其商业模式具有以下特点：
调用量 + 促成交易规模双收费模式：百度云创凭借独特的(18)MaaS+BaaS 模式，叠加 AI 技术赋能，实现端到端业务闭环，维持较高且稳定的毛利率水平。这种模式在技术和业务能力上具有双重高进入(18)门槛，客户粘性较高，2023 年 MaaS 核心客户留存率高达 99%。
灵活计费模式：百度文心一言 4.0 推出了 Tokens 资源(18)包收费形式，最高 10.2 万元可购买 10 亿 Tokens，优惠单价低至 0.102 元 / 千 Tokens，适合需求量大的 B 端开发者用户。同时(18)，还实施限速分级计费模式，用户可根据所需 TPM 和 RPM 速率需求购买相应数量的 TPM 配额（按月付），且在突增峰值流量时购买额外的 TP(18)M 配额包（按小时付）。
免费策略：百度文心大模型的两款主力模型 ENIRESpeed、ENIRELite 从 2024 年 5 月起全面免费。这种免费策略旨在培养用户习惯和扩大生态。
市场表现：2024 年上半年，百度智能云在 MaaS 市场和 AI 大模型(27)(18)解决方案市场中均位居榜首，市占率分别为 32.4% 和 17%。2023 年智能云营收达 84 亿，AI 云收入占比增长 8%，后续预计维持较好增长。
生态整合：百度云凭借其在搜索、广告等领域的生态优势，将 MaaS 服务与其他业务深度整合，为用户提供一站式解决方案。这种生态整合策略增强了用户粘性，也提高了客户转化率。
3.2.2 阿里云 MaaS 商业模式分析
阿里云作为国内领先的云服务提供商，其 MaaS 商业模式具有以下特点：
降价策略：阿里云积极采用降价策略扩大市场份额。2025 年 5 月首次大幅降价后，阿里云百炼平台上的三款通义千问主力模型再次降价。Qwen-Turbo 价格直降 85%，低至百万 tokens 0.3 元，Qwen(18)-Plus 和 QwenMax 分别再降价 80% 和 50%。此外，阿里云计算 GPT-4 级模型 Qwen-Long 降价 97% 至 0.0005 元(18)/ 千 tokens，且支持千万 tokens 超长文本输入。
按量计费模式：阿里云采用按量计费模式，根据用户的实际使用量收费。这种模式为用户提供了灵活性，也为阿里云带来了稳定的收入。
模型矩阵策略：阿里云构建了完整的模型矩阵，从基础模型到高级模型，满足不同用户的需求。例如，其 Qwen 系列模型覆盖了从入门级到高级的多个档次，为用户提供了丰富的选择。
生态整合：阿里云将 MaaS 服务与其强大的云计算基础设施和其他 AI 服务深度整合，为用户提供一站式解决方案。这种整合策略增强了用户粘性，也提高(2)了客户转化率。
未来投入：阿里云宣布未来三年将投入 3800 亿元发展 AI 业务，这一巨大投入将进一步强化其在 MaaS 市场的竞争力。
3.2.3 智谱 AI 商业模式分析
智谱 AI 是中国领先的 AI 公司，其商业模式具有以下特点：
模力社区*******-MaaS 平台**：智谱 AI 推出了模力社区 - MaaS 平台，为入驻企业提供专属 “模型池”。平台依托智谱原创 GLM 大模型技术，促进 "(56)大模型 +“政务服务、医疗、金融、交通等领域跨界融合，形成” 上下楼即上下游 " 的产业闭环。
MaaS 开放平台：智谱 AI 推出(56)的 MaaS 开放平台（bigmodel.cn）已经吸引了 70 万企业和开发者用户。该平台为用户提供了便捷的模型调用接口和丰富的模型资源。
专属模型服务：智谱 AI 为模力社区企业提供专属 “模型池”，涵盖模型 token 及场景应用的全链路能力支撑，享受低成本、(56)推理速度快、更全面的模型服务。这种专属服务模式为智谱 AI 创造了高价值的收入来源。
政府合作：智谱 AI 积极与各地政府合作，推动 MaaS 平台在政务领域的应用。例如，智谱 AI 落地上海浦东模力社区，并发布了模力社区 - 智谱大模型 MaaS 平台，帮助地方政府赋能(56)当地产业应用大模型和构筑智能体，培育城市 AI 生态。
技术积累：智谱 AI 在 AI Agent 领域具有深厚的技术积累，可以服务(56)于社区企业利用大模型和 Agent 进行业务转型和升级。这种技术优势为其商业模式提供了坚实的基础。
3.3 MaaS 商业模式对比分析
通过对比不同 MaaS 平台的商业模式，我们可以发现以下几个关键差异：
3.3.1 盈利模式对比
| 平台 | 主要盈利模式 | 特点 |
|---|---|---|
| Runway | 订阅制 + 企业定制 | 分层定价，满足不同用户需求；高价值定制服务 |
| Hugging Face | 付费增值 + API 服务 | 开源 + 商业双轨模式；灵活的 API 计费 |
| OpenAI | API 服务 + 企业定制 | 按 Token 计费；高价值企业定制 |
| 百度智能云 | 调用量 + 促成交易规模双收费 | 高客户留存率；生态整合优势 |
| 阿里云 | 按量计费 + 降价策略 | 低价策略抢占市场；完整的模型矩阵 |
| 智谱 AI | 专属模型服务 + 开放平台 | 高价值专属服务；政府合作推动 |
3.3.2 目标用户对比
| 平台 | 主要目标用户 | 用户规模 |
|---|---|---|
| Runway | 内容创作者、广告剪辑师、电影 / 后期制作从业者 | 约 10 万客户 |
| Hugging Face | AI 开发者、研究机构、企业开发者 | 庞大的开发者社区 |
| OpenAI | 企业开发者、研究机构、高端用户 | 广泛的企业和个人用户 |
| 百度智能云 | 中国企业用户、开发者 | MaaS 市场市占率 32.4% |
| 阿里云 | 中国企业用户、开发者 | 广泛的云服务用户基础 |
| 智谱 AI | 企业用户、政府机构 | 70 万企业和开发者用户 |
3.3.3 技术路线对比
| 平台 | 技术路线 | 特点 |
|---|---|---|
| Runway | 自研视频生成模型 (Gen 系列) | 影视级视频生成；云端协作 |
| Hugging Face | 开源框架 + 第三方模型 | 强大的社区生态；灵活的模型选择 |
| OpenAI | 自研大模型 (GPT 系列) | 技术领先；模型能力强大 |
| 百度智能云 | 文心大模型 + 生态整合 | 中文场景优化；百度生态整合 |
| 阿里云 | 通义千问 + 云计算整合 | 强大的云计算基础设施；模型矩阵完整 |
| 智谱 AI | GLM 大模型 + 专属模型池 | 垂直领域优化；产业闭环 |
3.3.4 成本结构对比
