定义¶

MaaS = Model as a Service：企业通过公有云平台调用大模型能力，按调用次数 / Token 使用量计费，无需自己维护模型部署 / 硬件资源 / 模型迭代。是云计算市场在 AI 时代衍生出的新细分形态——竞争不再以"资源 + 产品矩阵"为轴，而以"模型 token 调用规模 + 工具链 + 生态"为轴。

本页基于 IDC 2026-05-07 发布的《中国公有云大模型调用量市场分析报告》整理 2025–2026 中国 MaaS 市场的核心结构性事实与行业判断。

IDC 核心数据（2026-05-07 报告）¶

2025 年实际¶

统计口径：各大云厂商对外部客户（个人 + 企业）的大模型公有云服务调用量（含 Token Plan 订阅 + API 服务）。不含厂商自有业务调用 —— 即火山数据不含抖音、豆包、即梦等字节系内部产品，是真实对外销售口径。

2026 年 IDC 预测¶

预测保守性观察：日均 1.6→9.6 万亿（一年 6 倍）月环比 ~17%，按此持续 12 个月即可达成 2026 IDC 预测——不是预测未来突破，是已发生增速的简单外推。

市场格局（按调用量 / 按营收两套排名）¶

关键观察： - 公有云 + 私有化部署是完全不同的格局——私有化以政府 / 国企 / 金融大单为主，火山几乎不参与 - 智谱按营收进入前 5 但按调用量没有——反映 ToB 高单价模型 vs ToC 高调用量模型的两条路径 - 硅基流动作为聚合平台型公司排第 4 是 2025 年新现象（详见 platform-layer-collapse 中间层路径）

应用场景分布（公有云 MaaS）¶

主要应用群体集中在 4 个赛道： - 泛互联网（游戏 / 娱乐 / 教育） - 智能办公 - 智能硬件（汽车 / 手机 / 智能眼镜） - 大消费

私有化部署主要集中在智能办公 / 数据处理与分析 / 市场营销

阶段性转折：从文本生成到多模态 + Agent¶

IDC 对 2025 年 MaaS 的定位是"经历了从试点到规模化应用的关键转折"。具体形态是 Token 消耗结构从"文本"切换到"多模态 + Agent"：

含义：调用量爆增不只是用户数增长，而是单次任务消耗指数级提升——长上下文 / Agent 长跑 / 多模态全部撕开 token 单次消耗。

阿里 Alibaba Token Hub（ATH）：Token 三阶段框架¶

2026-03-16 阿里成立 ATH 事业群，由 CEO 吴泳铭直接负责，与阿里云智能事业群 / 电商事业群平行。整合 5 大 AI 板块：通义实验室 / MaaS 业务线（百炼）/ 千问事业部 / 悟空事业部（首次亮相，B 端 AI 原生工作平台）/ AI 创新事业部。

Token 三阶段逻辑（吴泳铭版本）：

创造（通义实验室）→ 输送（百炼 MaaS）→ 应用（千问 / 悟空 / 创新应用）
        ≈
发电厂      →    电网         →   各式用电终端（手机 / 电脑 / 家电 / 新能源汽车）

吴泳铭 2025-09 云栖大会主张："Token 就是未来的电" —— "AI 将替代能源的地位，成为最重要的商品，绝大部分 AI 能力将以 Token 的形式在云计算网络上产生和输送。"

这是 Naming Shapes Thinking（naming-shapes-thinking）的具体应用 —— 把 Token 从"技术单位"重新命名为"经济商品"，把 MaaS 平台位置类比为"电网"（基础设施 + 资源调度 + 计费）。

与 google-agent-platform 4 pillars 的对照¶

阿里 ATH 是中国版的"AI 全栈框架"，与 Google Agent Platform 4 pillars 对位但视角不同：

两套框架共同的判断：在 Token 经济时代，云厂商的胜负不再只看模型质量，而看"模型 + 平台 + 工具链 + 客户分销"的全栈整合度。

阿里 ATH 的人才紧迫性背景¶

• 2024：原 Qwen 核心负责人周畅离职加入字节 Seed，带走十多名核心骨干
• 2026-03：林俊旸官宣离职 + 后训练负责人郁博文同周加盟字节
• 同期：阿里通义实验室面临持续人才流失到字节 Seed 的压力
• ATH 事业群成立时间（2026-03-16）紧贴 Qwen 团队震荡——ATH 是组织防御反应，把分散的 Qwen / 百炼 / 千问 / 悟空 / 创新事业部整合到 CEO 直接管辖 = "大兵团作战"对抗字节豆包 + Seed 的双线进攻

