今天小編分享的科學經驗：大廠加碼，小廠離席：DeepSeek驅動的MaaS之變，歡迎閱讀。
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，是雲巨頭仍在 MaaS 領網域不斷加碼，扛着虧損搶占市場。
華為雲上線 DeepSeek V3/R1 滿血版模型，并聯合昇騰社區适配國產 AI 芯片，提供從芯片到 API 再到應用開發的全棧能力；騰訊将 DeepSeek 全面接入微信等國民級產品，帶動騰訊雲推理算力需求增長；阿裡雲打出 " 前 100 萬 token 免費 " 的旗号，與其他雲廠商的限時免費政策形成直接競争，并宣布未來三年将投入超過 3800 億元用于雲和 AI 基礎設施。
一邊是中小廠商的悄然隐退，一邊是雲巨頭的大肆進攻，2025 年雲市場競争，由 MaaS 模式的商業化分野，寫下開篇。
DeepSeek 爆火之後，伺服器經常繁忙，MaaS 服務解了廣大用戶的燃眉之急。
MaaS（模型即服務）是公有雲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。
各大雲廠商紛紛接入 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，為什麼 DeepSeek API 會讓雲廠商持續虧損，也讓 MaaS 成為部分雲廠商眼中 " 最差的商業模式 "？
第一，高昂的隐性成本尚未計入。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，雲廠商還需承擔存儲、運維、冗餘算力等附加成本。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，不得不預留數倍冗餘算力，讓中小廠商不堪重負。以矽基流動為例，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，伺服器在業務低峰期大量閒置，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内激增數十倍，若算力資源無法動态擴容，将直接導致服務延遲甚至崩潰。而中小廠商缺乏多雲調度能力，資源利用率低下。
第三，更致命的是，雲巨頭靠 " 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網域定制化服務尋求突破，但受限于生态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。
高昂的硬體投入與低價 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，大廠為何仍前赴後繼？
答案藏在三個關鍵詞裡：算力托底、生态協同、AI 戰略。
算力儲備與彈性調度方面，雲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。華為雲依托昇騰 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。百度雲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。
生态協同是另一大優勢。雲巨頭将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。背靠騰訊生态，騰訊雲 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 " 平台匯聚第三方大模型，吸引開發者構建應用生态。
長期投入 MaaS 的背後，還隐藏着大廠的 AI 戰略定力，将 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 億元人民币支持 AI 和芯片業務發展，阿裡雲将在未來三年投入 3800 億元發展 AI 業務。
MaaS 競争中雲巨頭在優勢基礎上，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、低價競争的壓力以及大廠的生态優勢，使得中小玩家在市場中舉步維艱。未來，大廠仍将是 MaaS 布局的主導力量。
歷經 DeepSeek API 服務的激烈角逐，雲廠商的 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 技術标準制定，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态，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标杆。其 MaaS 服務并非孤立存在，而是與 " 昇騰芯片 + 鲲鵬伺服器 " 深度綁定，将 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——将 DeepSeek 接入微信和 QQ 浏覽器，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。阿裡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，将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适配，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，并行科技在科研雲領網域，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，長期看生态。
這場競賽的最終赢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。