| 平台 | 主要成本 | 成本控制策略 |
|---|---|---|
| Runway | 研发投入 + 算力成本 | 分层定价；高效资源利用 |
| Hugging Face | 研发投入 + 社区运营 | 开源策略降低开发成本；社区贡献 |
| OpenAI | 模型训练 + 服务器租赁 | 按使用量收费；企业定制高利润 |
| 百度智能云 | 算力成本 + 研发投入 | 生态整合摊薄成本；高客户留存 |
| 阿里云 | 算力成本 + 基础设施 | 规模效应；低价策略扩大市场 |
| 智谱 AI | 模型开发 + 平台运营 | 专属服务高定价；政府合作 |
3.3.5 市场策略对比
| 平台 | 市场策略 | 差异化优势 |
|---|---|---|
| Runway | 订阅制 + 高端定制 | 影视级视频生成能力；创意工具 |
| Hugging Face | 开源 + 商业双轨 | 强大的开发者社区；灵活的服务模式 |
| OpenAI | 技术领先 + 企业定制 | 最先进的模型技术；高价值服务 |
| 百度智能云 | 生态整合 + 高客户留存 | 中文场景优化；百度生态优势 |
| 阿里云 | 低价策略 + 模型矩阵 | 强大的云计算基础设施；规模效应 |
| 智谱 AI | 垂直领域 + 政府合作 | 专属模型服务；产业闭环 |
四、MaaS 商业模式的优势与劣势分析
4.1 MaaS 商业模式的优势
4.1.1 降低技术门槛与成本
MaaS 最显著的优势是降低了 AI 技术的应用门槛和成本。对于中小企业而言，自行建立和训练模型需要(27)耗费大量的人力、物力和财力，包括招聘专业的数据科学家，购买昂贵的计算设备等。而 MaaS 模式使得它们能够以较低的成本获取模型，进而(27)满足自身的业务需求，像客户细分、预测性维护等业务都可以借助 MaaS 模式实现。
具体来说，MaaS 提供了一种成本效益高且部署迅速(27)的解决方案，无论是大型企业、中型企业还是小型企业，都可以利用先进的 AI 模型。例如，某中小型电商企业通过调用先知大模型的推荐模型服务(68)，仅用 3 天就成功上线个性化推荐系统，初期投入不足传统定制开发的 1/5。
4.1.2 加速 AI 应用落地
MaaS 模式大大缩短了 AI 应用的开发周期，加速了 AI 技术的落地应用。通过 API 快速集成 AI 功能，企业可以将精力集中在业务逻辑上，而无需关注底层(67)的算法和基础设施。
例如，蓝耘元生代 MaaS 平台通过标准化 API 工作流，让开发者无需关注底层架构，只需聚焦业务逻辑，即可在 3 小时(42)内完成智能客服系统的搭建与上线。这种高效率的开发体验极大地加速了 AI 应用的落地。
此外，模型更新由服务商负责，用户始终使用最新(67)版本的模型，无需自行更新和维护。这种持续的模型更新确保了用户能够始终使用最先进的 AI 技术。
4.1.3 灵活可扩展的(67)服务模式
MaaS 提供了灵活可扩展的服务模式，用户可以根据业务需求动态调整计算资源。这种灵活性对于业务波动较大的企业尤为重要。
例如，百度文心一言 4.0 实施限速分级计费模式，用户可根据所需 TPM（Tokens per Minute）和 RPM（Requests(18) per Minute）速率需求购买相应数量的 TPM 配额（按月付），且在突增峰值流量时购买额外的 TPM 配额包（按小时付），灵活满足(67)用户的使用速率需求。
此外，MaaS 支持多种模型类型（如文本、图像、语音），满足不同业务场景的需求。这种多样性使得 MaaS 能够广泛应用于自然语言处理、计算机视觉、语音处理等多个领域。
4.1.4 降低运维负担
MaaS 模式将模型部署、更新与(67)扩展等运维工作交给服务商负责，大大减轻了企业的运维负担。云平台自动管理模型部署、更新与扩展，企业无需担心硬件故障、软件更新等问题(68)。
例如，某三甲医院接入先知 AI 的 MaaS 服务后，成功实现了 CT 影像智能分析提速 4 倍，同时完整保留了数据主权，而无需担心模型的维护和更新问题。这种 “零运维” 的体验极大地降低了企业的技术门槛。
4.1.5 促进技术创新与合作
MaaS 模式促进了技术创新与合作，通过开放的 API 和平台，不同企业和开发者可以共同构建丰富的 AI 应用生态。例如，魔搭社区已汇聚超 500 家贡献机构(58)，模型总量超 7 万个，并服务了 36 个国家超 1600 万开发者。这种开放的生态环境促进了技术的快速迭代和创新。
此外，MaaS 提供商通常会提供丰富的开发工具和文档，帮助用户快速上手。例如，蓝耘元生代 MaaS 平台提供了详细的 API 文档和示例代码，帮助开发者快速集成(42)AI 功能。这种支持体系促进了技术的普及和应用。
4.2 MaaS 商业模式的劣势
4.2.1 高成本与盈利压力
MaaS 提供商面临着高昂的成本压力，特别是算力成本。以 DeepSeek-R1 为例，其满负荷运行时，单日需处理 1000 亿 token(2)，仅 GPU 租赁成本就高达每月 4.5 亿元。这种高成本使得 MaaS 提供商面临巨大的盈利压力。
对于中小 MaaS 厂商来说，单纯依靠倒卖(1)DeepSeek API 这类服务，在成本居高不下、盈利模式不清晰的情况下，无疑是赔本赚吆喝。一位 AI Infra 从业者表示，MaaS 公司目前有两种收费模式：一是企业调用 API，按 token 结算；二是月费会员，但这两种模式都难以覆盖高昂的成本。
4.2.2 价格战与盈利空间压缩
MaaS 市场竞争激烈，价格战成为主要竞争手段，导致盈利空间被极大压缩。例如，阿里云百炼平台上的 Q(18)wen-Turbo 价格直降 85%，低至百万 tokens 0.3 元。这种低价策略虽然能抢占市场份额，但也大幅压缩了利润空间。
对于中小厂商而言，价格战更是致命打击。当 DeepSeek 官方公布的成本价越来越低，第三方 MaaS 厂商若无法提供与官方成本和性能接近或者(1)更优的服务，盈利空间将被极大压缩，甚至陷入亏损的泥沼。
4.2.3 数据隐私与安全风险
MaaS 模式涉及大量用户数据(29)的传输和处理，面临严峻的数据隐私与安全风险。随着《数据法案》于 2025 年 9 月 12 日正式实施，MaaS 提供商需要遵守更严格的数据保护法规。
该法案规定，数据持有者违反向用户、数据接收者及欧盟公共部门共享数据义务的行为，将可能被处以数据处理者上一年度全球营业额(29)的 4% 或两千万欧元的行政罚款。这增加了 MaaS 提供商的合规风险和成本。
此外，MaaS 提供商需要采取一切合理的技术、法律和组织(29)等保障措施，包括合同安排，防止第三方非法获取非个人数据，包括防止向非欧盟或非欧洲经济区成员国非法传输非个人数据。这些要求增加了 MaaS 提供商的运营复杂性和成本。
