MoMA

MoMA是中国移动推出的大模型聚合平台，定位是开放普惠的模型服务入口。平台把300余款模型集中到一处，既有开源和闭源的主流模型，也有移动自研的九天系列，覆盖文本、视觉、语音、向量、多模态等类别。用户在一个账号下就能完成模型体验、接口调用、部署和微调，不必分别对接多家厂商。

没有这类平台时，一个团队想用上大模型，往往要逐家注册账号、逐家读文档、逐家适配接口协议，每换一家供应商就是一轮重复劳动。模型选错了想换，代码还得改一遍。更麻烦的是成本：不同模型价格差异大，人工判断哪个任务该用哪个模型，基本靠拍脑袋。MoMA针对的就是这些环节。它用统一API网关把接口标准化，一次接入就能调用平台内所有模型；智能路由会自动分析请求内容，按成本优先、效果优先或均衡优先三种策略动态匹配合适的模型，某个模型出故障时还能秒级切换到备用模型。按参考资料给出的数据，这套机制能让单位Token成本下降约30%，资源占用降低一半以上。省下的不只是钱，还有反复对接的人力。

它最合适的是要把AI能力接进真实业务的企业团队：需要统一模型入口支撑多条业务线的IT部门、想快速搭建知识库问答或客服系统的运营团队、以及要用低代码方式做审批助手、数据分析Agent这类垂直应用的开发者。平台上手门槛不高，可视化编排让没有深厚编程基础的人也能搭智能体。反过来，如果你只想长期固定使用某一个特定模型、且对价格不敏感，聚合层的价值就不明显，直接找模型原厂反而路径更短。需要精细控制底层推理参数、做深度定制的专业算法团队，也可能觉得平台的封装层碍事。