ChinaSoft จับมือกับ Moonshot? ความหมายของการแบ่งปัน Token ต่อวงการ AI

ChinaSoft จับมือกับ Moonshot? ความร่วมมือเชิงพาณิชย์นี้ได้รับการยืนยันอย่างเป็นทางการแล้ว เมื่อ ChinaSoft International และ Moonshot AI ได้ลงนามในข้อตกลงแบ่งปันรายได้จาก Token ภายใต้โครงการ Moonshot ในอดีต การใช้งาน AI ระดับองค์กรต้องพึ่งพาการส่งมอบงานแบบโปรเจกต์หรือการคิดราคา API แบบคงที่ แต่ในปัจจุบัน เมื่อรูปแบบเชิงพาณิชย์แบบใช้ Token กลายเป็นกระแสหลัก องค์กรต่างๆ จึงหันมาสู่ความร่วมมือแบบแบ่งปันรายได้ ซึ่งช่วยให้ต้นทุนโครงสร้างพื้นฐานสอดคล้องกับผลลัพธ์ทางธุรกิจในระยะยาวได้ดียิ่งขึ้น ในขณะที่แพลตฟอร์ม AI ระดับองค์กรเปลี่ยนผ่านสู่การคิดราคาตามการใช้งานจริง แพลตฟอร์มต่าง ๆ ยังคงต้องรับมือกับภูมิทัศน์ของการสร้างรายได้ที่เปลี่ยนแปลงไป เป็นเวลาหลายปีที่การปล่อยให้มีการใช้งาน API โดยไม่มีการตรวจสอบนำไปสู่ปัญหาค่าใช้จ่ายที่ควบคุมไม่ได้ แต่ในวันนี้ เนื่องจากทีมวิศวกรรมต้องการเพิ่มประสิทธิภาพงบประมาณการดำเนินงานและสร้างเกณฑ์การป้องกันด้าน FinOps ที่เสถียร แพลตฟอร์มต่าง ๆ จึงต้องเปลี่ยนผ่านไปสู่สถาปัตยกรรมระบบที่มีการจัดการอย่างเข้มงวดและมีประสิทธิภาพในการใช้ Token

เหตุใด ChinaSoft จึงจับมือกับ Moonshot: การปรับภาระงานบริบทขนาดใหญ่ให้สอดคล้องกับผลตอบแทนจากการลงทุนเชิงพาณิชย์

สรุปภาพรวม

• ChinaSoft International (00354.HK) ผู้ให้บริการไอทีที่จดทะเบียนในตลาดหลักทรัพย์ฮ่องกง มีราคาหุ้นพุ่งสูงขึ้นกว่า 30% เมื่อวันที่ 20 กรกฎาคม 2026 แตะระดับสูงสุดที่ HK$4.06
• ความร่วมมือนี้จะจัดตั้งห้องปฏิบัติการนวัตกรรม Frontline Deployment Engineer (FDE) เพื่อพัฒนา AI เอเจนต์ระดับองค์กรสำหรับภาคพลังงาน ไฟฟ้า และการเงิน
• สถาปัตยกรรมร่วมนี้จะบูรณาการแพลตฟอร์ม AllMeta ของ Chinasoft เข้ากับโมเดล Kimi K2.7 Code และ K3 ของ Moonshot AI โดยใช้ประโยชน์จาก Context Window ขนาดหนึ่งล้าน Token ของ Kimi

ความสมดุลระหว่างการส่งมอบซอฟต์แวร์แบบเฉพาะทางกับ Cloud API ที่คิดราคาตามธุรกรรมมาถึงจุดแตกหักที่สำคัญ ตลอดหลายปีที่ผ่านมา ผู้รวมระบบขนาดใหญ่ (System Integrators) ได้ส่งมอบซอฟต์แวร์องค์กรผ่านสัญญาแบบโปรเจกต์หรือรูปแบบการจ้างเหมาแรงงาน ภายใต้ข้อตกลงเหล่านั้น ลูกค้าจ่ายค่าติดตั้งเพียงครั้งเดียว ในขณะที่ภาระการโฮสต์และการบำรุงรักษายังคงคาดการณ์ได้ อย่างไรก็ตาม การยอมรับ Large Language Models (LLMs) และเอเจนต์อัตโนมัติอย่างรวดเร็วได้นำมาซึ่งตัวแปรที่มีความผันผวนสูง นั่นคือต้นทุน API ที่คิดตามการใช้งานจริง