4.2.4 模型定制化能力有限
虽然 MaaS 提供商提供了丰富的预训练模型，但在面对(16)特定行业的深度需求时，通用模型的表现往往不尽如人意。例如，在医疗、金融等高度专业化的领域，企业通常需要定制化的模型来满足特定需求(16)。
虽然 MaaS 提供商也提供定制化模型服务，但这类服务通常价格高昂且交付周期长。这使得 MaaS 在面对深度行业需求时显得力不从心。
4.2.5 技术依赖与锁定风险
MaaS 用户对提供商的技术存在依赖性，面临技术锁定的风险。如果 MaaS 提供商停止服务或技术路线发生变化，用户可能需要重新迁移到其他平台，这将带来额外的成本和风险。
此外，不同 MaaS 提供商的 API 和服务接口存在差异，用户在切换提供商时需要付出额外的开发成本。例如，从 OpenAI 迁移到 Hugging Face 可能需要重新调整代码和工作流程，这增加了用户的迁移成本。
五、MaaS 商业模式面临的挑战与未来趋势
5.1 MaaS 商业模式面临的挑战
5.1.1 算力成本持续高企
算力成本是 MaaS 商业模式面临的最大挑战之一。以 DeepSeek-R1 为例，其满负荷运行(2)时，单日需处理 1000 亿 token，仅 GPU 租赁成本就高达每月 4.5 亿元。这种高昂的算力成本使得 MaaS 提供商难以实现盈利。
为应对这一挑战，MaaS 提供商采取了多种措施。例如，首都在线通过优化卡间互联拓扑结构、运用动态负载感知及高效并行化策略，成功构建(3)近万卡高速互联推理集群，显著提升了资源利用率。此外，采用国产芯片也成为降低成本的有效途径，如首都在线与华为昇腾芯片合作，完成了门头(3)沟国产智算集群的建设。
5.1.2 数据隐私与合规要求提高
随着《数据法案》等法规的实施，MaaS 提供商面临更严格的数据隐私与合规要求。该法案适用的范围广泛，并具有一定的域外适用效力，包括位于欧盟境内外的欧盟市场内的互联产品制造商和相关服务提供商(29)，以及向欧盟境内客户提供相关服务的数据处理服务提供商。
这意味着 MaaS 提供商需要在全球范围内遵守不同的数据保护法规，增加了合规(29)成本和复杂性。数据处理者违反《数据法案》规定义务的行为，将可能被处以数据处理者上一年度全球营业额的 4% 或两千万欧元的行政罚款。这种高额罚款增加了 MaaS 提供商的合规风险。
5.1.3 技术快速迭代与更新压力
AI 技术迭代速度极快，MaaS 提供商(14)需要不断跟进最新的模型技术，保持服务的竞争力。例如，Runway 在 2025 年 3 月推出了 Gen-4 模型，该模型具有增强的逼真度和运动能力。这种快速的技术迭代给 MaaS 提供商带来了巨大的更新压力。
对于中小 MaaS 提供商来说，跟上技术迭代的步伐尤为困难。由于研发资源有限，它们往往无法及时采用最新的模型和技术，导致服务竞争力下降。
5.1.4 市场竞争加剧与盈利模式不清晰
MaaS 市场竞争激烈，尤其是大型云厂商的加入，使得市场格局更加复杂。一边是中小厂商的悄然隐退，一边是云巨头的大肆进攻，2025 年云(2)市场竞争，由 MaaS 模式的商业化分野，写下开篇。
这种竞争格局导致价格战加剧，盈利模式不清晰。各大厂和模型厂的 API 服务大多亏本(1)，真正有收益的往往是定制开发或者私有化等合作项目。这使得 MaaS 提供商面临巨大的盈利压力。
5.1.5 资源调度与稳定性挑战
MaaS 服务需要应对流量波动和资源调度的挑战。AI 模型的算力需求并非稳定线性增长。用户可能在白天集中调用服务，深夜需求骤(2)降，但为了应对流量峰值，不得不预留数倍冗余算力，让中小厂商不堪重负。
以硅基流动为例，日均调用量千亿 token，远低于大厂的万亿(2)级规模。这种 “小水管” 式的调用模式，导致算力资源无法通过 “削峰填谷” 实现高效复用，服务器在业务低峰期大量闲置，进一步推高边际成本。
此外，MaaS 作为企业服务高度依赖服务稳定性与资源灵活调度能力。MaaS 服务的稳定性要求企业能够应对突发的流量波动。以电商(2)大促场景为例，AI 推理请求量可能在短时间内激增数十倍，若算力资源无法动态扩容，将直接导致服务延迟甚至崩溃。
5.2 M(16)aaS 商业模式的未来趋势
5.2.1 垂直行业深度应用
未来 MaaS 将更聚焦于医疗、金融、制造等行业，提供更专业的解决方案。这种垂直化趋势将帮助 MaaS 提供商在特定领域建立竞争优势，提高客户粘性和盈利能力。
例如，在医疗领域，MaaS 可以提供医学影像分析、疾病预测等专业服务；在金融领域，可以提供风险评估、欺诈检测等解决方案；在制造领域，可以提供质量检测、预测性维护等应用。这种垂直化的应用将为 MaaS 带来更广阔的市场空间。
5.2.2 边缘计算与端云协同
随着 5G 和物联网发展，MaaS(16)可能向边缘设备延伸，降低延迟并提高隐私保护。边缘计算将部分 AI 处理能力从云端下移到边缘设备，实现端云协同的计算模式。
这种趋势将为 MaaS 带来新的应用场景和商业模式。例如，在智能家居、智能交通等领域，边缘 MaaS 可以提供实时的 AI 服务，同时保护用户隐私。
5.2.3 开源与商业化的平衡
许多 MaaS 公司（如 Hugging Face）采用 “开源 + 付费” 模式，未来如何平衡(16)社区贡献与商业变现仍是关键。这种模式在保持技术开放性的同时，也为公司创造了盈利渠道。
根据 Accenture 测算，2025 年全球(45)开源大模型衍生市场将达 430 亿美元，远超闭源模型的 290 亿美元。这表明开源模式将在未来的 MaaS 市场中占据重要地位。
为了平衡开源与商业化，MaaS 提供商需要建立更加完善的生态体系，通过增值服务和企业定制等方式实现盈利，同时保持社区的活力和创新。
####(16) 5.2.4 联邦学习与隐私计算
为满足数据合规要求，MaaS 可能采用联邦学习技术，使模型训练不依赖集中式数据。联邦学习允许各参与方在不共享原始数据的情况下共同训练模型，保护了数据隐私。
此外，隐私计算技术（如安全多方计算、同态加密等）也将在 MaaS 中得到广泛应用，确保数据在共享和处理过程中的安全性和隐私性。
5.2.5 混合盈利模式创新
未来 MaaS 的盈利模式将(66)更加多元化和灵活，混合盈利模式将成为主流。例如，“基础功能按年订阅，高阶服务（如多模态交互、定制知识库）按需付费” 的混合模式，提供 “按量付费 + 订阅制” 混合方案，企业可根据业务周期动态调整资源，综合成本降低 30%-50%。
