M a a S變局：告別“模型超市”，下半場拼的是“硬基建”

如果只看數(shù)字，MaaS（模型即服務(wù)）賽道簡直烈火烹油。據(jù)公開資料顯示，2025年，硅基流動、阿里云百煉等平臺的上架模型數(shù)量紛紛破百，部分甚至逼近200大關(guān)。過去的兩年里，這場“模型貨架”的軍備競賽，幾乎定義了行業(yè)的入場券。

但到了2026年，一個(gè)讓所有平臺都無法回避的共識正在蔓延：把幾百個(gè)模型擺上貨架是一回事，讓開發(fā)者愿意在生產(chǎn)環(huán)境里真金白銀地長期跑起來，則是另一道完全不同的門檻。

當(dāng)潮水退去，MaaS賽道的游戲規(guī)則正在被重寫——焦點(diǎn)從“你能選多少”，變成了“你選完之后，業(yè)務(wù)能不能穩(wěn)穩(wěn)當(dāng)當(dāng)?shù)嘏芷饋怼薄?/p>

從“模型貨架思維”到“理性回歸”

過去兩年，MaaS平臺普遍將“模型數(shù)量”作為重要的競爭維度，模型種類的多寡也一度被消費(fèi)者視為平臺實(shí)力的象征。但隨著市場逐漸成熟，這條路徑的局限性也開始顯現(xiàn)。

首先，頭部模型趨同化。DeepSeek-V3.2、Qwen3等幾個(gè)核心生產(chǎn)級模型，已經(jīng)成了各家平臺的“標(biāo)配”。無論開發(fā)者登錄哪家MaaS，都能找到這些模型的標(biāo)準(zhǔn)API接口，甚至輸入輸出價(jià)格也高度一致。當(dāng)模型本身的能力差異被抹平，平臺層的差異化就只能向更底層的方向?qū)ふ摇?/p>

其次，長尾模型的生產(chǎn)級價(jià)值有限。客觀來看，部分平臺上的數(shù)百款模型中，真正被企業(yè)大規(guī)模投入生產(chǎn)環(huán)境的比例并不高。大量開源小模型缺乏針對高并發(fā)場景的性能優(yōu)化和SLA保障，在實(shí)際業(yè)務(wù)中難以承擔(dān)關(guān)鍵角色。模型數(shù)量多，并不等于可用性高。

更重要的是，開發(fā)者的關(guān)注點(diǎn)正在遷移。在過去的“模型貨架”思維主導(dǎo)階段，開發(fā)者更關(guān)心“能選多少個(gè)模型”；而隨著業(yè)務(wù)進(jìn)入生產(chǎn)環(huán)境，越來越多開發(fā)者開始追問：選定模型之后，我的業(yè)務(wù)能不能穩(wěn)定、可預(yù)期地跑起來？上限的吸引力，正在被下限的確定性所取代。

從“比拼參數(shù)”到“性能盲盒”的終結(jié)

2025年Q4以來，MaaS的競爭正式進(jìn)入第二階段。

今年年初，由清華大學(xué)背景團(tuán)隊(duì)領(lǐng)銜打造的一站式AI評測與API服務(wù)智能路由平臺“AI Ping”正式上線，各大服務(wù)商的模型性能指標(biāo)權(quán)重被進(jìn)一步放大。在AI Ping的北京發(fā)布會上。超算領(lǐng)域?qū)＜摇⒅袊こ淘涸菏俊⑶迦A大學(xué)教授鄭緯民在現(xiàn)場明確指出：AI Infra的焦點(diǎn)正從“智能的生產(chǎn)”轉(zhuǎn)向“智能的流通”。他認(rèn)為，實(shí)現(xiàn)智能流通的關(guān)鍵在于“智能路由”能力，即既能根據(jù)任務(wù)選擇最合適模型的“模型路由”，也能在同一模型的多個(gè)服務(wù)商間進(jìn)行優(yōu)化調(diào)度的“服務(wù)路由”。