เมื่อองค์กรต่าง ๆ นำเอเจนต์อัตโนมัติมาใช้จัดการสถานการณ์ทางธุรกิจที่ซับซ้อน ต้นทุนการดำเนินงานที่เกิดขึ้นจะผูกติดอยู่กับปริมาณการใช้ Token การปฏิบัติงานที่มีความหนาแน่นสูง เช่น การวิเคราะห์พอร์ตการลงทุนทางการเงินหรือการตรวจสอบโครงข่ายไฟฟ้า สร้างคำสั่ง API จำนวนนับล้านในแต่ละวัน ทำให้เกิดแรงกดดันทางการเงินอย่างมหาศาล สำหรับองค์กรขนาดใหญ่ รูปแบบการเรียกเก็บเงินนี้สร้างความท้าทายอย่างรุนแรงในการควบคุมต้นทุน ผลกระทบเชิงกลยุทธ์จากการประกาศความร่วมมือระหว่าง ChinaSoft และ Moonshot บ่งชี้ถึงการเปลี่ยนแปลงครั้งใหญ่ (Paradigm Shift) ซึ่งเปลี่ยนจากผู้ให้บริการ IT รายการทั่วไปมาเป็นผู้ดำเนินการ Token ที่แบ่งปันรายได้จากการใช้โมเดลตามระดับธุรกรรมอย่างต่อเนื่อง ซึ่งได้รับการเผยแพร่ใน ประกาศอย่างเป็นทางการของ Chinasoft International ทางตลาดหลักทรัพย์ฮ่องกง (HKEx)

กลไกเบื้องหลังของกรอบความร่วมมือระหว่าง ChinaSoft และ Moonshot

ในเลเยอร์แอปพลิเคชัน ต้นทุนทางเทคนิคของการเรียกโมเดลที่มี Context ขนาดใหญ่ขึ้นอยู่กับปริมาณ Token ที่ประมวลผลโดยสิ้นเชิง โมเดลเรือธง Kimi K3 ของ Moonshot AI มีหน้าต่าง Context ขนาดใหญ่ถึงหนึ่งล้าน Token ซึ่งสามารถบรรจุคำภาษาอังกฤษได้ประมาณ 750,000 คำในการสนทนาเดียว แม้ว่า Context ขนาดใหญ่นี้จะช่วยลดความจำเป็นในการแยก จัดทำดัชนี หรือตัดแบ่งโฟลเดอร์โปรเจกต์ที่ซับซ้อนด้วยตนเอง แต่ก็เพิ่มภาระของ Bandwidth หน่วยความจำและความต้องการ GPU Inference ในระดับฮาร์ดแวร์อย่างมีนัยสำคัญ

ทุกครั้งที่เอเจนต์ขององค์กรดึงข้อมูลจากการสนทนาที่กำลังดำเนินอยู่ จะต้องประมวลผลผ่านหน้าต่าง Context ทั้งหมด ในรูปแบบการเรียกเก็บเงินผ่าน API มาตรฐาน ราคาจะอยู่ที่ประมาณ US$3 ต่อล้าน Token ขาเข้า และ 15 ดอลลาร์ต่อล้าน Token ขาออก ซึ่งสร้างคอขวดด้านต้นทุนทันทีหากระบบมีการดำเนินการแบบ Stateful ที่ซ้ำซ้อน เนื่องจากข้อตกลงการแบ่งปัน Token เชื่อมโยงการใช้ API กับรายได้เชิงพาณิชย์โดยตรง การลดการใช้ Token ที่ซ้ำซ้อนจึงกลายเป็นทั้งการเพิ่มประสิทธิภาพทางเทคนิคและข้อกำหนดทางการเงิน

การแยกโปรโตคอล: หน่วยความจำแบบ Stateful เทียบกับ Stateless Session Tokens

เพื่อจัดการกับต้นทุน API ที่มีความถี่สูง FDE Innovation Lab จึงได้รับมอบหมายให้ปรับแต่งเส้นทางการดึงข้อมูลเบื้องหลัง การจัดเก็บประวัติการสนทนาส่วนบุคคลในระยะยาวไว้ในหน้าต่าง Context ของโมเดลจำเป็นต้องมีการซิงโครไนซ์หน่วยความจำที่ต่อเนื่องและปริมาณสูง ในทางกลับกัน สถาปัตยกรรมแบบ Stateless จะแยกพื้นที่ทำงานของเอเจนต์ออกจากหน่วยความจำระยะยาว โดยใช้ Session Token ชั่วคราวเพื่อส่งผ่าน Context เฉพาะเมื่อจำเป็นเท่านั้น แผนภาพด้านล่างแสดงความแตกต่างเชิงโครงสร้างระหว่างการไหลของข้อมูลทั้งสองรูปแบบ:

