中国资本市场总期待着听属于自己的价值投资传说，十倍股的故事即便是幸存者偏差，但深知持仓者容不得同富贵的投资人，却仍然期待一家上市公司能众人拾柴。 年报披露之后怒砸35%，论坛中唱衰AI的声音，来自当初畅想中国MaaS广阔市场的投资者口中。不变的，是AI还在进步、中国AI公司依然进取；但变了的，是像弃婴一般的股价、人心，以及论坛里的声音。 人心是徘徊的，投资者更是摇摆的。就像民间总愿把尽忠二字赋予在岳母刺字的情节，即便古时女子无才便是德，但也要唤个文笔匠，刺了面颊。 这个世界着急的去听年少有为的故事，AI和MaaS的黄金十年：已经在招手了。 MaaS（模型即服务），本质是一个可以供B端用户随时调用的AI模型库。所以如果想让中国企业真正拥抱AI技术、触手可得，唯一先决条件是降低AI使用成本。@百融云-W（6608.HK）和一众中国MaaS厂商，终于迎来了这个机遇。而中国的企业用户们，也终于盼来了AI的私有化部署。 几乎所有GPT类的AI大模型，在文本类交互场景下的应用有两条路径：一是将知识储存在大模型中（比如ChatGPT、百融云BR-LLM），单次使用直接得到信息输出，即Equivalent模式；二是基于现有搜索引擎，AI通过对实时信息的智能检索和分析，经过加工后再生成信息反馈，即2-Stage Search Summarizer模式。 两者的区别就在于，第二种模式是在前一种模式的基础上，AI大模型在推理时会访问传统的搜索引擎（Google、Bing等），通过搜索引擎运行查询以检索前K个结果。在第二阶段，通过LLM等AI大模型运行每个结果以生成K个响应，该模型再将得分最高的响应返回给用户。同时这也是AI Agent和插件功能的底层原理。 百融云们要做的，就是在AI私有化部署成本降低后，满足B端用户（如金融业）尽可能单次调用频率。百融云MaaS业务以决策式AI为基，同时也依赖于底层AI大模型BR-LLM，其单项垂直领域效果评分接近GPT 3.5 turbo，按照模型收费进行测算。Davinci API由GPT-3的1750亿参数版本提供支持，OpenAI官网显示该模型推理费用为0.02美元/750词（即1000 token），而GPT 3.5 Turbo 的API接口调用价格仅为10%，即每1000 tokens 0.002美元，用于计算定价的单词总数包括输入和输出。 也就是说，同级别AI大模型支撑的MaaS业务，已经有了商业化的基础。AI浪潮中的百融云们，也成为了中国第一批“MaaS Gainer”。 对于中国的金融公司而言，实时性信息的重要性无需赘余，比如信贷业务中最新的贷款申请者行为信息、财富管理潜在客户最新的收入及资产情况、资本市场各类产品（股票、债券、基金）的实时报价与净值，都是金融机构在业务流程中需要实时调用的信息，也即百融云这种MaaS服务商必须匹配的能力。 在ChatGPT Equivalent假设下，单词检索服务收费约为0.0055美元，假设在平均50个token的信息输入条件下，金融业客户为获得更高质量的业务效果，百融云MaaS服务每次检索将返回5个结果响应，且每个响应包含400 tokens的内容，那么B端客户付费就为0.0055美元。 而金融机构需要不停的在业务流程中调取实时信息，并且依赖百融云MaaS服务的扩展能力，所以在2-Stage Search Summarizer的假设下，假定模型会检索传统搜索引擎中的相关内容，并基于每条搜索内容生成结果响应，如贷款申请评分、财富管理产品推荐等等，并将模型认为最好的答案输出给用户，50 tokens的信息输入条件下，每次基于传统搜索引擎生成10个响应，每个响应中有平均1000 tokens，并最终生成400 tokens的搜索结果，则单次检索服务费用为0.0375美元 如果说第一种服务是MaaS业务的调用费基本盘，那么第二种就是MaaS调用量和费用的杠杆。加在一起，就是百融云这种MaaS服务商要迎接的庞大中国AI市场。 股价“预期差”的来源，就是对AI业务市场空间测算的不同。曾经那些对“中国MaaS厂商已经几十亿收入，无法维持高增速”预判的投资人，看到百融云2023年年报不知会否发掘自己的疏忽。 百融云MaaS业务在2023年实现收入8.91亿元、同比增幅17%、且有99%的核心客户留存率。但目前百融云的MaaS收入仅仅相对于金融机构信贷总额的万分之几，对于消费信贷巨大的规模，即使最终是千分之一的体量，那也将代表着几百亿规模的普惠金融AI市场。毕竟现在的美国MaaS服务商市场，是一个接近百分之一的体量。 同样的故事，也会出现在百融云的BaaS业务中，就像很少有人预判这家公司BaaS金融云2023年增速接近40%。 做个逆风者，是大部分中国AI公司要面临的课题。这个课题，何止资本市场。但比起银枪白马，资本市场更喜欢听underdog的逆袭。