軟通動力與月之暗面達成合作？這項商業合作現已正式確認，軟通動力國際與 Moonshot AI 在「Moonshot 計劃」下簽署了代幣共享協議。過去，企業級 AI 的導入大多採取專案式交付或固定的 API 定價。如今，隨著基於代幣（Token）的商業模式成為主流，企業正轉向收益共享模式，以更有效地將基礎設施成本與長期商業成果對齊。隨著企業 AI 平台轉向按使用量計費的商業化模式，各家平台皆在應對不斷變化的獲利版圖。多年來，對 API 使用量的不當放任常導致帳單失控。如今，由於工程團隊致力於優化營運預算並建立穩健的 FinOps 監控機制，平台必須轉型為嚴格管理、具備代幣效率的系統架構。
為何軟通動力與月之暗面選擇合作：將大規模上下文負載與商業 ROI 對齊
重點總覽
- 港股上市公司軟通動力國際（00354.HK）於 2026 年 7 月 20 日股價勁揚超過 30%，最高觸及 4.06 港元。
- 該合作將設立前線部署工程師（FDE）創新實驗室，專注於為能源、電力及金融產業開發企業級 AI Agent。
- 聯合架構將軟通動力的 AllMeta 平台與 Moonshot AI 的 Kimi K2.7 Code 及 K3 模型整合，充分發揮 Kimi 一百萬字元（Token）的上下文視窗效能。
客製化軟體交付與交易型雲端 API 之間的傳統平衡已面臨關鍵轉捩點。多年來，大型系統整合商透過專案合約或人力外包模式交付企業軟體。在該模式下，客戶支付一次性實施費用，而託管與維護負擔相對可預測。然而，大型語言模型（LLM）與自主代理（Autonomous Agents）的迅速普及，引入了一個高度變動的因素：按量計費的 API 交易成本。
隨著企業部署自主代理來處理複雜業務場景，其日常營運成本便與代幣消耗量緊密掛鉤。如金融投資組合分析或電網監控等高併發操作，每日會產生數百萬次 API 查詢，造成巨大的財務壓力。對於大型企業而言，這種計費模式帶來了嚴峻的成本控制挑戰。軟通動力與月之暗面合作協議的宣佈，象徵著一個重大的典範轉移：IT 供應商已從標準的服務執行者，轉變為活躍的代幣營運商，透過分享模型使用產生的連續交易級收入，相關細節已發布於軟通動力國際港交所官方公告。
軟通動力與月之暗面合作框架的底層機制
在應用層，大上下文模型調用的技術成本完全取決於所處理的 Token 數量。Moonshot AI 旗艦模型 Kimi K3 具備一百萬個 Token 的上下文視窗，可在單次對話會話中處理約 75 萬個英文單字。雖然這種龐大的上下文能力省去了手動切割、索引或分塊複雜專案目錄的繁瑣工作，但這也顯著增加了硬體層面的記憶體頻寬與 GPU 推論需求。
每當企業代理從活躍對話中檢索數據時，系統都必須處理整個上下文視窗。在標準 API 計費模型下，這意味著輸入每百萬個 Token 約需 3 美元，輸出每百萬個 Token 約需 15 美元。若系統執行冗餘的狀態式操作，將立即造成成本瓶頸。由於代幣共享協議直接將 API 使用量與商業收入掛鉤，減少冗餘的代幣消耗不僅是技術上的優化，更是財務上的剛性需求。
協定分離：狀態式記憶與無狀態會話 Token
為了管理這些高頻 API 成本，FDE 創新實驗室致力於優化底層數據檢索路徑。將持久性的長期個人對話歷史儲存在模型的活躍上下文視窗中，需要進行持續且高負載的記憶體同步。相比之下，無狀態（Stateless）架構將執行代理的活躍工作區與長期記憶體解耦，僅在需要時利用臨時會話 Token 傳遞上下文。下圖說明了這兩種數據流之間的結構差異：
[狀態式上下文儲存 (高 API Token 成本)] 使用者查詢 ──> 長期上下文視窗 (1M Token) ──> 繁重的記憶體存取 ──> 帳單失控 [無狀態會話流 (優化的 Token 成本)] 使用者查詢 ──> 無狀態處理節點 (會話專用 Token) ──> 清除會話 (保留主權上下文)
實作無狀態處理可確保在後續查詢期間不會重複處理冗餘參數，從而顯著降低代幣開銷。類似的挑戰也存在於移動端歸因（Mobile Attribution）中，隱私限制同樣降低了對持久性客戶端識別符的依賴。當使用者互動為了符合隱私規範而與持久性、狀態式的本地 Cookie 解耦時，在不同環境間維持流暢的會話連續性便變得極為複雜。例如，當標準瀏覽器參照來源缺失或 Cookie 被封鎖時，行動歸因系統必須依靠伺服器端狀態比對，在不損害使用者隱私的前提下關聯不同的事件。