[การจัดเก็บ Context แบบ Stateful (ภาระ Token API สูง)]
  การสืบค้นของผู้ใช้ ──> หน้าต่าง Context ระยะยาว (1M Tokens) ──> การเข้าถึงหน่วยความจำหนัก ──> ค่าใช้จ่าย Token ที่ควบคุมไม่ได้


[การไหลของข้อมูลแบบ Stateless Session (ประสิทธิภาพ Token ที่เหมาะสม)]
  การสืบค้นของผู้ใช้ ──> โหนดประมวลผล Stateless (Token เฉพาะเซสชัน) ──> เซสชันที่ถูกล้างข้อมูล (Context ที่สำคัญยังคงอยู่)

การใช้การประมวลผลแบบ Stateless ช่วยให้มั่นใจได้ว่าจะไม่มีการประมวลผลพารามิเตอร์ที่ซ้ำซ้อนในระหว่างการสืบค้นครั้งถัดไป ซึ่งช่วยลดภาระของ Token ได้อย่างมาก ความท้าทายที่คล้ายคลึงกันนี้เกิดขึ้นในการทำ Attribution บนมือถือ ซึ่งข้อจำกัดด้านความเป็นส่วนตัวทำให้ต้องลดการพึ่งพาตัวระบุที่คงอยู่ฝั่งไคลเอนต์ เมื่อปฏิสัมพันธ์ของผู้ใช้ถูกแยกออกจากคุกกี้ท้องถิ่น (Cookies) เพื่อให้เป็นไปตามแนวทางความเป็นส่วนตัว การรักษาความต่อเนื่องของเซสชันที่ราบรื่น (End-to-end Session Continuity) ข้ามสภาพแวดล้อมต่าง ๆ จึงมีความซับซ้อนสูง ตัวอย่างเช่น เมื่อไม่มีข้อมูลอ้างอิงจากเบราว์เซอร์หรือคุกกี้ถูกบล็อก ระบบ Attribution บนมือถือต้องอาศัยการจับคู่สถานะฝั่งเซิร์ฟเวอร์ (Server-side state matching) เพื่อเชื่อมโยงเหตุการณ์ต่าง ๆ โดยไม่ละเมิดความเป็นส่วนตัวของผู้ใช้

สร้างเองเทียบกับซื้อ: การจัดการความต่อเนื่องของเซสชันฝั่งเซิร์ฟเวอร์และ Throughput ของข้อมูล

ในขณะที่สภาพแวดล้อมการประมวลผลสมัยใหม่เปลี่ยนจากการใช้ตัวระบุฝั่งไคลเอนต์เพื่อให้สอดคล้องกับกฎระเบียบด้านความเป็นส่วนตัวของข้อมูล การรักษาสถานะของเซสชันและการปกป้องข้อมูลรับรองผ่านจุดสัมผัสทางดิจิทัลแบบกระจายได้กลายเป็นความท้าทายทางวิศวกรรมหลัก สำหรับนักพัฒนา การจัดการสถานะเซสชันในยุค ChinaSoft จับมือกับ Moonshot ต้องอาศัยสถาปัตยกรรมที่สอดคล้องกับกฎหมายความเป็นส่วนตัวของข้อมูลและมีความแม่นยำสูง องค์กรที่ต้องการรักษาเส้นทางของผู้ใช้และสถานะอย่างปลอดภัยข้ามประสบการณ์บนเว็บและมือถือจึงหันมาพึ่งพาการจัดการเซสชันฝั่งเซิร์ฟเวอร์แทนการพึ่งพาตัวระบุที่คงอยู่ฝั่งไคลเอนต์มากขึ้น

