从今以后，中国 AI 开发者也有了专属的「模型即服务」社区。
「模型即服务（Model as a Service）代表了未来的行业趋势，而魔搭 ModelScope 迈出了最重要的第一步。」
11 月 3 日，2022 云栖大会杭州现场，全新的 AI 模型社区魔搭 ModelScope 横空出世。
魔搭社区 ModelScope 由阿里达摩院联手中国计算机学会（CCF）开源发展委员会共同推出，首批合作机构包括澜舟科技、智谱 AI、深势科技、中国科学技术大学等多家科研机构，首批开源模型超过 300 个，中文模型占比超过 1/3，SOTA 模型超过 150 个，还有 10 多个前沿的大模型，覆盖了计算机视觉、语音、语义、多模态等多个领域，覆盖了 60 多个通用任务。这些优质的模型，从此面向行业免费开放。
为什么要做这样一件事？阿里巴巴集团副总裁、阿里达摩院副院长周靖人表示：「中文为母语的 AI 开发者人数众多，但中文 AI 模型数量不多，难以满足实际需求，而且也没有鼓励开发和使用中文 AI 模型的相关社区。因此，我们希望魔搭 ModelScope 的出现能够填补这方面的空白。」
十多年来，AI 技术的高速发展有目共睹，但如何让先进技术高效落地，始终是一大难题。
这是因为传统的 AI 模型存在技术上的局限性，1 个模型只针对 1 个任务，1000 个任务需要 1000 个模型，研发成本过高，无法实现规模化使用。
而预训练模型的兴起提供了一种新的可能。比如近年来诞生的 Transformer、BERT 等预训练模型，这些模型通过上游统一的预训练后，面对下游各种任务场景只需要微调就能实现较好的效果。很多预训练模型也已经开源，所有开发者都能下载、安装、使用。
开源并不是万能的。对于普通开发者来说，从源代码开始跑一个复杂的 AI 模型，过程较长，充满未知数。除了模型代码，开发者同样需要开源之后的模型使用服务，需要更加简便易用。
魔搭社区 ModelScope 就在这样的背景之下诞生了。
模型即服务：AI 开源 2.0 新范式
践行模型即服务（Model as a Service）的新理念，魔搭社区提供了众多预训练基础模型，只需针对具体场景再稍作调优，就能快速投入使用。
官网地址：http://www.modelscope.cn/
相比于行业内已有的其他 AI 开源社区，魔搭具备三大特征：易用性、本土化、开放兼容。
首先，魔搭提供了集模型探索、环境安装、推理验证、训练调优于一体的「一站式服务」。对于模型使用者来说，可以在魔搭平台通过多维度的标签，在线检索并直接体验模型。魔搭既支持本地环境快捷安装，也支持云端 NoteBook 免安装，真正实现了「开箱即用」。
以「DCT-Net 人像卡通化模型」为例，开发者可在模型库主页快速浏览「模型介绍」，初步了解模型的架构和详细参数，还能一键链接到关联数据集或在线体验窗口。「快速使用」版块则提供了下载安装、加载和推理的操作指南。
值得关注的是，针对模型的推理和调优，魔搭通过封装的 Python SDK，实现了一行代码即可实现模型推理；此外通过简单易用的调用接口、灵活的配置文件设计，仅需十行代码就可以运行一个调优任务。
基于云的算力支撑和技术支撑，魔搭提供了更佳的用户体验，使得 AI 模型的开发和使用更简单。以往，要让一个 AI 模型跑起来，从下载开源代码到本地配置、环境部署，得到评测结果往往需要数天时间，现在只需要几个小时甚至几分钟。
其次，魔搭更关注本土化需求，更懂中文 AI 领域研究。
语言是从感知智能迈向认知智能的关键，理解中文，才能在中文世界的任务场景中取得更佳效果。社区鼓励中文 AI 模型的开发和使用，希望实现中文 AI 模型的丰富供给。
目前已经上架的超过 100 个中文模型中，包括了一系列探索人工智能前沿的中文大模型。比如阿里通义大模型系列、澜舟科技的孟子系列模型、智谱 AI 的多语言预训练模型、中文版 GPT-3、中文版 CLIP。
1 亿参数量的中文 GPT-3 文本生成模型，在魔搭社区获得了近两千次下载。
魔搭社区坚持中立开放的原则，兼容 TensorFlow、PyTorch、Caffe 等多种主流学习框架，且支持多种模型训练与服务部署方式，提供更多自主可控的选择。
社区组织架构为理事会领导。所有开发者均可共同参与社区建设，不限机构，不限类型，旨在推动 AI 的大规模使用，不以盈利为目标。
从这个维度去看，魔搭探索的是一种「AI 开源 2.0 新范式」。
推动「模型即服务」迈出重要一步
如果你对云服务行业有所涉猎，那么 IAAS（Infrastructure-as-a-Service，基础设施即服务），PAAS（Platform-as-a-Service，平台即服务) 和 SaaS（Software-as-a-Service，软件即服务) 这三个名词的涵义便不难理解。
但对于当下的行业来说，模型即服务（Model as a Service）还算一个小众概念。魔搭为什么要选择这样一种运作模式？
