目录
答：一场革命性的多行业变革
1.1开端
为什么说MaaS会带来一场革命性的行业革命呢？其实当你查看这篇文章的同时，他就在我们的身边悄无声息的改变生活。Chat-GPT就是大模型带来的第一个泛全人工智能的产品，它本质上改变了现有搜索引擎的模式，已经对曾经原有的搜索引擎带来了冲击，目前已经在诸多搜索引擎上都能看到或多或少的开源Chat-GPT的影子，然而这也只是一个行业改变的开端。
1.2技术基础
最初的Chat-GPT的背后是openAI公司的GPT-3.5模型，目前更是基于GPT-4.0模型。这些大模型都具有非常庞大的数据参数，使其具有了一定的泛全人工智能能力。然而他们再底层基于的是什么呢？那就不可避免的提到Tranformer架构，他是一个多头注意力机制的算法架构，我们所现状看到的大模型就是有由大量的头部和多维度的叠加而产生的大模型框架，加之数据进行训练而产生的大模型。此处不做过多解释（此处涉及的知识面较为复杂广泛建议参考一些专业书籍）。我们言归正传那这样的大模型有什么厉害的如何能带来革命性的变革呢？其实一个模型本质并不厉害，但是加上大量的数据训练，带来它的进步，就像人大量的学习而带来的阅历增长和能力增长一样，这时就有些厉害了。这个大模型也有一个类似人类进步的过程，它因此也具有了一定的泛全人工智能能力，但同以前的只能分类搜索的引擎不同，它具有了一定的生成能力。作为普通人我们可以理解为他能为我们提供一个精确的搜索功能。但是从这个方向去思考他的数据是人喂给他的，也是人为训练的，所以从训练角度解释安全性，我们也可以对其训练数据进行限制而控制这一功能在强大的同时，也可以被人安全的掌控。这个解释虽然很片面，但到目前为止相关技术还是可控安全的。
1.3前沿技术带来的新产品对现有生活的改变
当一个前沿技术带来的新产品开始突破的性的改变一个固有市场后往往都会带来泛化效应，向多行业领域扩展并带来一定冲击。就类似于4G出现后，我们最初只是知道这项前沿技术但是真正的开始影响我们的生活，进入大家视野里，让人们觉得‘哦’是4G改变了现状的生活，那应该是视频聊天和短视频时代的到来吧。同样今天的大模型也已经出现了数年了，然而真的让普通人知道大模型开始改变我们的生活了也是因为一个新的产品的出现，Chat-GPT也是如此它改变了原因的搜索引擎的分类检索模式，转变为了针对性的生成。或许我的举例并不恰当，但实时的确如此。那我们是不是也可以遇见到它将，如同4G改变的我们的生活，一样为我们的生活带来的巨变，冲击各大现有的商业模式体系呢？
1.4新的商业体系MaaS(模型即服务)的奠基
MaaS模型即服务的出现应该也可以理解为时势造英雄，虽然这个描述并不恰当，但是基本上是如此的。大模型自2018年BERT的出现开始，到目前华为的盘古、清华大学和达摩院等共同研发的八卦炉等，已经初具规模了，就不在此列举了如果想了解可以参考上一篇文章的ppt第6页（文章链接：http://t.csdn.cn/qPIk0）。目前的大规模模型已经基本趋于完善，且初具规模了。Chat-GPT的出现也是基本奠定了一个大模型的应用方向，当然这只是其中一个实践方向。
在更早前在2020年openAI就已经将GPT-3的商业化授权给了微软，这可以算是大模型对外商业出售的一个开端。其实模型的商业化实际要早于这个时间节点前，因为早在18年BERT发布以后各公司就已经开始基于其底层的算法transformer开始改良自身平台的一些推荐算法技术，比如目前主流的短视频平台和图文交流平台的公司都有在此方向的研究。这些都为目前大模型的商业化起到了一定的奠基作用。这也是短时间内大模型未来一个商业的应用方向。
1.5MaaS(模型即服务)商业模式
在现阶段技术趋于稳定的大前提下，部分公司例如中国移动已经在内部开始试用具有一定专业性和屏障的公司内部试用的生成型的对话机器人，类似于Chat-GPT。目前在闭源开发内部测试，目前也是一个主流趋势。当然这主要是为了内部提高工作效率，以增加团队竞争力，所以短期内闭源是合理的。部分中小企业也不用因此而感到过于不安，当然有危机意识是好的，这也就是众多未来企业改革的一个主要方向。所以无论是企业，还是开发者都需要对MaaS(模型即服务)有所了解。