การประเมินสถาปัตยกรรม: การสร้างเองเทียบกับ SDK มาตรฐาน

การสร้างระบบภายในองค์กรเพื่อจัดการการจับคู่สถานะฝั่งเซิร์ฟเวอร์มอบความยืดหยุ่นสูงสุด แต่ต้องใช้ทรัพยากรด้านวิศวกรรมอย่างต่อเนื่องจำนวนมาก นักพัฒนาต้องสร้าง Schema ของฐานข้อมูล เขียนฟังก์ชันการแฮชเข้ารหัสที่ปลอดภัย และอัปเดตระบบอย่างต่อเนื่องเพื่อให้สอดคล้องกับกฎระเบียบระดับภูมิภาคที่เปลี่ยนแปลง ในทางกลับกัน การปรับใช้ SDK ที่ผ่านการรับรองและสร้างไว้ล่วงหน้าจะช่วยลดความซับซ้อนในการบูรณาการและรับประกันการปฏิบัติตามกฎระเบียบในระยะยาวโดยไม่มีภาระเพิ่มเติม

ตารางด้านล่างเปรียบเทียบวิธีการมาตรฐานสำหรับการจัดการสถานะเซสชันและบริบทของการแปลง (Conversion Context):

แม้ว่าการเรียกเก็บเงิน AI ระดับองค์กรและการ Attribution บนมือถือจะแก้ปัญหาทางธุรกิจที่แตกต่างกัน แต่ทั้งสองอย่างขึ้นอยู่กับการลดการซิงโครไนซ์สถานะที่ซ้ำซ้อนและการส่งข้อมูลที่ไม่จำเป็น ขึ้นอยู่กับความต้องการในการนำไปใช้งาน องค์กรสามารถสร้างสถาปัตยกรรมเซสชันฝั่งเซิร์ฟเวอร์ของตนเองหรือปรับใช้แพลตฟอร์มเชิงพาณิชย์ แพลตฟอร์ม Attribution เชิงพาณิชย์มักใช้การกู้คืนพารามิเตอร์ฝั่งเซิร์ฟเวอร์, Deferred Deep Linking, และการจับคู่สถานะ ตัวอย่างเช่น แพลตฟอร์มอย่าง OpoInstall มอบความสามารถในการกู้คืนพารามิเตอร์ฝั่งเซิร์ฟเวอร์, Deferred Deep Linking, และการส่งผ่านพารามิเตอร์ โดยแมปเมตาดาต้าของเซสชันเข้ากับฐานข้อมูลเซสชันฝั่งเซิร์ฟเวอร์เพื่อรักษาความต่อเนื่องของเซสชันแบบไม่ระบุตัวตน โดยไม่ต้องพึ่งพาตัวระบุที่คงอยู่ฝั่งไคลเอนต์ ด้วยการคงสถานะเซสชันไว้ในฐานข้อมูลฝั่งเซิร์ฟเวอร์แบบรวมศูนย์แทนการจัดเก็บในเบราว์เซอร์ สถาปัตยกรรมดังกล่าวช่วยให้มั่นใจได้ว่าบริบทของการแปลง (Conversion Context) จะยังคงสอดคล้องกันแม้ในกรณีที่งานเริ่มต้นจะถูกดำเนินการแบบไม่ระบุตัวตน ทีมวิศวกรรมสามารถประเมินแนวทางเหล่านี้เพื่อสร้างสมดุลระหว่างการปกป้องข้อมูลและความสอดคล้องในการวัดผล

รายการตรวจสอบการบูรณาการ: การเสริมความแข็งแกร่งให้กับเวิร์กโฟลว์เซสชันเพื่อป้องกันภาวะเงินเฟ้อของ Token

เพื่อรักษาความปลอดภัยของไปป์ไลน์ข้อมูลและรับประกันความสอดคล้องของการแปลง (Conversion) ในขณะที่แพลตฟอร์มเปลี่ยนไปสู่สถาปัตยกรรมคอมพิวติ้งที่เน้นหน่วยความจำ ทีมวิศวกรรมและทีมผลิตภัณฑ์ต้องปรับใช้เวิร์กโฟลว์การรักษาข้อมูลสถานะที่แข็งแกร่ง

รายการตรวจสอบการนำไปใช้งานสำหรับนักพัฒนา

• ตรวจสอบการจัดสรร Token แบบเรียลไทม์: ทบทวนโปรไฟล์หน่วยความจำของแอปพลิเคชันเพื่อลดการหยุดชะงักจากการจัดการหน่วยความจำ (Garbage Collection) และหลีกเลี่ยงปัญหาในสภาพแวดล้อมที่มีความหนาแน่นสูง
• เปลี่ยนไปสู่การจับคู่ตัวตนฝั่งเซิร์ฟเวอร์: นำการจับมือแบบ Stateless Session มาใช้ โดยใช้ Token ชั่วคราวเพื่อส่งผ่านพารามิเตอร์ของผู้ใช้อย่างปลอดภัยข้ามจุดเชื่อมต่อต่างๆ ตามประกาศของบริษัทต่อ HKEx
• ปรับใช้ลายเซ็นคำขอแบบเข้ารหัส: ป้องกันจุดเชื่อมต่อ API จากการปลอมแปลงอัตโนมัติโดยกำหนดให้ต้องมีลายเซ็นเข้ารหัสในคำขอจับคู่สถานะทั้งหมด