达摩院副院长周靖人解释说，AI 发展到今天，模型架构变得越来越复杂，参数量也越来越庞大。除了模型本身之外，研发、应用的过程还会涉及到大量的数据和相应的算力。只有少数研究者或者一些大型科技企业可以承担高昂的投入，普通 AI 开发者要训练好一个模型还是非常有难度的。况且，想要把各个领域的模型利用起来，也需要一定的技术背景和比较深入的领域 Know-How。今天，行业内还缺乏统一的框架，帮助开发者们迅速把这些模型调用起来。种种因素使得 AI 的产业化应用面临着挑战，AI 的潜力难以得到充分发挥。
基于对以上观察的思考，魔搭社区背后的创始成员们决定采取模型即服务（Model as a Service）的理念 。「人工智能发展到这个阶段，当前的学界和业界形成了一个共识：模型本身已经成为重要的载体，更加需要的是围绕模型本身搭建相关服务。我们预估，这在接下来会是整个业界发展的重要趋势。」周靖人表示。
纵观 AI 领域的技术进步历程，其实并不是靠某个人或某家公司来实现持续推动的。一个不涉及商业利益的、开放式的平台，才更能够吸引顶尖的技术人才集聚，更快实现「技术的平民化」。
也就是说，不光是从技术上降低门槛，也要从经济上要降低门槛。所以在搭建之初，魔搭就定下了原则：不考虑盈利，免费提供模型下载和二次开发的机会。
为此，魔搭此次开源开放了十多个大模型，尤其包括针对中文的大模型，希望能够被开发者用起来，让大家根据大模型去定制开发下游任务的小模型。
中国科学院院士、CCF 开源发展委员会主任王怀民指出，开源是 AI 发展的重要驱动力，魔搭 ModelScope 作为新型的 AI 开源社区，不仅将有力推动 AI 迈向广泛的落地应用，还将助力中国从开源世界的参与者逐步成长为领导者。
在这个过程中，达摩院也成为了贡献先行者。「我们把自己最好的模型都拿了出来，包括此前发布的达摩院通义大模型系列，这些全部通过社区提供相应的开发以及下载。」
对于各方参与机构来说，开源自研大模型不是「轻而易举」的事。如果想让众多优质模型放弃商业营收，进入到开源开放序列，就必须打破现有的利益格局，重塑共识。当然，要打造一个中文模型社区，不仅需要达摩院等几家机构的参与，更需要高校、科研机构、企业、个人等各种主体的贡献，以推动行业发展为己任，共同建设中文 AI 的新生态。
「魔搭社区的推出，远远算不上一个里程碑，只是一个起点，未来需要各方共同努力。」周靖人总结道。
附：魔搭社区部分模型
达摩院作画 AI（阿里通义文生图大模型） ，支持中文输入，体验入口
https://decoder.modelscope.cn/
(也可手机扫码体验)
- 阿里通义底座模型之 M6-OFA，可处理 10 多项跨模态任务；
- https://modelscope.cn/models/damo/ofa_image-caption_coco_large_en/summary
- 阿里通义多模态大模型 mPLUG，首次在视觉问答榜单 VQA Leaderboard 上超越人类；
- https://modelscope.cn/models/damo/mplug_visual-question-answering_coco_large_en/summary
- 阿里通义 AliceMind-PLUG （270 亿参数），中文理解和生成大模型，支持写小说、写技术文档、常识问答等功能。
- https://modelscope.cn/models/damo/nlp_plug_text-generation_27B/summary
- 中文版 GPT-3，支持 AI 生成代码、AI 写作文、续写小说
- https://modelscope.cn/models/damo/nlp_gpt3_text-generation_13B/summary
- 中文版 CLIP 模型（2 亿图文对），可用于图文检索和图像、文本的表征提取
- https://www.modelscope.cn/models/damo/multi-modal_clip-vit-large-patch14_336_zh/summary
- 澜舟科技的孟子系列模型，十亿参数的轻量化模型登顶中文语言理解榜单 CLUE；
- https://modelscope.cn/models/langboat/mengzi-t5-base-mt/summary
- 智谱AI的多语言预训练模型，支持101种语言
- https://modelscope.cn/models/ZhipuAI/Multilingual-GLM-Summarization-zh/summary
- 深势科技的蛋白质结构预测模型 Uni-Fold，一个开源的超越 AlphaFold 的模型
- https://modelscope.cn/models/DPTech/uni-fold-monomer/summary