此外，基于强化学习的模型商品化推荐(33)系统也可能成为 MaaS 盈利模式的创新方向。例如，通过构建一个基于模型的在线交易商城，让用户可以选择多个模型进行处理，并根据模型的表现进行奖励和计费。
5.2.6 行业标准化与互操作性提升
随着 MaaS 市场的成熟，行业标准化和互操作性将成为重要趋势。例如，江苏省人工智能产业标准体系建设指南（2025 版）提出，制定模型部署架构、接口协议、安全隔离机制等标准，提升模型即用性，降低中小企业应用门槛。
这种标准化将促进不同 MaaS 平台之间的互操作性，降低用户的迁移成本，推动 MaaS 市场的健康发展。同时，标准化也将提高 MaaS 服务的质量和安全性，增强用户信任。
六、MaaS 商业模式的投资与创业建议
6.1 投资者视角的 MaaS 商业模式评估
6.1.1 投资机会识别
从投资者角度看，MaaS 市场存在以下几个投资机会：
垂直领域 MaaS 平台：专注于医疗、金融、制造等特定行业的 MaaS 平台具有较高的投资价值。这些平台能够提供更专业的解决方案，满足行业(16)深度需求，具有更高的客户粘性和盈利能力。例如，专注于医疗影像分析的 MaaS 平台在医疗领域具有广阔的应用前景。
AI 基础设施服务商：随着 MaaS 市场的发展，对 AI 基础设施的需求将持续增长。投资于 AI 芯片、算力基础设施、模型优化技术等领域的企业，有望(3)从 MaaS 的增长中获益。例如，首都在线通过布局智算集群，管理芯片规模近 2 万片，在 MaaS 基础设施领域建立了竞争优势。
行业数据服务提供商：MaaS 的发展离不开高质量的行业数据。投资于行业数据收集、标注和管理的企业，将在 MaaS 生态中占据重要位置。例如，能够提供医疗、金融等专业领域高质量数据集的企业，具有较高的投资价值。
AI 应用开发商：MaaS 为 AI 应用开发提供了便捷的工具和服务，投资于基于 MaaS 平台的 AI 应用开发商，也是一个不错的选择。例如，专注于智能客服、智能营销等领域的 AI 应用开发商，能够通过 MaaS 快速构建和部署应用，降低开发成本。
6.1.2 投资风险评估
投资 MaaS 领域也面临一些风险，需要谨慎评估：
技术风险：AI 技术迭代速度快，存在技术路线选择错误的风险。投资者需要关注 MaaS 提供商的技术研发能力和技术路线规划，评估其技术的可持续性和竞争力。
市场风险：MaaS 市场竞争激烈，价格战可能导致盈利能力下降。投资者需要评估 MaaS 提供商的市场定位和竞争策略，判断其在激烈竞争中的生存能力。
合规风险：随着《数据法案》等法规的实施，MaaS 提供商面临更高的合规要求和风险。投资者需要关注 MaaS 提供商的数据安全和隐私保护措施，评估其合规风险。
盈利模式风险：部分 MaaS 提供商的盈利模式尚不清晰，存在长期亏损的风险。投资者需要深入分析 MaaS 提供商的盈利模式和成本结构，评估其盈利能力和可持续性。
6.1.3 投资策略建议
基于 MaaS 市场的特点和发展趋势，提出以下投资策略建议：
差异化投资：优先投资具有差异化竞争优势的 MaaS 提供商，如在特定行业、特定技术或特定应用场景具有独特优势的企业。例如，专注于视频生成的 Runway(9)在创意领域具有独特优势。
生态投资：关注 MaaS 生态中的关键环节，如模型开发、算力基础设施、应用开发等，进行生态化投资(22)。例如，投资于 Hugging Face 这样的开源平台，可以同时受益于模型开发和应用生态的发展。
长期投资：MaaS 是一个长期发展的领域，投资者应采取长期投资策略，关注企业的长期竞争力和发展潜力。例如，阿里云宣布未来三年将投入 3800 亿元发展 AI 业务(2)，这种长期投入将为其在 MaaS 市场的长期发展奠定基础。
风险分散：由于 MaaS 市场存在多种不确定性，投资者应采取分散投资策略，将资金分散到不同类型、不同领域的 MaaS 相关企业，降低投资风险。
6.2 创业者视角的 MaaS 商业模式构建
6.2.1 创业方向选择
对于创业者来说，MaaS 领域存在以下几个有前景的创业方向：
垂直领域 MaaS 平台：专注于特定行业的 MaaS 平台是一个理想的创业方向。创业者可以选择医疗、金融、教育等垂直领域，提供专业化的 AI 模型和服务。例如，某三甲医院(68)接入先知 AI 的 MaaS 服务后，成功实现了 CT 影像智能分析提速 4 倍，这种垂直领域的应用具有较高的商业价值。
模型优化与加速技术：针对 MaaS 的算力成本问题，开发模型优化和加速技术是一个有前景的方向。例如，通过模型剪枝、蒸馏等优化手段降低推理成本，聚焦(1)医疗、金融等细分场景构建垂直解决方案。
行业数据服务：为特定行业提供高质量的数据收集、标注和管理服务，也是一个有价值的创业方向。这些数据可以用于训练更专业的行业模型，为 MaaS 提供商和行业用户创造价值。
低代码 / 无代码 MaaS 工具：开发低代码或无代码的 MaaS 工具，降低 AI 应用的开发门槛，也是一个有前景的方向。例如，蓝耘元生代 MaaS 平台通过标准化 API 工作流，(42)让开发者无需关注底层架构，即可快速完成智能客服系统的搭建与上线。
6.2.2 商业模式设计
创业者在设计 MaaS 商业模式时，应考虑以下几个关键要素：
混合盈利模式：采用 “基础功能免费 + 高级功能付费”、“订阅制 + 按需付费” 等混合盈利模式，提高收入的稳定性和灵活性。例如，赖耶科技推出的 “邀请注册奖励” 活动，每邀请 1 位新用户注册并完成授权，邀请者即可免费获得 14 元 token 资源包，这种模式既吸引了新用户，又提高了现有用户的活跃度。
价值导向定价：基于提供的价值而非成本进行定价，提高盈利能力(66)。例如，按结果付费模型（如 AI 解决单次问题的成本低于人工的 30%）可以优先选择。
生态合作：与行业合作伙伴建立紧密的生态合作关系，共同开发行业解决方案。例如，模力社区与智谱以 “模型即服务” 模式推动 “大模型 +” 行动，促进 “大模型 +” 政务服务、医疗、金融(56)、交通等领域跨界融合，形成 “上下楼即上下游” 的产业闭环。
轻资产运营：采用轻资产运营模式，降低初始投资和运营成本。例如，通过与云服务商合作，利用其算力资源，避免自建基础设施的高额投入。
6.2.3 技术路径选择
在技术路径选择上，创业者应考虑以下几点：
开源技术利用：充分利用开源技术降低研发成本，加速产品迭代。例如，Hugging Face 通过开源策略(22)吸引了大量开发者，构建了强大的社区生态。
国产技术路线：考虑采用国产芯片和技术路线，降低成本并提高合规性。例如，首都在线(3)与华为昇腾芯片合作，完成了门头沟国产智算集群的建设，实现了金融、教育等行业的落地应用。
