Theo một báo cáo của Associated Press, trào lưu "tokenmaxxing" của công ty về công nghệ trí tuệ nhân tạo đang đạt đến giới hạn khi các nơi làm việc sử dụng AI vào mọi thứ đang chứng kiến chi phí tăng lên mà năng suất không tăng đột biến tương tự.
Những gì bắt đầu như sự cường điệu được thúc đẩy bởi ngành công nghệ vào mùa xuân năm 2026 về việc ép càng nhiều công việc do AI tạo ra càng tốt từ các sản phẩm như ChatGPT của OpenAI và Claude của Anthropic đã chuyển sang phản ứng dữ dội vào mùa hè. Các nhà điều hành, nhà phân tích và nhà phát triển hiện đang công khai đặt câu hỏi liệu việc tối đa hóa mức tiêu thụ token AI có phải là một chiến lược hợp lý hay không. Để biết thông tin liên tục về bối cảnh kinh doanh AI, hãy truy cập [báo cáo mới nhất về ngành AI] của chúng tôi (https://aibuzzwire.news).
Sự thăng trầm của một mốt nhất thời
"Tokenmaxxing" đề cập đến việc tối đa hóa việc sử dụng mã thông báo - các khối xây dựng của AI tổng hợp tương ứng với các đoạn văn bản nhỏ mà hệ thống AI đọc hoặc viết. Mỗi mã thông báo đại diện cho khoảng 3/4 từ và các nhà cung cấp AI thường áp đặt giới hạn sử dụng, với các gói đăng ký đắt tiền hơn sẽ cung cấp giới hạn cao hơn.
Xu hướng này đã được một số nhà lãnh đạo công nghệ nổi bật nhất tích cực thúc đẩy. Giám đốc điều hành OpenAI Sam Altman cho biết vào tháng 5 năm 2026 rằng ông “rất vui mừng muốn xem điều gì sẽ xảy ra với các công ty khởi nghiệp tokenmaxxing, cả về cách họ hoạt động nội bộ và các sản phẩm họ có thể xây dựng”. Giám đốc điều hành Nvidia Jensen Huang tuyên bố rằng "nếu kỹ sư trị giá 500 nghìn đô la của bạn không đốt 250 nghìn đô la mã thông báo thì có điều gì đó không ổn." Meta, công ty mẹ của Facebook, đã tổ chức một cuộc thi nội bộ khen thưởng mức sử dụng token cao.
Nhưng khi chi phí tích lũy, sự nhiệt tình giảm dần. Vincent Gusdorf, người đứng đầu bộ phận phân tích AI tại Moody's Ratings và là tác giả của một báo cáo mới đề xuất cách tiếp cận kỷ luật hơn, cho biết: “Khi các hóa đơn bắt đầu chồng chất, mọi người nhận ra rằng những công cụ mới đó khá đắt tiền và bạn cần sử dụng chúng một cách khôn ngoan”.
Gusdorf nói thêm: “Thật dễ dàng để tạo ra thứ bạn không cần bằng AI”.
Phản ứng dữ dội của nhà điều hành
Phản ứng dữ dội được dẫn dắt bởi một số tiếng nói có ảnh hưởng nhất trong ngành công nghệ. Giám đốc điều hành Microsoft Satya Nadella thừa nhận rằng tokenmaxxing có thể gây nghiện nhưng cảnh báo rằng khách hàng đang trả tiền hai lần cho AI – lần đầu tiên là chi tiêu cho token và thứ hai là bằng cách cung cấp dữ liệu độc quyền của họ cho các nhà cung cấp AI. Bình luận của Nadella khác thường ở chỗ ông làm dấy lên nghi ngờ về việc đảm bảo bảo vệ dữ liệu của các công ty AI hàng đầu, ngay cả khi ông thúc đẩy chiến lược AI của chính Microsoft.
Giám đốc điều hành Palantir Alex Karp còn đi xa hơn, nói với CNBC rằng đã có điều gì đó "hoàn toàn không ổn". Ông cho biết ông đang truyền tải tiếng nói của các doanh nghiệp Mỹ một cách kín đáo về việc trả số tiền khổng lồ cho những token không tạo ra giá trị.
Karp nói: “Quan điểm cơ bản của các doanh nghiệp ở đất nước này là ‘Tôi sẽ thư giãn và lãng phí thời gian của mình với các token. Tôi sẽ không nhận được giá trị gì và họ sẽ lấy được IP của tôi”.