目前MaaS商业模式是以算力平台、模型仓库及数据集仓库为基础的，倡导零门槛的模型体验，提供简单快速的模型使用、完整的模型定制链路及模型云端部署服务，主要提供给AI的爱好者、开发者、研究员以及部分中小型转型企业的商业化模型使用。
当然这是一个比较官方的解释，我们可以就目前的MaaS平台通俗一点的去解释，就是MaaS的商业模式提供了一个人工智能算法的图形化应用方式，与图形化编程的思路类似。具体的模型即服务平台还在完善当中，但是总体的内容基本如此。他们提供一些通用的基础模型，提供一些基础的解决方案，与目前较为成熟的物联网相关行业类似，阿里云、华为云等都有提供智慧农业、智慧工厂等的解决方案。其本质是一样的都是以一个已有的模式去帮助开发者学习和借鉴以便后续开发。
1.6全新的趋势
所以说作为普通开发者在这个方面不用特别关心，因为作为技术的服务对象，简单的逐渐成熟的开发体系的建立对开发来讲一定是更加便利的，门槛也是逐渐降低的。但是对大中型企业而言，如果利用这一技术实现战略转型，提高产品竞争力的同时达成降本增效的目的是急需考虑的。而对于一些小微企业和初创团队来说，如何利用MaaS带来的市场革新，特别是MaaS带来的算法实现门槛的降低及算法应用成本的降低而为小微企业带来的一个算法下沉传统行业的热潮，去实现企业或团队价值则是更关键的。同时必须提到的是未来一年乃至几点时间内，一些知识数据密集型的传统行业将在大模型下沉的趋势下受到较大的冲击，例如金融、教育、能源、电力等。
1.7未来的行业革新方向及进度
首先我们梳理下在大模型逐渐成熟的今天，已经革新了的技术行业。在搜索引擎上目前包括谷歌、百度在内的多家搜索引擎及大型搜索网站提供商都在依靠大模型提供一些生成式的搜索功能，例如CSDN的代码生成Chat-GPT。当然这只是个开端接下来这个方向相信还会持续的内卷下去，但是总的方向是大致可以预见的就是以生成为主要方向。但这只是在NLP（自然语言处理）的应用并没有走出这个小的领域，可我们发现大模型不止是在NLP领域已经有所革新，在机器视觉领域也同样已经革新，现在的图像生成AI即是如此，生成一些海报、漫画、甚至人像的技术都已经相对成熟了。
当然这是一些相关度比较高的行业，所以受到新技术影响的速度一定是更快的。不过我们也可以依据这个原因去推理接下来受影响相关度比较大的行业，AI生成海报的功能一定上取代了当下比较火热的UI设计师的需要进行平面设计工作。同时平面设计师也已经开始失去了一些门槛相对较低的订单。这也只是一个举例，同时受到影响的职业很多行业也很广泛，在此难以一一列举，但是我们可以根据自身行业的实际情况去尽量走在自己的行业前沿，以适应即将到来的本行业革命。
这里我们必须强调一下这个行业革命并不是所有行业都将短时间内受到较大影响，而是循序渐进的，就像机器视觉多目标识别等在嵌入式领域的应用，其技术应用的是晚于技术出现相当长一段时间的。同时我们还要强调一点就是，目前的大模型在绝大多数领域对数据的依托程度是大于算力的的依托的，因为算力我们是可以依托硬件数量来实现的，但是数据如果没有，我们是无法进行垂直的针对性的训练的。所以数据不够支持大模型进行垂直落地的行业受到影响一定是较小的，但是并不是就可以说不会影响。在多行业渗透的情况下是一定会受到影响的，这只是时间问题。例如在农业领域，一些疾病的机器视觉识别上，虽然我国很多专家学者在此方向不断努力，但是一些种植范围小，缺少数据的地区性疾病，即使是依托大模型去训练，但是由于训练数据数量上的不足还是难以改变的现状的。但是因为可以依托大模型还是会有一定的准确率的上升，只是可惜不能带来这个行业的技术革命。不过农民依托大模型对搜索引擎带来改变，也可以更方便准确的了解一种疾病的应对方法，甚至可以精确到使用何种药物，这就是行业渗透带来的影响。可一项技术的产生本身能改变世界，带来一定程度上的技术变革就已经很优秀了。
预告
目前大模型带来的安全问题较多，由安全性的讨论产生了诸多相关问题。我将在接下来的一个月内对安全性发表一期专题文章解释部分问题。
以上内容为个人观点仅供参考交流学习！
本文参考内容均已注明来源！
转载请注明本文作者，谢谢。