模型轻量化：采用模型剪枝、蒸馏等技术，降低模型的计算资源需求，提高部署灵活性。例如，通过模型蒸馏技术，将大型复杂模型的知识转移到小型高效模型中，推出 DeepSeek(2)一体机，实现低门槛模型微调和多场景适配，大幅降低了企业使用 AI 的门槛。
边缘计算：探索边缘计算与 MaaS 的结合，降低延迟并提高隐私保护。例如，在智能家居、智能交通等领域，边缘 MaaS 可以提供实时的 AI 服务，同时保护用户隐私。
6.2.4 运营策略建议
创业者在运营 MaaS 业务时，应注意以下几点：
聚焦垂直场景：避免与巨头在通用模型上正面交锋，聚焦特定(1)行业的垂直场景，提供更专业的解决方案。例如，颜阳博士建议，中小公司需抓住 “尤里卡时刻” 实现技术突破，聚焦医疗、金融等细分场景构建垂直解决方案。
用户获取策略：采用邀请奖励、企业认证优惠等策略，快速扩大用户基础。例如，趣算云推出 "按需付费"Token 推理服务，用户扫码注册可立得 15 元算力券，这种策略有效吸引了新用户。
数据安全与合规：建立完善的数据安全与隐私保护机制，确保符合相关法规要求。例如，在数据传输和处理中，采用更先进的加密技术和安全防护措施，防止用户数据泄露滥用。
持续迭代(14)：保持技术的持续迭代和创新，跟上行业发展趋势。例如，Runway 在 2025 年 3 月推出了 Gen-4 模型，不断提升产品竞争力。
七、结论与展望
7.1 MaaS 商业模式的核心价值总结
MaaS 商业模式通过将 AI 模型服务化，为企业提供了一种低成本、高效率的 AI 应用方式。其核心价值主要体现在以下几个方面：
降低技术门槛：MaaS 使企业无需自行构建和训练模型，通过 API(27)即可获取先进的 AI 能力，大幅降低了技术门槛和应用成本。例如，某中小型电商企业通过调用先知大模型的推荐模型服务，仅用 3 天就成功上线(68)个性化推荐系统，初期投入不足传统定制开发的 1/5。
提高效率与灵活性：MaaS 提供了灵活的服务模式，企业可以根据业务需求(68)动态调整资源，提高效率并降低成本。例如，某物流企业应用智能调度系统之后，单车日均行驶里程减少了 15%，燃油成本年节省超过 800 万元。
促进创新与合作：MaaS 促进了 AI 技术的创新和应用，通过开放的 API 和平台，不同企业和开发者可以共同构建丰富的 AI(58)应用生态。例如，魔搭社区已汇聚超 500 家贡献机构，模型总量超 7 万个，并服务了 36 个国家超 1600 万开发者。
加速数字化转型：MaaS 为企业的数字化转型提供了强大动力，帮助企业快速实现智能化升级。例如，通过 MaaS 平台，企业可以快速构建智能客服、智能营销等应用，提升用户体验和运营效率。
7.2 MaaS 商业模式的演进路径
MaaS 商业模式将沿着以下路径不断演进：
(16)从通用到垂直：MaaS 将从通用模型服务向垂直行业深度应用演进，提供更专业、更高效的解决方案。例如，在医疗、金融、制造等领域，MaaS 将提供更贴合行业需求的专业服务。
从云端到边缘：随着边缘计算技术的发展，MaaS 将从纯云端服务向端云协同模式(16)演进，实现更低延迟、更高隐私保护的 AI 服务。例如，在智能家居、智能交通等领域，边缘 MaaS 将发挥重要作用。
从单一到融合：MaaS 将从单一模型服务向多模态、多模型融合服务演进，提供更全面的 AI 能力。例如，结合文本、图像、语音等多种模态的 MaaS 服务，将为用户提供更丰富的应用体验。
从封闭到开放：MaaS 将从封闭的专有模型向开放的生态系统演进，促进技术创新和应用拓展(22)。例如，Hugging Face 等平台通过开源策略，构建了强大的开发者社区和丰富的模型生态。
7.3 MaaS 商业模式的未来展望
展望未来，MaaS 商业模式将呈现以下发展趋势：
市场规模持续扩大：据量子位预测，至 2027 年，MaaS 模式(18)市场规模占比预计从 2023 年的 5% 提升到 47%，成为 AIGC 产业的主流商业模式。这表明 MaaS 将在未来几年内迎来快速增长。
技术与商业深度融合：MaaS 将实现技术与商业的深度融合，通过技术创新和商业模式创新，创造更大的商业价值。例如，基于强化学习的(33)模型商品化推荐系统，可能成为 MaaS 盈利模式的创新方向。
生态系统更加完善：MaaS 的生态系统将更加完善，形成包括模型(58)提供商、算力服务商、应用开发商、行业用户在内的完整生态链。例如，魔搭社区已汇聚超 500 家贡献机构，形成了完整的 AI 模型生态。
全球化与本地化并行：MaaS 将在全球范围内快速发展，同时注重本地化适配和服务。例如，中国 MaaS 用户规模将从 2025 年的(41)2.1 亿增至 2030 年的 5.8 亿，渗透率从 19% 攀升至 42%，远超同期北美地区 26% 的平均水平。
合规与安全成为标配：随着《数据法案》等法规的实施，数据隐私与安全将成为 MaaS 服务的基本要求。MaaS 提供商将建立更加完善的数据安全与隐私保护机制，(29)确保服务的合规性和安全性。
总之，MaaS 商业模式通过将 AI 模型服务化，正在重塑 AI 产业的商业格局。随着技术的进步和市场的成熟，MaaS 将为企业提供更加高效、便捷、安全的 AI 应用方式，推动 AI 技术在各行业的广泛应用和深度融合，为数字经济的发展注入新的动力。
**参考资料 **
[1] MaaS厂商“骨感”生存破局_21世纪经济报道 http://m.toutiao.com/group/7477930799883616768/?upstream_biz=doubao
[2] 大厂加码，小厂离席:DeepSeek驱动的MaaS之变-36氪 https://36kr.com/p/3201651932052867
[3] 首都在线2025年一季报:亏损缩减，智算业务引领毛利率提升，成为增长核心动能 https://finance.sina.com.cn/jjxw/2025-04-28/doc-ineusxkz6728203.shtml
[4] MaaS是大模型能力落地输出的新业态 MaaS（Model-as-a-Service），模型即服务，是指以云计算为基础，将大模型作为一项服务提供给用户使用的新业态。