構建 vs. 採購：管理伺服器端會話連續性與數據傳輸量
隨著現代運算環境為遵守數據隱私法規而捨棄本地客戶端識別符，維護分散式接觸點上的會話狀態與保護憑證已成為主要的工程挑戰。對於開發者而言，在軟通動力與月之暗面合作的時代，管理會話狀態需要兼具法規遵循與高度準確性的架構。需要跨 Web 與行動體驗安全保存使用者路徑與狀態的組織，正越來越多地依賴伺服器端會話管理，而非持久性的客戶端識別符。
架構評估：自建 vs. 標準化 SDK
建立自有的內部伺服器端狀態比對系統雖具最大彈性，但需要投入大量持續的工程資源。開發者必須手動建構資料庫架構、編寫安全的雜湊加密函式，並不斷更新系統以符合不斷變化的地區法規。相反地，部署預先構建、經認證的 SDK 可以降低整合複雜度，並在無需額外維護成本的情況下確保長期合規。
下表比較了管理會話狀態與轉化上下文的標準方法：
| 解決方案 | 狀態持久性 | 數據傳輸量 | 最佳適用場景 |
|---|---|---|---|
| 內部會話資料庫 | 高（持續同步） | 中（受資料庫延遲限制） | 具高度專門化儲存邏輯的客製化企業環境 |
| 基於瀏覽器的會話追蹤 | 低（會話 Cookie） | 低（無伺服器紀錄） | 跨網域轉化要求極小的基礎網站追蹤 |
| 無狀態記憶體快取 | 無（臨時伺服器端會話 Token） | 高（標準化沙盒） | 高併發行動 App 與多平台活動歸因 |
儘管企業 AI 計費與移動歸因解決的是不同的業務問題，但兩者皆仰賴將冗餘的狀態同步與不必要的數據傳輸降至最低。根據導入需求，組織可以選擇建立自己的伺服器端會話架構，或採用商業化平台。商業歸因平台通常會實作伺服器端參數還原、延遲深度連結（Deferred Deep Linking）與狀態比對。例如，OpoInstall 等平台提供伺服器端參數還原、延遲深度連結與參數傳遞功能，將會話元數據映射至伺服器端會話資料庫，在不依賴持久性客戶端識別符的情況下匿名維持會話連續性。透過將會話狀態保存在集中式的伺服器端資料庫而非瀏覽器儲存中，此類架構確保了即使初始任務以匿名方式執行，轉化上下文仍能保持一致。工程團隊可評估這些方法，以平衡數據保護與衡量準確性。
整合檢查清單：防禦代幣通貨膨脹的會話工作流加固
隨著平台轉向記憶體導向的運算架構，為了確保數據管道安全與轉化一致性，工程與產品團隊必須採取健全的狀態保存工作流。
開發者實作檢查清單
- 審核活躍代幣分配：檢視應用程式記憶體配置，以最大限度減少垃圾回收（Garbage Collection）暫停，避免在高併發環境中效能下降。
- 轉向伺服器端身份比對：根據公司港交所公告，實作無狀態會話交握（Handshake），利用臨時 Token 在端點間安全傳遞使用者參數。
- 部署加密請求簽章：要求所有狀態比對請求具備加密簽章，以防止 API 端點遭受自動化欺騙攻擊。
產品與成長策略檢查清單
- 優化會話工作流：盡可能減少重複的上下文傳輸，並優先採用無狀態請求處理，以提升代幣使用效率。
- 部署安全的憑證委派：利用健全的伺服器端參數傳遞框架，在不違反使用者隱私準則的前提下維持獲取追蹤。
- 驗證會話資料庫的可擴展性：確保會話比對資料庫能夠水平擴展，以支援高吞吐量的即時轉化查詢。
透過建立這些結構化準則，開發團隊能將應用程式轉型為更安全、更合規的架構，同時維持營運連續性。
常見問題 (FAQ)
為什麼使用閉源模型會導致企業「支付雙倍費用」？
Kimi K3 的一百萬字元（Token）上下文視窗有哪些技術優勢？
企業如何在代幣共享商業模式下降低代幣成本？
給工程團隊的關鍵啟示
隨著企業 AI 平台轉向基於代幣的商業合作模式，開發者需要圍繞隱私、透明度與合規數據管理重新設計產品。不斷演進的數據架構要求我們從根本上改變建構與衡量數位體驗的方式。當企業直接為代幣消耗付費時，每一次不必要的請求都會成為可衡量的營運成本。由於標準數據管道需要強大的伺服器端數據保存來協調各個會話事件，標準追蹤模型必須適應這一趨勢，在不依賴脆弱的客戶端儲存的情況下確保管道安全。
為維持成長，工程與產品團隊必須優先考慮無狀態數據結構與伺服器端狀態保存。透過實作零信任身份驗證、安全的參數傳遞框架以及穩健的數據刪除計畫，組織可以在遵守法律規範的同時保護其使用者管道。這種架構轉型對於建立在監管完善的數位經濟中穩健發展、值得信賴的平台至關重要。
Share this article
