文 | 腦極體

月初，潞晨科技創始人提出MaaS（Model as a Service，模型即服務）是“最差的商業模式”，滿血版DeepSeek-R1月虧損超過4億元，并宣布停止DeepSeek API服務。

與之形成鮮明對比的，是云巨頭仍在MaaS領域不斷加碼，扛著虧損搶占市場。

華為云上線DeepSeek V3/R1滿血版模型，并聯合昇騰社區適配國產AI芯片，提供從芯片到API再到應用開發的全棧能力；騰訊將DeepSeek全面接入微信等國民級產品，帶動騰訊云推理算力需求增長；阿里云打出“前100萬token免費”的旗號，與其他云廠商的限時免費政策形成直接競爭，并宣布未來三年將投入超過3800億元用于云和AI基礎設施。

一邊是中小廠商的悄然隱退，一邊是云巨頭的大肆進攻，2025年云市場競爭，由MaaS模式的商業化分野，寫下開篇。

DeepSeek爆火之后，服務器經常繁忙，MaaS服務解了廣大用戶的燃眉之急。

MaaS（模型即服務）是公有云廠商的一種創新服務模式，不僅提供DeepSeek API調用，還涵蓋模型訓練、微調、部署等全生命周期服務。用戶無需關注底層算力、框架等復雜細節，通過簡單調用就能接入DeepSeek-R1這樣的先進模型，根據需求靈活選擇和組合服務。

各大云廠商紛紛接入DeepSeek API，迅速帶飛了MaaS服務的用戶數與使用量。

一篇DeepSeek發布的《V3/R1推理系統概覽》技術論文，首次披露其以H800顯卡2美元/小時的租賃成本計算，理論日收入達56.2萬美元，成本利潤率高達545%。既然如此，為什么DeepSeek API會讓云廠商持續虧損，也讓MaaS成為部分云廠商眼中“最差的商業模式”？

第一，高昂的隱性成本尚未計入。以DeepSeek-R1為例，其滿負荷運行時，單日需處理1000億token，僅GPU租賃成本就高達每月4.5億元。

除了機器成本，云廠商還需承擔存儲、運維、冗余算力等附加成本。AI模型的算力需求并非穩定線性增長。用戶可能在白天集中調用服務，深夜需求驟降，但為了應對流量峰值，不得不預留數倍冗余算力，讓中小廠商不堪重負。以硅基流動為例，日均調用量千億token，遠低于大廠的萬億級規模。這種“小水管”式的調用模式，導致算力資源無法通過“削峰填谷”實現高效復用，服務器在業務低峰期大量閑置，進一步推高邊際成本。

第二，MaaS作為企業服務高度依賴服務穩定性與資源靈活調度能力。MaaS服務的穩定性要求企業能夠應對突發的流量波動。以電商大促場景為例，AI推理請求量可能在短時間內激增數十倍，若算力資源無法動態擴容，將直接導致服務延遲甚至崩潰。而中小廠商缺乏多云調度能力，資源利用率低下。

第三，更致命的是，云巨頭靠“價格戰”在MaaS市場攻城略地，大部分中小廠商的定價空間被徹底鎖死。即便部分企業嘗試通過開源或垂直領域定制化服務尋求突破，但受限于生態協同能力和數據飛輪效應薄弱，其調用量仍無法支撐算力資源的規模化攤銷，最終陷入“用戶增長越慢，成本壓力越大”的惡性循環。

高昂的硬件投入與低價API收費，形成剪刀差，導致“規模不經濟”的怪圈，進一步加重了AI行業的馬太效應。大廠加快布局時，中小廠則被迫離席。

明知虧損，大廠為何仍前赴后繼？

答案藏在三個關鍵詞里：算力托底、生態協同、AI戰略。

算力儲備與彈性調度方面，云巨頭可以利用全球數據中心和自研芯片，實現算力資源的高效復用，保障在線推理服務穩定運行。華為云依托昇騰910B芯片和全球數據中心網絡，能夠實現高效穩定的訓練和推理任務。百度云則憑借昆侖芯片和錯峰調度技術，結合自研的混合精度訓練框架，單卡吞吐量達到行業領先水平。

生態協同是另一大優勢。云巨頭將大模型接入現有的成熟產品，能夠增強用戶粘性，為DeepSeek API服務提供了更多落地場景和多元變現方式。背靠騰訊生態，騰訊云DeepSeek API服務可通過C端流量攤薄成本，同時以私有化部署和定制模型服務向企業端盈利。火山引擎則通過“火山方舟”平臺匯聚第三方大模型，吸引開發者構建應用生態。

長期投入MaaS的背后，還隱藏著大廠的AI戰略定力，將MaaS視為AI時代的流量入口和關鍵盈利工具。華為宣布未來三年每年投入10億元人民幣支持AI和芯片業務發展，阿里云將在未來三年投入3800億元發展AI業務。

MaaS競爭中云巨頭在優勢基礎上，以短期虧損換取長期規模優勢。DeepSeek API作為當下最火的服務，成了一場不能掉隊的戰役。

高昂的算力成本、低價競爭的壓力以及大廠的生態優勢，使得中小玩家在市場中舉步維艱。未來，大廠仍將是MaaS布局的主導力量。

歷經DeepSeek API服務的激烈角逐，云廠商的MaaS商業化步伐開始出現分野。

對大廠而言，MaaS是必須占領的技術高地，其潛在價值遠超短期盈利。即便短期虧損，它們也輸得起、等得住。

一是通過支持國產開源模型，推動AI技術標準制定，鞏固行業地位；二是以DeepSeek等優質模型為入口，吸引開發者構建應用生態，形成“模型應用用戶”閉環；三是通過海量API調用數據反哺模型迭代，形成技術數據的正向循環。

華為需要它鞏固國產化替代的標桿。其MaaS服務并非孤立存在，而是與“昇騰芯片+鯤鵬服務器”深度綁定，將API嵌入手機等終端，立志用“中國方案”重構AI基礎設施的話語權。騰訊則走向全民路線——將DeepSeek接入微信和QQ瀏覽器，表面提供免費AI助手，實則通過C端用戶行為數據挖掘廣告價值，憑借海量API調用數據實時反哺模型訓練，形成“越用越強”的閉環。阿里巴巴則選擇正面強攻，推出“100萬Token免費”政策，強勢吸引開發者入駐。

而對中小廠商而言，生存的關鍵在于“極致差異化”。

例如，優刻得通過模型蒸餾技術，將大型復雜模型的知識轉移到小型高效模型中，推出DeepSeek一體機，實現低門檻模型微調和多場景適配，大幅降低了企業使用AI的門檻。首都在線則通過優化并行策略和算法，顯著提升了AI推理服務的經濟效益。此外，并行科技在科研云領域，通過提供高性能、低成本的算力租賃服務，滿足了科研機構對大規模計算資源的需求。

一言蔽之，MaaS的本質是場耐力賽：短期看成本，長期看生態。

這場競賽的最終贏家不僅取決于技術實力和資金儲備，更在于能否找到精準的場景和可持續的盈利模式。

當前，MaaS市場格局遠未穩固，誰能率先完成“技術－數據－場景”的閉環，誰就能在AI時代掌握話語權，換取對AI時代“水電煤”基礎設施的控制權。