国产模型 Token 占比数据：受 OpenClaw 开源 AI 智能体热潮带动，2026-Q1 国产模型 Token 使用量占全球前十名模型总 Token 消耗的 61%——这是 ATH 战略时点的市场背景

影响大模型落地的前五因素（IDC 调研）¶

按 IDC 调研顺序：

1. 模型性能 —— 排第一意味着 2026 仍是"模型还在升级"周期
2. 安全合规 —— Govern 类需求开始进入选型主轴（与 google-agent-platform Govern 三件套同方向）
3. 内容质量 —— 与模型性能相关但不同（输出可控性）
4. 平台可用性 —— 即工具链 + 文档 + SDK + 集成度
5. 成本效益 —— 当前排最后，但 IDC 主张"Token 消耗再增长 20 倍后，再小的单价差异都会被规模放大"

关键判断：成本因素当前排第 5 是因为总规模仍小（30.7 亿元），平均单客户 Token 账单还在万元到几十万元区间。当 2026 进入 186 亿元规模 + 单客户进入百万到千万 token 账单时，成本敏感度会从第 5 跃升到选型决策硬指标——这是 amphiflow-pattern / harness-engineering 等"省 token"工程能力价值上升的市场背景

单 Token 价格预期下降 ~70%¶

按 IDC 数据反推单 Token 价格走势：

从 2025 到 2026 单 Token 价格预期下降 ~70% —— 调用量增长 20 倍 + 营收只增长 6 倍 = 单价持续下行。

含义： - 价格战会让 MaaS 厂商利润率被压扁，赢家只能靠规模摊薄成本 - 客户从 MaaS 拿到的"每元 token 量"持续提升 —— 同样预算下能跑更复杂任务，给 Agent 类应用降本背书 - 中间层（如 sentino-agent）从 MaaS 转售 token 给最终客户的差价空间被压缩——只能靠工程能力（cache 优化 / 路由 / 工具链）创造增值

中间层的双重含义¶

MaaS 头部聚合给中间层 Agent 平台 / 应用层创业公司带来双重信号：

正向：MaaS 巨头提供"现成模型层"¶

• 中间层不需要自己训模型 / 自己买卡 / 自己跑推理服务
• 可专注 Agent 工程 / 工具链 / 行业垂直
• 多模型适配从"成本"变成"差异化"——多家 MaaS 路由能力 = 中间层独有

负向：MaaS 巨头有动机往上吞应用层（platform-layer-collapse 同源）¶

• 火山如果向上做 Agent 平台 / 阿里 ATH "悟空"做 B 端 AI 原生工作平台 = 直接挤压 Sentino 这种中间层 Agent 平台的客户
• 与 google-agent-platform Google AP 18 组件全栈内化是同源威胁，中国版本由阿里 ATH 主导

结构性差异：中国 MaaS 巨头比 Google / Anthropic 多一层挤压能力 —— 它们也是云厂商（火山 = 字节云 + 阿里云 + 百度智能云）。Google AP 是"模型公司向云延伸"，中国 ATH 是"云公司 + 模型公司天然合一"——中间层处境理论上更紧。

与 Sentino 的具体含义¶

Sentino IoT 设备 + Agent 平台是 MaaS 市场的用户（调用 LLM API），不是供应商。火山的 49.5% 第一对 Sentino 的具体含义：

