Microsoft จับมือ DeepSeek V4 ลดต้นทุน Copilot Cowork ภายใต้ระบบคิดเงินแบบเครดิตใหม่

ปัญหาหลัก: งานแบบ Agentic กินโทเค็นมหาศาล

เพื่อให้เข้าใจว่าทำไมไมโครซอฟท์ถึงสนใจ DeepSeek V4 ก่อนอื่นต้องเข้าใจก่อนว่า Copilot Cowork ทำอะไรได้บ้าง มันไม่ใช่แค่แชทบอทธรรมดา เอเจนต์ตัวนี้ถูกออกแบบมาเพื่อทำงานที่ซับซ้อนและมีหลายขั้นตอนทั่วทั้งชุดโปรแกรม Microsoft 365—ทำงานใน Outlook, SharePoint, Teams และ Excel ในเวิร์กโฟลว์เดียว พฤติกรรมแบบ 'agentic' นี้แตกต่างโดยพื้นฐานจากการถามตอบครั้งเดียว มันเกี่ยวข้องกับการเชื่อมโยงการทำงานหลายอย่างเข้าด้วยกัน ซึ่งแต่ละอย่างก็กินโทเค็นทั้งอินพุต เอาต์พุต และแคช

ภายใต้โมเดลการกำหนดราคาแบบเก่าสำหรับบริการที่คล้ายกัน การเรียกเก็บเงินจะขึ้นอยู่กับ 'หน่วยคำขอพิเศษ' (premium request units) แบบนามธรรม โมเดลนั้นใช้ไม่ได้ผลกับเอเจนต์แบบหลายขั้นตอน ซึ่งคำขอของผู้ใช้รายเดียวสามารถกระตุ้นให้เกิดการทำงานที่มีราคาแพงเป็นลูกโซ่ การเปลี่ยนมาใช้การเรียกเก็บเงินตามการใช้งานด้วย Copilot Credits—ซึ่งมีต้นทุนประมาณ 0.01 ดอลลาร์ต่อการโต้ตอบแต่ละครั้งที่ผูกกับจำนวนโทเค็นที่ใช้จริง—เป็นการเปิดเผยต้นทุนการประมวลผล (inference cost) ให้ลูกค้าเห็นโดยตรง ในสภาพแวดล้อมการกำหนดราคาที่โปร่งใสนี้ การลดต้นทุนการประมวลผลของโมเดลพื้นฐานใดๆ ก็ตามจะส่งผลดีต่อผลกำไรของไมโครซอฟท์โดยตรง เนื่องจากสามารถเสนออัตราการใช้เครดิตที่ต่ำลงในขณะที่ยังคงทำกำไรได้

รู้จัก DeepSeek V4: ทำไมไมโครซอฟท์ถึงสนใจ

รายงานของ Axios ที่ว่าไมโครซอฟท์กำลังพิจารณาโมเดล DeepSeek V4 แบบ fine-tuned ที่โฮสต์บน Azure ชี้ให้เห็นถึงแรงจูงใจเชิงกลยุทธ์สามประการ:

1. ประสิทธิภาพด้านต้นทุนของสถาปัตยกรรม: DeepSeek V4 ใช้กลไกการใส่ใจ (attention mechanism) ที่มีประสิทธิภาพ ซึ่งช่วยลดต้นทุนในการปรับใช้ในวงกว้าง ทำให้เหมาะสำหรับงานเอเจนต์ในองค์กรที่มีปริมาณสูง โมเดล DeepSeek มีให้บริการแล้วในแคตตาล็อก Azure AI Foundry ของไมโครซอฟท์ รวมถึงรุ่น V4 Pro และ V4 Flash ซึ่งแสดงให้เห็นว่าไมโครซอฟท์มีความคุ้นเคยในการดำเนินงานกับโมเดลเหล่านี้
2. การกระจายความเสี่ยงในห่วงโซ่อุปทาน: Copilot Cowork เปิดตัวพร้อมกับตัวเลือกโมเดลที่เลือกได้ ซึ่งมีทั้ง Claude Opus และ Sonnet ของ Anthropic รวมถึง GPT-5.5 ของ OpenAI การเสนอทางเลือกโอเพนซอร์สที่มีประสิทธิภาพสูงและต้นทุนต่ำในฐานะบริการ第一方 (first-party service) จะช่วยลดการพึ่งพาและอำนาจในการกำหนดราคาของพันธมิตรโมเดลชั้นนำ
3. การปฏิบัติตามข้อกำหนดและอธิปไตยของข้อมูล: การเก็บการประมวลผลทั้งหมดไว้บน Azure เป็นข้อได้เปรียบที่สำคัญในด้านการปฏิบัติตามข้อกำหนด โมเดล Claude ของ Anthropic ทำงานบนโครงสร้างพื้นฐานของ Anthropic ในสหรัฐอเมริกา ซึ่งทำให้เกิดคำถามเกี่ยวกับการปฏิบัติตาม GDPR และ EU Data Boundary สำหรับองค์กรในยุโรป DeepSeek V4 ที่โฮสต์โดยไมโครซอฟท์จะเก็บข้อมูลและการประมวลผลทั้งหมดไว้ภายในขอบเขตคลาวด์ที่มีอธิปไตยของ Azure ซึ่งช่วยลดความซับซ้อนในการกำกับดูแลสำหรับอุตสาหกรรมที่มีข้อบังคับ