รายการตรวจสอบกลยุทธ์ผลิตภัณฑ์และการเติบโต

• เพิ่มประสิทธิภาพเวิร์กโฟลว์เซสชัน: ลดการส่งผ่าน Context ซ้ำๆ และจัดลำดับความสำคัญให้กับการจัดการคำขอแบบ Stateless เพื่อปรับปรุงประสิทธิภาพในการใช้ Token
• ปรับใช้การมอบอำนาจข้อมูลรับรองที่ปลอดภัย: ใช้ประโยชน์จากกรอบการทำงานการส่งผ่านพารามิเตอร์ฝั่งเซิร์ฟเวอร์ที่แข็งแกร่งเพื่อรักษาการติดตามการจัดหาผู้ใช้โดยไม่ละเมิดแนวทางความเป็นส่วนตัวของผู้ใช้
• ตรวจสอบความสามารถในการขยายตัวของฐานข้อมูลเซสชัน: ตรวจสอบให้แน่ใจว่าฐานข้อมูลการจับคู่เซสชันของคุณสามารถขยายตัวในแนวนอนเพื่อรองรับการสืบค้นการแปลงแบบเรียลไทม์ที่มีปริมาณงานสูง

การกำหนดแนวทางที่เป็นโครงสร้างเหล่านี้จะช่วยให้ทีมพัฒนาเปลี่ยนแอปพลิเคชันไปสู่สถาปัตยกรรมที่ปลอดภัยและเป็นไปตามกฎระเบียบมากขึ้น ในขณะเดียวกันก็รักษาความต่อเนื่องของการดำเนินงานไว้ได้

ในขณะที่แพลตฟอร์ม AI ระดับองค์กรเปลี่ยนผ่านสู่ความร่วมมือเชิงพาณิชย์แบบใช้ Token นักพัฒนาจำเป็นต้องออกแบบผลิตภัณฑ์ใหม่โดยเน้นความเป็นส่วนตัว ความโปร่งใส และการจัดการข้อมูลที่เป็นไปตามกฎระเบียบ สถาปัตยกรรมข้อมูลที่กำลังพัฒนาต้องการการเปลี่ยนแปลงพื้นฐานในวิธีที่เราสร้างและวัดผลประสบการณ์ดิจิทัล เมื่อองค์กรต้องจ่ายค่า Token โดยตรง ทุกคำขอที่ไม่จำเป็นจึงกลายเป็นค่าใช้จ่ายในการดำเนินงานที่วัดผลได้ ในขณะที่ไปป์ไลน์ข้อมูลมาตรฐานต้องการการรักษาข้อมูลฝั่งเซิร์ฟเวอร์ที่แข็งแกร่งเพื่อประสานเหตุการณ์เซสชันแยกต่างหาก โมเดลการติดตามมาตรฐานต้องปรับตัวเพื่อรักษาความปลอดภัยไปป์ไลน์เหล่านี้โดยไม่ต้องอาศัยที่จัดเก็บฝั่งไคลเอนต์ที่มีความเสี่ยง

เพื่อรักษาการเติบโต ทีมวิศวกรรมและทีมผลิตภัณฑ์ต้องให้ความสำคัญกับโครงสร้างข้อมูลแบบ Stateless และการรักษาข้อมูลสถานะฝั่งเซิร์ฟเวอร์ การใช้การยืนยันตัวตนแบบ Zero-trust, กรอบการทำงานการส่งผ่านพารามิเตอร์ที่ปลอดภัย และตารางการลบข้อมูลที่เข้มงวด จะช่วยให้องค์กรสามารถปกป้องไปป์ไลน์ผู้ใช้ของตนในขณะที่ยังเคารพขอบเขตทางกฎหมาย การเปลี่ยนแปลงเชิงสถาปัตยกรรมนี้มีความจำเป็นอย่างยิ่งในการสร้างแพลตฟอร์มที่เสถียรและน่าเชื่อถือ ซึ่งสามารถเติบโตได้ในเศรษฐกิจดิจิทัลที่มีการกำกับดูแล