Giám đốc công nghệ của Mozilla, Raffi Krikorian, đã so sánh tokenmaxxing với phương pháp đo lường năng suất của lập trình viên bằng các dòng mã. “Tôi nghĩ tokenmaxxing đang di chuyển theo mô hình tương tự,” ông nói. “Tôi nghĩ đây sẽ là một khoảnh khắc thú vị mà tất cả chúng ta sẽ cười nhạo sau một năm nữa.”
Vấn đề chi phí ở quy mô
Tác động tài chính trở nên rõ ràng ở quy mô doanh nghiệp. Nhà tư vấn quản lý Bain & Company Jue Wang cho biết nhiều doanh nghiệp lớn mà công ty của cô tư vấn đang xem xét kỹ hơn về lợi nhuận từ khoản đầu tư AI của họ.
Wang nói: “Chi phí mã thông báo đối với họ đã tăng gấp đôi, gần như mỗi tháng”. "Giả sử 200 đô la cho mỗi nhà phát triển mỗi tháng. Nhân số đó với 20.000 nhà phát triển, thường là điều chúng tôi đang giải quyết ở các công ty này và điều đó nhanh chóng đưa bạn đến một con số không phải là chi tiết đơn hàng mà bất kỳ tổng giám đốc nào đã lên kế hoạch."
Wang đã chỉ ra một kiểu lạm dụng phổ biến: mặc định sử dụng các mô hình AI mạnh nhất và đắt tiền nhất cho các nhiệm vụ không yêu cầu chúng. “Không phải mọi thứ đều cần Claude Opus 4.6,” cô nói về một trong những mô hình có khả năng nhất của Anthropic, phù hợp với công nghệ phần mềm hoặc nghiên cứu sâu. "Tuy nhiên, bạn thấy rất nhiều công ty, rất nhiều người dùng mặc định sử dụng Opus cho mọi việc, kể cả việc tạo email."
Sự trỗi dậy của định tuyến mô hình và trọng lượng mở
Áp lực chi phí đã thúc đẩy nhu cầu về các công cụ "định tuyến mô hình" AI tự động gửi các truy vấn đơn giản hơn đến các hệ thống AI rẻ hơn, hiệu quả hơn trong khi vẫn dành các mô hình mạnh mẽ cho các nhiệm vụ phức tạp. Nhà phát triển phần mềm Hassan El Mghari, người đứng đầu công ty khởi nghiệp Together AI, cho biết cú sốc của các công ty về "số tiền vô lý" chi cho việc đăng ký các sản phẩm AI từ các công ty hàng đầu của Hoa Kỳ đã khiến nhiều người phải suy nghĩ lại về cách tiếp cận tối đa hóa mức sử dụng.
El Mghari nói: “Tốt hơn là chỉ trao quyền cho nhân viên về cách sử dụng công cụ này và cho phép họ sử dụng AI khi nào và ở mức độ nào họ cần”.
Trong khi đó, những người ủng hộ mức tiêu thụ token cao đang tìm kiếm nguồn đạn mới trong các mô hình trọng lượng mở từ các công ty khởi nghiệp Trung Quốc như Kimi của Moonshot và GLM của Zhipu, gần như phù hợp với khả năng của các mô hình hàng đầu của Hoa Kỳ với chi phí thấp hơn. Krikorian thừa nhận có “một số giá trị đối với lý thuyết rằng điều này có thể đẩy tokenmaxxing đi xa hơn một chút”, nhưng vẫn khẳng định rằng xu hướng rộng hơn của ngành là hướng tới việc sử dụng có kỷ luật hơn.
##Bài học cho Doanh nghiệp
Tập tokenmaxxing đưa ra một câu chuyện cảnh báo cho các doanh nghiệp đang định hướng bối cảnh AI. Trong khi các nhà phát triển mô hình AI hàng đầu như OpenAI và Anthropic được hưởng lợi từ mức tiêu thụ tăng đột biến, trải nghiệm này đã thúc đẩy nhiều tổ chức áp dụng các phương pháp tiếp cận được đo lường nhiều hơn — tập trung vào các trường hợp sử dụng cụ thể trong đó AI mang lại lợi nhuận có thể đo lường được thay vì tối đa hóa các số liệu sử dụng thô.
Khi chu kỳ cường điệu AI ban đầu nhường chỗ cho việc triển khai thực tế, các công ty thành công có thể là những công ty coi AI như một công cụ chính xác thay vì một công cụ cùn, kết hợp đúng mô hình với đúng nhiệm vụ và theo dõi chặt chẽ hóa đơn.