MaaS模式已成为各家云巨头厂商发展第一战略优先级，把模型作为重要的生产元素，依托于既有IaaS设施与PaaS平台架构，为下游客户提供以大模型为核心的数据处理、特征工程、模型训练、模型调优、推理部署等服务。未来，顺应大模型开源趋势，MaaS服务商将着力打造大模型商店平台，发力大模型生态建设，纳入更多允许商用的开源模型，提升平台的基模类型及能力，并丰富工具链产品服务，通过业务积累、数据回流、模型迭代逐步形成壁垒，在拉高云服务营收天花板的同时进一步塑造厂商的核心竞争力。-抖音 https://www.iesdouyin.com/share/video/7319803382275919154/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7319803468292999974®ion=&scene_from=dy_open_search_video&share_sign=QEmkTNcf2VJeNbxkKx7i65nY5I54VKkg5dOIDkJkHkw-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1757177864&u_code=0&video_share_track_ver=&with_sec_did=1
[5] 月亏4亿还是毛利545%？MaaS商业模式大揭秘！ 今天咱们来聊聊大模型领域超火的 MaaS 商业模式，这背后可谓是争议不断。-抖音 https://www.iesdouyin.com/share/video/7477931062966881536/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7477931036878687027®ion=&scene_from=dy_open_search_video&share_sign=euRqDi8hDNdoeiDcqCSrmvceiL1_KP.sBeMihb.Ij4w-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1757177864&u_code=0&video_share_track_ver=&with_sec_did=1
[8] Mobility-As-A-Service Market Analysis, Size, and Forecast 2025-2029: North America (US and Canada), Europe (France, Germany, Italy, UK), Middle East and Africa , APAC (China, India, Japan, South Korea), South America , and Rest of World (ROW) https://www.technavio.com/report/mobility-as-a-service-market-industry-analysis?amp
[9] runway:创意民主化 http://m.toutiao.com/group/7520441186709144079/?upstream_biz=doubao
[10] 【平民化VS黑科技】 ——AI视频工具赛道中Filmora与Runway的差异化生存法则 | 人人都是产品经理 https://www.woshipm.com/evaluating/6197005.html
[11] 两大AI视频独角兽竞逐新融资!投前估值360亿、230亿_智东西 http://m.toutiao.com/group/7535355036872851987/?upstream_biz=doubao
[12] 速递|AI视频生成竞赛:Runway估值50亿融资5亿美元，Luma计划融资11亿美元_ZPotentials http://m.toutiao.com/group/7535737787883143721/?upstream_biz=doubao
[13] 速递 | Luma与Runway冲刺百亿估值，视频生成模型背后的产业变革-腾讯新闻 https://view.inews.qq.com/a/20250814A06O0300
[14] What Are Runway Company’s Growth Strategy and Future Prospects? https://canvasbusinessmodel.com/blogs/growth-strategy/runway-growth-strategy
[15] AI视频天花板再升级！5分钟带你了解runway Aleph 🔥runway新发布的Aleph模型，又升级了AI生视频的能力上限！
只需要说一句话，
就能改掉视频里的一切。
这真是剪辑小白、影视后期人员的福音！
真正实现了动动嘴就能P视频，今天一口气带大家实际体验一下，这里我总结了7大应用场景。
[16] 模型即服务(MaaS)盈利模式，企业如何通过AI模型变现?-日本人工智能展 https://www.japanai.cn/2025/06/519/
[17] AI 商业模式 人工智能(AI)的商业模式多种多样，核心在于如何将技术能力转化为可持续的盈利方式。以下是当前主流的AI商业模式分类及典型… https://xueqiu.com/9886749338/325621379
[18] 人工智能行业专题报告:AI应用大航海，4种变现路径及定价对比|美元_新浪财经_新浪网 https://finance.sina.com.cn/stock/stockzmt/2025-02-12/doc-inekfnkz5865671.shtml
[19] Hugging Face Business Model: A Comprehensive Analysis https://www.hulkapps.com/nl/blogs/ecommerce-hub/hugging-face-business-model-a-comprehensive-analysis
[20] 2025年AI系列专题报告:AI商业化路径到底会怎么出现在国内? - 报告精读 - 未来智库 https://m.vzkoo.com/read/20250825fda3068bcd2e1cecd8e28e22.html
[22] 全球最大开源AI社区 Hugging Face宣布盈利 网友：站着把钱挣了！CEO表示，目前团队规模已达220人，盈利并不是他们的目标，因为账上还趴着一堆钱……-抖音 https://www.iesdouyin.com/share/video/7392874930573954315/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7392874934336228122®ion=&scene_from=dy_open_search_video&share_sign=vFzRx8T2c1Unj3hnn.E1.pc52J.pGQzZoOZQNskC_3s-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1757177898&u_code=0&video_share_track_ver=&with_sec_did=1
