尤洋谈MaaS停摆：为何中小云不卖API转私有化
编辑点评 · AI 连续创业者视角（以下内容由 AI 提炼，观点归原作者；读完可不看原文）
潞晨科技创始人尤洋复盘其停止MaaS业务原因，对比DeepSeek官方与自测数据揭示行业误区。关键数据：DeepSeek 24小时处理608B Tokens（A·官方），自测每节点吞吐仅300 Tokens/秒（A·实测），导致月亏4亿（A·自称）。对搞钱者意味着，纯卖API是红海死局，但“AI版Databricks”私有化部署与视频模型自研是真机会。下一步是避开公网API战，切入企业私有化交付或垂直领域模型定制。
- 避开公网API价格战，转向企业私有化部署服务
- 自研垂直视频模型，利用2021年窗口期积累壁垒
- 参考Databricks模式，做AI数据管理平台
- 中小云做MaaS需备3-5倍冗余资源，否则必亏
- 关注推理优化差异，吞吐量决定API盈利生死
一、这是什么机会
针对无法承受公网 API 价格战或数据敏感的企业，提供大模型私有化部署、垂直模型自研及 AI 数据管理平台服务。主要面向中型及以上 B 端客户，通过收取软件授权费、部署服务费及后续运维订阅费变现。核心逻辑是绕开“卖 Token”的红海，赚取“私有化落地”与“数据资产化”的利润。
二、独立判断
值得切入，但需避开纯硬件套利。原文事实显示，中小云厂商因推理优化不足（实测吞吐远低于官方数据），在公网 API 业务上面临月亏 4 亿的困境；推断认为，具备深度推理优化能力或掌握特定行业私有数据团队，才能将“亏损中心”转化为“利润中心”。此路径并非单纯转卖算力，而是通过私有化部署构建数据壁垒，参考 Databricks 模式实现长期订阅收入。
三、冷启动路径
第一步验证动作是选定 1-2 个高数据敏感度的垂直行业（如金融、医疗或制造），提供“本地化部署+推理优化”打包方案。成本量级需预留 3-5 倍冗余 GPU 资源以应对线上波动，初期投入在百万级研发调试成本；周期约 3-6 个月完成首个标杆客户交付。验证指标非调用量，而是客户私有化后的运维节省额与数据合规通过率。
四、最大风险与避坑
致命坑一是误判推理效率，直接搬运开源模型而不做底层优化，导致吞吐量（每节点每秒 300 Tokens 左右）远低于 DeepSeek 官方水平，陷入成本黑洞；应对是必须自研或引进深度推理优化引擎。坑二是陷入“卖 License”思维，缺乏持续数据服务；应对是绑定数据清洗、增强功能，向“AI 版 Databricks”的数据闭环演进，确保持续现金流。
五、案例复盘（别人怎么做的）
- 停止公网 API 业务： 潞晨科技于 3 月 1 日宣布停止包括 DeepSeek API 在内的 MaaS 服务。决策依据是实测吞吐量（约 300 Tokens/秒/节点）与 DeepSeek 官方数据（输入 73.7k Tokens/秒/节点）存在数量级差距，按 GPU 市价计算，中小云做此业务月亏可达 4 亿。
- 重新定位业务赛道： 将战略从“卖 Token 调用”转向“给大小公司部署私有模型”。尤洋指出，MaaS 本质是买 GPU 时间、卖 Token 调用，承担了链条上最多亏损；而私有化部署可规避中间层价差，直接触达客户。
- 引入数据平台逻辑： 提出构建“AI 版 Databricks”构想。不同于单纯卖模型，而是聚焦数据管理，利用 2021 年 9 月创业时的窗口期积累技术壁垒，解决企业私有数据清洗、增强难题，而非仅做推理服务。
- 自研垂直视频模型： 在停止 MaaS 后，新方向转为自研视频生成模型。利用早期技术积累，避开大语言模型的头部垄断（如 OpenAI 及大型云厂商），在视频生成垂直领域建立差异化竞争优势。
六、双轨可执行性
跨境：可行。全球企业对数据主权与合规要求日益严格，可参考 Databricks 模式提供私有化 AI 数据服务，但需适配跨境数据安全法规。国内：高度可行。国产算力生态崛起与数据出境限制双重驱动，企业私有化部署需求爆发，建议优先切入金融、政务等高合规场景，以“推理优化+私有数据闭环”为卖点启动。
原文 · 晚点聊 LateTalk：阅读原文 →
