Hóa đơn AI 1,3 triệu USD của người sáng lập OpenClaw tiết lộ xu hướng 'tokenmaxxing' được trợ cấp

Một hóa đơn hàng tháng trị giá 1,3 triệu USD gây kinh ngạc cho các dịch vụ của OpenAI, được chi trả hoàn toàn bởi chính phòng thí nghiệm AI này, đã tiết lộ những phương pháp đốt tiền cực độ mà một số nhà phát triển đang sử dụng để xây dựng phần mềm. Nhà phát triển Peter Steinberger, người tạo ra OpenClaw, đang khám phá một tương lai nơi chi phí token không còn quan trọng, nhưng mức chi tiêu của ông làm nổi bật sự mất kết nối ngày càng tăng giữa việc tiêu thụ AI và việc tạo ra giá trị đã được chứng minh, điều này đặt câu hỏi về nền tảng kinh tế của lĩnh vực này.

Khoản chi tiêu bảy con số đã thu hút những phản ứng gay gắt trên mạng. “Này anh bạn, tốt hơn hết anh nên thể hiện điều gì đó mà các kỹ sư trị giá 1 triệu USD không thể làm được, nếu không đây có thể là sự bắt đầu của việc quảng cáo cho bong bóng phòng thí nghiệm tiên phong đang vỡ tung,” một người dùng đã viết trên X. Người dùng này lưu ý rằng mức giá hiện tại đang được trợ cấp nặng nề, nghĩa là chi phí tính toán thực tế sẽ cao hơn đáng kể.

Ứng dụng theo dõi riêng của Steinberger, CodexBar, cho thấy dự án của ông đã đốt cháy 603 tỷ token trong 7,6 triệu yêu cầu trong vòng 30 ngày, chủ yếu sử dụng mô hình gpt-5.5-2026-04-23. Tổng hóa đơn lên tới 1.305.088,81 USD. Để tự bảo vệ mình, Steinberger lưu ý: “Tôi có thể tắt chế độ nhanh và nó sẽ rẻ hơn 70%. Vì vậy, nó giống như chi phí cho một nhân viên hơn.”

Tình tiết này đưa câu hỏi về "bong bóng" khó chịu của ngành AI vào tiêu điểm sắc nét. Công nghệ này hoạt động, nhưng tính kinh tế hiện tại đang được chống đỡ bởi các phòng thí nghiệm AI trợ cấp cho việc tiêu thụ khổng lồ của người dùng để giành thị phần. Chi 1,3 triệu USD cho các token chỉ hợp lý nếu đầu ra tạo ra ít nhất bằng đó doanh thu hoặc tiết kiệm chi phí, một thước đo vẫn còn xa vời đối với nhiều dự án và gây nghi ngờ về tính bền vững của mô hình hiện tại.

Động cơ tự động hóa 1,3 triệu USD

Đáp lại cuộc tranh luận, Steinberger đã trình bày chi tiết những gì mà việc tiêu thụ token khổng lồ đạt được. Nhóm ba người của ông vận hành khoảng 100 tác nhân AI liên tục làm việc trên dự án mã nguồn mở OpenClaw. Các tác nhân xem xét các pull request, tìm kiếm các lỗ hổng bảo mật, loại bỏ các vấn đề trùng lặp và tự viết các bản sửa lỗi mã. Một số tác nhân được thiết kế để mở các pull request mới dựa trên tầm nhìn đã nêu của dự án, trong khi những tác nhân khác theo dõi các điểm chuẩn hiệu suất và báo cáo các lỗi mới phát sinh trong kênh Discord. Hệ thống này, cũng sử dụng các công cụ như Deepsec của Vercel và Codex Security, cho phép một nhóm nhỏ quản lý một dự án phần mềm quy mô lớn với mức độ tự động hóa cao. Steinberger tuyên bố mục tiêu của ông là trả lời câu hỏi: “Nếu token không còn quan trọng, chúng ta sẽ xây dựng phần mềm như thế nào trong tương lai?”

'Tokenmaxxing' trở thành một thước đo hiệu suất

Chi tiêu công khai của Steinberger là ví dụ rõ ràng nhất về một xu hướng đang gia tăng ở Thung lũng Silicon được gọi là “tokenmaxxing,” nơi các nhà phát triển và kỹ sư tối đa hóa việc tiêu thụ các token AI của họ như một chỉ số hiệu suất chính. Thực tế này đã được khuyến khích nội bộ tại các công ty như Meta và Amazon, những nơi được cho là đã sử dụng bảng xếp hạng để theo dõi việc sử dụng AI của nhân viên. Xu hướng này thậm chí còn tạo ra phần cứng riêng, như "Clawdmeter," một thiết bị để bàn mã nguồn mở nhỏ hiển thị thời gian thực mức tiêu thụ token của người dùng cho mô hình Claude của Anthropic. Việc trò chơi hóa việc sử dụng AI này nhấn mạnh một sự thay đổi văn hóa nơi thông lượng token đang trở thành một hình thức đo lường năng suất mới.

Tuy nhiên, tính kinh tế của xu hướng này vẫn là mối quan tâm trung tâm của các nhà đầu tư. Trong khi những người ủng hộ chỉ ra những lợi ích to lớn về năng suất, chẳng hạn như tuyên bố của Giám đốc điều hành Citadel Ken Griffin rằng AI đã hoàn thành khối lượng công việc cấp độ Tiến sĩ của nhiều tháng chỉ trong vài ngày, thì lợi tức đầu tư trực tiếp cho hầu hết các hoạt động tokenmaxxing vẫn chưa rõ ràng. Thực tế này được thúc đẩy bởi chiến lược trợ cấp chi phí của các phòng thí nghiệm AI nhằm đẩy nhanh việc áp dụng. Điều này đặt ra câu hỏi cho các công ty như OpenAI và Anthropic về con đường dài hạn dẫn đến lợi nhuận và liệu mức tiêu thụ cao hiện tại có thể được duy trì hay không nếu và khi giá tăng để phản ánh chi phí thực của chúng.

Bài viết này chỉ nhằm mục đích cung cấp thông tin và không cấu thành lời khuyên đầu tư.