ModelArts Studio（MaaS）使用场景和使用流程

背景介绍

近年来，AI大模型凭借强大的自然语言理解、内容生成和决策辅助能力，正在成为企业数字化转型的重要推动力。越来越多的企业希望借助大模型优化业务流程，例如智能客服、数据分析、自动化报告生成等。然而，企业在尝试自主训练或微调大模型时，通常面临三大核心挑战：高昂的算力成本、复杂的技术门槛以及业务系统集成难题。由于大多数企业缺乏专业的AI团队，从零开始构建和优化模型变得异常困难，这直接导致了AI应用落地效率低下甚至项目失败。

针对这些痛点，MaaS提供了一站式解决方案：

• 工具链：提供可视化训练平台，降低技术门槛，使企业无需深厚AI背景即可完成模型定制。
• 资源共享：通过云端算力共享和预训练模型复用，帮助企业避免重复投资，显著降低算力成本。
• 场景化适配：基于行业需求提供预置模型模板，加速企业AI应用的落地部署。

应用场景

ModelArts Studio大模型即服务平台（MaaS）的应用场景：

• 业界主流开源大模型覆盖全

  MaaS集成了业界主流开源大模型，含Qwen、DeepSeek等模型系列，所有的模型进行全面适配和优化，使得精度和性能显著提升。开发者无需从零开始构建模型，只需选择合适的预训练模型直接应用，减轻模型集成的负担。

• 资源易获取，按需收费，按需扩缩，支撑故障快恢与断点续训

  企业在具体使用大模型接入企业应用系统的时候，不仅要考虑模型体验情况，还需要考虑模型具体的精度效果，和实际应用成本。

  MaaS提供灵活的模型开发能力，提供了若干保障客户商业应用的关键能力。

  保障客户系统应用大模型的成本效率，按需收费，按需扩缩的灵活成本效益资源配置方案，有效避免了资源闲置与浪费，降低了进入AI领域的门槛。

  架构强调高可用性，多数据中心部署确保数据与任务备份，即使遭遇故障，也能无缝切换至备用系统，维持模型训练不中断，保护长期项目免受时间与资源损耗，确保进展与收益。

• 大模型应用开发，帮助开发者快速构建应用

  在企业中，项目级复杂任务通常需要理解任务并拆解成多个问题再进行决策，然后调用多个子系统去执行。MaaS基于多个优质开源大模型，让大模型准确理解业务意图，分解复杂任务，沉淀出丰富的解决方案，帮助企业快速智能构建和部署大模型应用。

支持区域

仅中国-香港区域支持使用MaaS。

使用流程

下表展示了MaaS的核心使用流程。