——通俗說就是：過去卷的是“怎么訓(xùn)練出大模型”，現(xiàn)在卷的是“怎么把模型能力穩(wěn)定、便宜地送到用戶手里”。

在這個(gè)階段，價(jià)格戰(zhàn)已經(jīng)淪為邊緣動作，真正的硬仗打在三個(gè)隱蔽的維度上：

1. 性能要穩(wěn)，別忽快忽慢。

開發(fā)者現(xiàn)在不怕慢，就怕波動太大。同一批處理任務(wù)，在不同時(shí)段調(diào)用，耗時(shí)可能相差數(shù)倍。據(jù)第三方監(jiān)測平臺AI Ping的連續(xù)監(jiān)測，部分平臺在跑DeepSeek-V3.2時(shí)，7日吞吐量波動系數(shù)竟然在2.0到3.7倍之間橫跳。對于需要精確排期的生產(chǎn)環(huán)境，這種波動是致命的。確定性，正在取代絕對速度，成為第一指標(biāo)。

1. 遷移要順，別推倒重來。

這是開發(fā)者最痛的坑。早期用公共API跑Demo很爽，但一旦業(yè)務(wù)爆發(fā)需要切到專屬算力池，往往面臨代碼重構(gòu)甚至更換供應(yīng)商的“遷移懸崖”。在這個(gè)痛點(diǎn)上，行業(yè)的解法開始分化：全棧云大廠能提供升級路徑，但往往需要配置專屬實(shí)例，流程較重；而一些專業(yè)算力服務(wù)商則走起了“極簡路線”，比如藍(lán)耘元生代云，主打只改一個(gè)base_url就能從公共API無縫滑入專屬GPU資源池。誰能讓開發(fā)者“無痛擴(kuò)容”，誰就留住了客戶。

1. 自建算力，優(yōu)勢明顯。

擁有自建GPU算力中心的廠商，可以從硬件層面做定制化調(diào)優(yōu)，從算子融合到動態(tài)批處理，每個(gè)環(huán)節(jié)都能為特定模型深度打磨。這種“自有底盤”帶來的確定性，最終會體現(xiàn)在每一個(gè)請求的穩(wěn)定延遲和高吞吐上。

MaaS下半場，廠商們在拼什么？

大浪淘沙之下，廠商們開始從三個(gè)開發(fā)者最為關(guān)心的能力維度出發(fā)：

1. 模型覆蓋的廣度。

開發(fā)者是否需要在一個(gè)平臺上調(diào)用幾十甚至上百款模型？對于早期探索、頻繁對比的場景，模型聚合能力至關(guān)重要。智增增、硅基流動、OpenRouter等平臺在這條線上走得較遠(yuǎn)，一個(gè)API Key即可打通多源模型，降低了接入門檻。這類平臺的價(jià)值在于讓開發(fā)者用最低的成本試錯(cuò)，快速定位最適合業(yè)務(wù)場景的模型。對于個(gè)人開發(fā)者、創(chuàng)業(yè)團(tuán)隊(duì)或需要多模型融合的復(fù)雜應(yīng)用，模型廣度依然是選型的重要考量。

1. 算力底座的深度。

當(dāng)業(yè)務(wù)進(jìn)入生產(chǎn)環(huán)境，高并發(fā)下的穩(wěn)定性和延遲就成為硬指標(biāo)。擁有自建GPU集群的廠商，可以從硬件層面做定制化調(diào)優(yōu)，提供更強(qiáng)的性能確定性。以阿里云、火山引擎為代表的云廠商，以及藍(lán)耘等專業(yè)算力服務(wù)商，都在這一方向上有布局——通過自建智算中心或深度租賃來保障底層能力。這種算力自主的優(yōu)勢，在遭遇流量高峰時(shí)尤為明顯：請求不會因?yàn)橘Y源爭搶而大幅波動，批處理任務(wù)的完成時(shí)間更加可預(yù)期。從AI Ping的監(jiān)測數(shù)據(jù)來看，自建算力型平臺在吞吐穩(wěn)定性和延遲控制上普遍表現(xiàn)更好。