[23] 2025年中国云计算市场四大趋势前瞻，从零基础到精通，收藏这篇就够了!_2024中小企业上云率-CSDN博客 https://blog.csdn.net/bdfcfff77fa/article/details/146392022
[24] MaaS厂商破局之道:技术、商业与生态协同平衡_21世纪经济报道 http://m.toutiao.com/group/7477993354371138100/?upstream_biz=doubao
[25] 2025年10大AI趋势展望-CSDN博客 https://blog.csdn.net/yihanss/article/details/145678402
[26] 2025-2031年中国模型即服务(MaaS)行业市场 全景调研及发展前景研判报告(pdf) https://m.chyxx.com/pdf/31/94/1213194.pdf
[27] 2025-2029年中国未来产业之模型即服务(MaaS)行业深度调研及投资前景预测报告_发展_数据 https://m.sohu.com/a/873950313_255580/
[29] 中伦律师事务所官方网站 https://www.zhonglun.com/research/articles/52670.html
[33] 基于强化学习的模型商品化推荐系统及MaaS盈利模式分析_berkeley 7b model-CSDN博客 https://blog.csdn.net/sinat_37574187/article/details/145802691
[34] 大厂加码，小厂离席:DeepSeek驱动的MaaS之变 https://c.m.163.com/news/a/JQD2F3CK05118O92.html
[35] 【上证通信】MaaS商业模式迎边际改善，AIDC厂商或迎分化——通信行业周报(2025.2.24-2025.2.28) https://cj.sina.com.cn/article/norm_detail?froms=ttmp&url=https%3A%2F%2Ffinance.sina.com.cn%2Froll%2F2025-03-04%2Fdoc-inennyzf8500742.shtml%3Ffinpagefr=ttzz
[36] 专精特新“小巨人”& 单项冠军申报-垂类领域大模型MaaS产品行业市场占有率认证报告(2025)-中金企信发布_中小企业 https://m.sohu.com/a/865148734_120624718/
[37] 人工智能行业专题报告:AI应用大航海，4种变现路径及定价对比|saas|人工智能|大模型|大航海|算法_手机网易网 https://www.163.com/dy/article/JO7C23CA05568W0A.html
[38] 国产算力之巅！ 华为云ModelArts Studio大模型即服务平台（MaaS）
提供开箱即用的大模型开发工具链，从算力，模型，到应用，大大降低企业开发大模型应用的门槛。
模型广场：可以体验业界主流的各种开源大模型，有DeepSeek、智谱、Baichuan、零一万物的开源大模型。全都在昇腾AI云服务进行了全面的适配和优化。
在线推理：通过代码调用大模型API。支持REST API和OpenAI SDK。
模型调优：定制出企业自己业务的大模型。连调优的最佳参数，都帮你配置好了。
在AI Gallerry百模千态社区和应用体验中心，还有各种企业级解决方案。比如智能客服、数字人、Dify。-抖音 https://www.iesdouyin.com/share/video/7494678250426256649/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7494678205100149558®ion=&scene_from=dy_open_search_video&share_sign=CfOfMcoID0foJLOAfOQaKOJkhEUSHUoAyLDHyaP6mgI-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1757177972&u_code=0&video_share_track_ver=&with_sec_did=1
[39] 蓝耘元生代MaaS平台API实战:解锁千万Token福利，体验DeepSeek-R1基础大模型，开启智能应用新篇-CSDN博客 https://blog.csdn.net/beautifulmemory/article/details/148076639
[40] MaaS厂商破局之道:技术、商业与生态协同平衡 https://www.stcn.com/article/detail/1562894.html
[41] 2025至2030移动即服务(MaaS)行业产业运行态势及投资规划深度研究报告.docx-原创力文档 https://m.book118.com/html/2025/0829/8075123132007125.shtm
[42] 蓝耘 MaaS 平台 API 工作流开发实录:玩转智能客服搭建-CSDN博客 https://blog.csdn.net/2302_78391795/article/details/148346958
[43] Flux Image-to-Image 完全指南:2025年最新技术详解与实战教程核心价值承诺:15分钟掌握Flux I - 掘金 https://juejin.cn/post/7513059606546874402
[44] AI技术革新:HuggingFace推出成本突破的3D机械臂引领行业新趋势_自动化_机器人_硬件 https://www.sohu.com/a/891185289_121924584
[45] 开源大模型不担心别人复制吗 大模型公司选择开源，通常基于多重战略考量，涵盖技术生态构建、商业竞争布局和行业影响力扩展等多… https://xueqiu.com/1870617651/322044719
