一句话定义：MaaS（Model as a Service，模型即服务）是模型提供方把训练好的大模型部署在云端，通过 API 按调用量出租"推理能力"——你花钱买的是每一次问答的结果，而不是模型文件本身。
打个比方
它很像自来水。你不用打井、修水厂，拧开水龙头就有水，按水表用量付费。MaaS 里，"水厂"是模型提供方，"水管"是 API（Application Programming Interface，应用编程接口），"水表"是 token 计量——token 是模型处理文本的最小单位，大致可以理解成字词碎片。你发一段话过去，拿回一段话，中间的显存调度、批量合并、扩缩容全由对方负责。
所以 MaaS 卖的是推理（inference），不是训练。它比拼的通常是延迟、并发上限、上下文长度、稳定性和单位用量成本，这些细节各家不同，以官方页面为准。
和相邻概念的区别
| 方式 | 你要负责什么 | 数据在哪 | 适合谁 |
|---|---|---|---|
| MaaS | 只写调用代码 | 供应商云上 | 快速验证、调用量波动大的团队 |
| 自建推理 | 买或租 GPU、跑推理框架、运维 | 自己的环境 | 量又大又稳、要深度定制 |
| 私有化部署 | 部署与运维，或买专属实例 | 自己机房或专属环境 | 金融、医疗、政企等强合规场景 |
再补两点：SaaS（Software as a Service）卖的是完整应用，比如在线客服系统，你用的是功能；MaaS 卖的是能力积木，界面得自己搭。IaaS、PaaS 分别给你虚拟机和运行环境，MaaS 给你的是"已经训好的智能"。
实际意义
对从业者，MaaS 把"选模型"变成一次可替换的组件决策：接口层做一层抽象，别把某家 SDK 写死在业务代码里；提示词做版本管理；加缓存和降级；再配一个多模型路由——简单问题交给小模型，难题才升级到大模型，这是最常见的省钱手法。代价是锁定风险：换供应商时，提示词效果得重新测一遍。
对普通职场人，你用的写作助手、会议纪要、代码补全，很多就是套在 MaaS 上的壳。判断一个工具值不值得用，可以多问两句：背后的模型能不能换？我的数据会不会被拿去训练？
最后一句：自建还是租用没有标准答案。常见路径是先用 MaaS 起步，等调用量涨上来、合规要求变硬，再考虑迁移。