1. 生態(tài)工具的完整度。

從API到微調(diào)、部署、監(jiān)控、合規(guī)，全棧云廠商（如阿里云百煉、火山方舟、華為云等）提供了一體化工具鏈，適合已經(jīng)深度使用其云服務(wù)的團(tuán)隊(duì)。這類平臺的價(jià)值在于“開箱即用”——開發(fā)者不需要自己搭建監(jiān)控系統(tǒng)、不需要操心數(shù)據(jù)合規(guī)，一切都集成在熟悉的云控制臺里。而對于只需要API能力的輕量化場景，專業(yè)服務(wù)商提供的簡潔接入方式則更具靈活性。

需要說明的是，這三條能力線并非互斥。事實(shí)上，有些平臺已經(jīng)開始嘗試“兩條腿走路”。例如藍(lán)耘近期推出的統(tǒng)一網(wǎng)關(guān)，就是在自建算力底座上整合了多模聚合與智能路由能力，一個(gè)入口即可調(diào)度海內(nèi)外主流模型。這種融合趨勢說明，未來MaaS平臺的競爭將不再是簡單的能力對比，而是誰能更好地平衡多方面的需求，適配開發(fā)者從原型到生產(chǎn)的完整路徑。

從MaaS到TaaS：一個(gè)正在浮現(xiàn)的終局

如果只看到這里，我們對這場變局的理解可能還停留在“算力軍備競賽”的層面。一個(gè)更深層的趨勢正在悄然萌芽——從MaaS（模型即服務(wù)）向TaaS（Token即服務(wù)）躍遷。

這個(gè)邏輯并不復(fù)雜。當(dāng)模型本身的能力被平臺層不斷拉平，當(dāng)DeepSeek和Qwen成為所有貨架上的標(biāo)準(zhǔn)品，模型作為“商品”的差異價(jià)值就在遞減。真正決定生產(chǎn)體驗(yàn)的，不再是“你用的是哪個(gè)模型”，而是“你這個(gè)Token是通過什么路徑、什么調(diào)度策略、什么算力資源被推理出來的”。鄭緯民教授所說的“模型路由＋服務(wù)路由”，正是實(shí)現(xiàn)TaaS的兩條腿。

未來的基礎(chǔ)設(shè)施，或許將通過智能路由機(jī)制，根據(jù)任務(wù)優(yōu)先級、時(shí)段負(fù)載、成本預(yù)算，自動調(diào)度最合適的模型和算力資源。開發(fā)者購買的不再是某個(gè)特定模型的調(diào)用權(quán)，而是一個(gè)抽象的“Token能力”——系統(tǒng)會幫你回答：這個(gè)請求，該走高性能專屬池，還是走彈性共享池？

從這個(gè)視角回看，各廠商的布局就不僅僅是市場份額的爭奪，更是對“Token調(diào)度權(quán)”的卡位戰(zhàn)。誰能先把MaaS的“模型貨架”抽象成TaaS的“智能管道”，或許誰就能在下半場拿到真正的護(hù)城河。

結(jié)語：透明的記分牌已就位

MaaS市場的演變，本質(zhì)上是開發(fā)者需求倒逼的“去偽存真”。

大模型API服務(wù)的“草莽時(shí)代”已經(jīng)結(jié)束。可以預(yù)見，在2026年的下半年，“誰在生產(chǎn)環(huán)境里跑得最穩(wěn)”，將徹底取代“誰的貨架上模型更多”，成為全新的硬通貨。

而更遠(yuǎn)的未來，當(dāng)TaaS成為共識，“Token的智能路由效率”將接棒成為新的記分牌。

開發(fā)者已經(jīng)開始用調(diào)用量投票。而在這場關(guān)于基礎(chǔ)設(shè)施的范式之爭里，真正的競爭力，終將回歸到最樸素的工程確定性上。