简单说，AlphaGo那一轮AI热，带火的其实是概念，是信心。

但是这一轮AI技术，是真好用。

目前AI模型大，就是指训练这个模型，需要的数据极多，周期极长，成本极高。比如聊天机器人，2019年之前，行业一线水平的语言模型参数规模，大概在十亿量级。到了2020年，OpenAI公司发布的GPT-3模型，参数规模一下升到了1750亿。而到了2022年，国内外很多公司都为自己万亿参数的模型开了发布会。

以2020年的GPT-3模型为例，业界估计这个模型训练一次的成本高达1200万美元。

随着大模型的功能越来越强、成本越来越高，AI领域有可能会形成一种独特的商业模式，叫做模型即服务，英文简称是MaaS（Model as a Service）。这种商业模式最近也经常被国内外一些学者和企业家探讨。

所谓模型即服务，你可以这么理解。就是大公司，开发出了一套AI模型，这是一个底板。你可以把他想象成一个接受过良好基础教育，数理化全都满分，各种基本功都特别扎实的应届生。基础虽好，但对于专业领域，还是个门外汉。你要是让他做点具体的、特别专业的工作，比如医疗、教育、销售，他还得再深入学习。

而MaaS模式，指的就是把这个算法的培训过程，分成两段。基础教育阶段，需要极大的投入，数理化全都得学一遍。这个阶段，由巨头完成。他们相当于模型的创造者，给你送来一个特别聪明、基本功特别好的通识型人才。而第二个阶段，你得把通识型人才，培养成能在某个领域干活的专业人才。这一步，科技巨头并不擅长，就得由细分领域里的公司来完成了。做这个细分领域训练的人，被称为模型打磨者。

科技巨头在将来会对外开放这些AI模型的调用接口。吸引一些规模较小，但是对行业理解更深的玩家，付费使用这些接口，并将模型打磨成真正满足行业需求的应用。

这么一来，从巨头到新玩家，都可以获益。你看，巨头虽然承担了巨额的模型开发成本，但可以从其他行业中，收取模型接口使用费，而且避免了过度聚焦到某个特定行业带来的风险。同时，细分行业里的人，也不用从头研发，能以更低的成本来使用AI模型。

第一个例子来自音乐领域。上个月15号，两位毕业于美国普林斯顿大学的工程师，发布了一款叫做Riffusion的音乐创作工具，可以根据你输入的一段话生成一段音乐。更有趣的是，这个AI音乐创作工具，并不是他们自己从头开发的，而是他们利用业余时间，借助一款已经开源的AI画图算法，微调之后，改造成的一个AI音乐创作工具。

第二个例子来自医疗领域。上个月23号，美国谷歌公司发布了一个叫做Med-PaLM的模型，在美国医师职业测试中，首次拿到了跟人类医生基本一致的分数。很有希望在未来的AI问诊中发挥更大的作用，降低医疗服务的成本。这位AI医生的诞生，也遵循了的两段式训练方式。也就是，利用一个已经成形的基础AI算法，叠加上一套专门基于医疗数据的训练流程，两轮打磨之后产生的成果。