1. 多模型路由是 Sentino 的中间层生存条件 —— 与 sentino-memex 不变量第 1 条（不绑 LLM 厂商）+ google-agent-platform Model Garden 同方向。火山一家独大不是 Sentino 直接利好——客户被火山锁定时 Sentino 的"接火山豆包能力"反而是合规对接负担
2. 客户问"用什么模型"时火山是不可绕过的回答 —— Sentino 销售材料应明示"多模型路由（含豆包 / 通义 / Claude / GPT）"作为差异化
3. 2026 进入 token 账单百万到千万规模时成本敏感度上升 —— Sentino Agent 平台的 cache 优化 / workflow 优先 / token 控制能力（参见 amphiflow-pattern / harness-engineering）从"工程优雅"变"客户硬需求"
4. 阿里悟空 B 端 AI 原生工作平台是潜在挤压源 —— 与 Sentino Agent 平台位于同一抽象层，但规模和资源完全不同。Sentino 差异化来自 IP 排他性 / 玩偶情感锚定 / 多模型路由 / 私有部署灵活度，不来自"做更好的 Agent 平台"

与已有 wiki 的对位关系¶

适用边界¶

• 本页是市场结构事实页，不做投资判断 / 客户选型推荐——具体厂商优劣需结合客户场景独立评估
• 数据口径都是"对外销售" —— 不含字节抖音 / 阿里电商 / 百度搜索等内部业务调用，所以是 ToB 市场口径，不是"中国 AI 总量"口径
• 池建强原文带客户立场（墨问西东是火山引擎企业客户）——本页采用 IDC 数据但不引用作者主张作为客观判断；"火山飞轮"等客户视角解读不进入本页
• 2026 IDC 预测的偏差风险 —— 当前曲线外推合理，但若发生（a）字节 / 阿里大幅价格战 / （b）OpenAI / Anthropic / Google 中国版本回归 / （c）私有化部署赛道反扑 / （d）开源 frontier 模型本地部署成本足够低 → 公有云 MaaS 增速可能不及预期

待观察¶

• 2026-H1 / 2026 全年 IDC 报告 —— 验证 40000 万亿预测是否兑现 / 火山份额是继续扩大还是被阿里 ATH 反扑
• 阿里 ATH 实际效果 —— 周畅 / 林俊旸 / 郁博文连续流失是否被 ATH 整合补回
• 单 Token 价格走势 —— "调用量 20 倍 + 营收 6 倍"意味着单价跌 70%，价格战是否会让 MaaS 厂商利润率被压扁
• 私有化部署赛道是否反扑公有云 —— 国企 / 金融 / 政府 AI 数据主权要求是否让私有化重新加速
• 阿里悟空 B 端 AI 原生工作平台的实际产品化时间表 —— 影响 Sentino 等中间层 Agent 平台的竞争格局
• 火山引擎 / 阿里云 / 百度智能云对中间层（如 Sentino）的正式合作政策——是否有 ISV / Marketplace / Revenue Share 计划

相关概念¶

• platform-layer-collapse — 中国 MaaS 头部聚合是平台层坍缩在中国市场的具体形态
• google-agent-platform — 美国对位框架（4 pillars × 18 组件 vs Token 三阶段）
• anthropic-openai-pe-jv-2026-05 — 美国走 PE 渠道整合 vs 中国走 MaaS 资源整合
• individual-vs-institutional-ai — 火山 150 万企业 + 140 家累计万亿是组织 AI 落地的中国规模数据
• ai-adoption-landscape-2026 — Stanford AI Index 全球数据 + 本页中国 MaaS 数据相互补充
• amphiflow-pattern — "省 token"工程能力在 token 账单规模化时价值上升
• harness-engineering — Cache 经济学是中间层在 token 价格下行环境的差异化能力
• naming-shapes-thinking — 阿里 ATH "Token 是未来的电" 是命名塑造行业框架的案例
• ai-economy-vs-human-economy — MaaS 规模化是 AI 主导经济体的基础设施层
• model-hardware-decoupling — DeepSeek V4 模型侧解耦 + 本页 MaaS 市场化解耦是同源不同层的解耦
• ai-agent-moats — Token 价格下行让"按 API 调用计费"模式更难差异化，成果定价 / 席位+托管的转向加速
• sentino-agent — Sentino 在三阶段中位于"应用层"，与阿里悟空位于同一层但规模差量级