[48] 使用Ollama本地部署huggingface海量模型 【Ollama+Huggingface】使用Ollama本地部署huggingface海量模型，100%实现本地大模型部署-抖音 https://www.iesdouyin.com/share/video/7457148560837037346/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7457148667523746597®ion=&scene_from=dy_open_search_video&share_sign=IewwYwmYcQz8kEwSXzSgzq83Burs9zCo2i3LxdqdWNM-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1757177972&u_code=0&video_share_track_ver=&with_sec_did=1
[49] 拥抱未来的 AI 工具:Hugging Face，从聊天机器人到开源革命-CSDN博客 https://blog.csdn.net/qq_17153885/article/details/146516720
[50] HuggingFace:人工智能社区如何走通商业化之路?_模型_服务_的开发 https://www.sohu.com/a/633787325_121277755
[51] Hugging Face获得2亿美元D轮融资，或剑指超级独角兽 | 焦点分析-36氪 https://m.36kr.com/p/2400225043013763
[53] 大模型必备的四个开源工具 弄明白四个工具，就可以上手去做大模型了。第一个工具Hugging Face，提供了大量预训练的模型，支持免费的下载。第二个工具Pytorch，提供了各种硬件算子库，可以很快构造自己的深度学习模型。第三个工具Deep Speed，可以帮助你快速将模型放到多台设备上进行并行化的训练或推理。第四个工具LangChain，可以帮助你搭建具有专业知识能力，同时可以执行具体任务的框架。-抖音 https://www.iesdouyin.com/share/video/7345859116482579712/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7345859501406374719®ion=&scene_from=dy_open_search_video&share_sign=_bfc4pMLKsGRDgTOS.0I1YHxXdnDxUTvIlqd4IozG68-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1757178024&u_code=0&video_share_track_ver=&with_sec_did=1
[55] 百万年薪大模型工程师圣经 学懂hugging face 的这篇200字大模型训练手册百万年薪直通车-抖音 https://www.iesdouyin.com/share/video/7482216035567799604/?did=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&from_aid=1128&from_ssr=1&iid=MS4wLjABAAAANwkJuWIRFOzg5uCpDRpMj4OX-QryoDgn-yYlXQnRwQQ&mid=7482215991225977636®ion=&scene_from=dy_open_search_video&share_sign=IScKNALw_RDxH8ZcY62KGIKWIgirTmb3rpTfT28nAh0-&share_track_info=%7B%22link_description_type%22%3A%22%22%7D&share_version=280700&titleType=title&ts=1757178024&u_code=0&video_share_track_ver=&with_sec_did=1
[56] 大模型独角兽智谱落地上海浦东模力社区，MaaS平台走向社区化_21世纪经济报道 http://m.toutiao.com/group/7482383486435836451/?upstream_biz=doubao
[57] 绿色出行“中国方案”获国际赞誉 北京MaaS实践荣膺联合国最佳案例集_中国新闻网 http://m.toutiao.com/group/7528046623037915711/?upstream_biz=doubao
[58] 魔搭社区发布开发者激励计划 推出平台免费GPU算力支持_中国网资讯 http://m.toutiao.com/group/7521717011144245796/?upstream_biz=doubao
[59] 上海张江模力社区有了专属“模型池”，入驻企业可高效调用_澎湃新闻 http://m.toutiao.com/group/7481675136391758374/?upstream_biz=doubao
[60] 【MaaS应用系列】MaaS X Dify基于DeepSeek API快速构建一个网站智能客服-云社区-华为云 https://bbs.huaweicloud.cn/blogs/447127
[61] 神戸市:MaaSの构筑(pdf) https://203.136.136.17/documents/70698/4_kobe_maas.pdf
[63] 想用39.9 元重塑健身行业供需关系，BodyPark 3.0公测线上一对一私教平台 | 项目报道_36氪 http://m.toutiao.com/group/7536029068077072923/?upstream_biz=doubao
[64] 基于大模型下的商业创新模式有哪些?_案例_服务_虚拟 https://m.sohu.com/a/866838112_121869322/
[65] 2025年教育AI商业化加速:头部应用单月营收突破2亿大关-36氪 https://36kr.com/p/3262623359581954
[66] AI客服系统采购指南2025:五大定价模型对比与成本优化策略 - 合力亿捷云客服 https://www.7x24cc.com/help/innews/7113.html
[67] Deepseek带火的maas服务是什么(详解)-CSDN博客 https://blog.csdn.net/weixin_44088472/article/details/146218900
[68] 先知大模型MaaS:企业智能化转型的新选择_应用_服务_智先行 https://m.sohu.com/a/865101065_121956424/
（注：文档部分内容可能由 AI 生成）