ระบบการกำหนดราคา Copilot Credits ทำงานอย่างไร

ด้วยโมเดลการบริโภคใหม่ที่ใช้งานอยู่ในปัจจุบัน ทุกการโต้ตอบของ Copilot Cowork ล้วนมีค่าใช้จ่าย นี่คือรายละเอียดของสกุลเงินใหม่ Copilot Credits:

• มูลค่าต่อหน่วย: หนึ่ง Copilot Credit มีค่าเท่ากับ 0.01 ดอลลาร์สหรัฐของมูลค่าการบริโภค
• สิ่งที่วัด: การใช้งานจะถูกคำนวณในระดับโทเค็น รวมถึงโทเค็นอินพุต โทเค็นเอาต์พุต และโทเค็นแคช ตามอัตรา API ที่เผยแพร่ของแต่ละโมเดล
• ตัวเลือกการชำระเงิน:
  • จ่ายตามการใช้งาน (Pay-as-you-go): คิดเงิน 0.01 ดอลลาร์ต่อเครดิต โดยไม่มีค่าใช้จ่ายล่วงหน้า เหมาะสำหรับการใช้งานที่น้อยหรือคาดเดาไม่ได้
  • แพ็กเกจเครดิต (Credit Packs): ซื้อล่วงหน้าเป็นชุดละ 25,000 เครดิต ในราคา 200 ดอลลาร์ต่อเดือน เหมาะสำหรับปริมาณงานที่คาดเดาได้และสูง
• การจัดการ: ค่าใช้จ่ายทั้งหมดจะถูกตรวจสอบและควบคุมผ่านแดชบอร์ดการจัดการต้นทุนแบบรวมศูนย์ในศูนย์การจัดการ Microsoft 365

เมื่อโมเดล DeepSeek ที่มีต้นทุนต่ำกว่าปรากฏในตัวเลือกโมเดลของ Copilot Cowork ในที่สุด ต้นทุนโทเค็นที่ต่ำกว่าจะแปลโดยตรงว่าใช้เครดิตน้อยลงสำหรับงานองค์กรเดียวกัน

ภูมิทัศน์การแข่งขันและความปลอดภัยแบบใหม่

การเคลื่อนไหวนี้ส่งผลกระทบเป็นวงกว้างเกินกว่าแค่แผนกบัญชีของไมโครซอฟท์ สำหรับ CISOs ในองค์กร นี่ถือเป็นเรื่องที่ต้องชั่งน้ำหนัก Copilot Cowork ให้เกียรติการควบคุมความปลอดภัยที่มีอยู่ของ Microsoft 365 และเข้าถึงเฉพาะข้อมูลที่ผู้ใช้ได้รับอนุญาตให้ดูเท่านั้น พร้อมกับการผสานรวมกับ Microsoft Purview สำหรับการตรวจสอบและการกำกับดูแล โมเดลที่โฮสต์บน Azure นั้นเข้ากันได้ดีกับสถาปัตยกรรมนี้ อย่างไรก็ตาม ความสามารถของ Cowork ในการเข้าถึงข้อมูลทั่วทั้ง SharePoint, Teams และ Excel พร้อมกันนั้น กำหนดให้บริษัทต่างๆ ต้องตรวจสอบให้แน่ใจว่าโมเดลสิทธิ์ของตนนั้นรัดกุม ซึ่งเป็นความท้าทายด้านการกำกับดูแลใหม่ในตัวของมันเอง

จากมุมมองของตลาด การเพิ่มโมเดลโอเพนซอร์สที่มีประสิทธิภาพสูงเป็นตัวเลือกระดับเฟิร์สคลาสในชุดโปรแกรมเพิ่มประสิทธิภาพการทำงานสำหรับองค์กรที่ใหญ่ที่สุดในโลก ถือเป็นการรับรองขบวนการ AI แบบโอเพนเวท (open-weight) ครั้งใหญ่มันสร้างแรงกดดันด้านราคาโดยตรงต่อคู่แข่งอย่าง Gemini ของ Google Workspace และการผสานรวม AI ของ Slack ซึ่งตอนนี้จะถูกวัดประสิทธิภาพกับความสามารถของไมโครซอฟท์ในการเสนองาน agentic ที่ซับซ้อนและราคาไม่แพงในวงกว้าง การเคลื่อนไหวนี้ส่งสัญญาณว่าการแข่งขัน AI ในองค์กรตอนนี้ให้ความสำคัญกับต้นทุนการประมวลผลพอๆ กับความสามารถดิบของโมเดล