Token AI giá rẻ của Trung Quốc: Lợi thế cạnh tranh mới trong cuộc đua AI tại châu Á

Trong nhiều năm qua, cuộc cạnh tranh trong lĩnh vực trí tuệ nhân tạo chủ yếu được đánh giá qua sức mạnh của các mô hình. Các tên tuổi như OpenAI, Google hay Anthropic liên tục được so sánh về khả năng suy luận, viết mã, xử lý ngôn ngữ và giải quyết các bài toán phức tạp.

Tuy nhiên, khi AI bắt đầu được triển khai trên quy mô doanh nghiệp, một câu hỏi mới xuất hiện: ai có thể sử dụng AI với chi phí đủ thấp để triển khai đại trà?

Theo các chuyên gia được CNA phỏng vấn, câu trả lời ngày càng phụ thuộc vào một yếu tố ít được chú ý hơn là token AI - đơn vị đo lường lượng dữ liệu mà hệ thống AI đọc, xử lý và tạo ra.

Mỗi câu hỏi gửi tới chatbot, mỗi bản dịch, mỗi đoạn mã lập trình, mỗi báo cáo được AI tóm tắt hay mỗi tác vụ mà AI agent thực hiện đều tiêu tốn token. Và khi AI được sử dụng ở quy mô hàng triệu tác vụ mỗi tháng, token trở thành một khoản chi phí đáng kể đối với doanh nghiệp. Chính ở điểm này, các công ty AI Trung Quốc đang nổi lên như một đối thủ cạnh tranh đáng gờm với các doanh nghiệp Mỹ.

CUỘC ĐUA AI ĐANG CHUYỂN TỪ NĂNG LỰC MÔ HÌNH SANG CHI PHÍ TOKEN

Theo dữ liệu được CNA dẫn lại từ Financial Times và bảng giá công khai của các nhà cung cấp AI, nhiều mô hình của Trung Quốc hiện có chi phí thấp hơn đáng kể so với các đối thủ Mỹ.

Amit Verma, Giám đốc Công nghệ sáng lập của công ty AI Neuron7.ai, ước tính một nhóm bán hàng gồm 50 nhân viên có thể sử dụng khoảng 450 triệu token mỗi tháng. Với GPT-5.5, chi phí có thể lên tới khoảng 3.150 USD/tháng, tương đương 38.000 USD mỗi năm. Con số này cao gấp hai đến ba lần so với việc sử dụng các mô hình AI Trung Quốc.

Theo các chuyên gia, lợi thế chi phí của Trung Quốc xuất phát từ nhiều yếu tố. Một phần đến từ chi phí điện năng và vận hành trung tâm dữ liệu thấp hơn. Một phần khác đến từ các khoản hỗ trợ của chính phủ cho hạ tầng AI. Quan trọng hơn, nhiều công ty Trung Quốc đã phát triển những kiến trúc mô hình giúp giảm đáng kể chi phí tính toán.

Điển hình là kiến trúc Mixture of Experts (MoE), được phổ biến rộng rãi sau thành công của DeepSeek R1. Thay vì huy động toàn bộ hệ thống để xử lý mỗi yêu cầu, mô hình MoE chỉ kích hoạt những "chuyên gia" phù hợp nhất. Cách tiếp cận này giúp giảm đáng kể lượng tài nguyên tính toán cần thiết và qua đó hạ chi phí token.

Ngoài ra, các kỹ thuật tối ưu như KV Caching cho phép hệ thống tái sử dụng thông tin đã xử lý trước đó thay vì phải đọc và tính toán lại từ đầu. Nhờ đó, các doanh nghiệp Trung Quốc đang có thêm dư địa để giảm giá trong cuộc cạnh tranh giành thị phần.

Những lợi thế này đã bắt đầu thu hút sự chú ý của thị trường. Airbnb, Thinking Machines Lab của cựu Giám đốc Công nghệ OpenAI Mira Murati và AI Singapore là một trong những tổ chức đã tích hợp mô hình Qwen của Alibaba vào hoạt động của mình.

AI AGENT KHIẾN CHI PHÍ TOKEN TRỞ THÀNH BÀI TOÁN KINH DOANH

Nếu chatbot là làn sóng AI đầu tiên thì AI agent đang được xem là giai đoạn phát triển tiếp theo. Khác với chatbot chỉ trả lời câu hỏi, AI agent có khả năng tự lập kế hoạch, tìm kiếm thông tin, kiểm chứng dữ liệu, kết nối với các phần mềm khác và tự động thực hiện nhiều bước để hoàn thành một nhiệm vụ. Chính sự chuyển dịch này đang làm thay đổi hoàn toàn bài toán chi phí.

Verma cho biết việc sử dụng AI đang chuyển từ các yêu cầu đơn lẻ sang những quy trình tác nhân phức tạp có thể bao gồm từ 50 đến 100 thao tác nội bộ cho một kết quả duy nhất.

Mỗi bước như tìm kiếm thông tin, xác thực dữ liệu, thực thi mã lệnh hay gọi công cụ bên ngoài đều tiêu tốn thêm token. Điều này khiến giá token trở thành yếu tố quan trọng hơn bao giờ hết.

Theo một báo cáo được Business Insider dẫn lại từ Anthropic, chi phí token AI trung bình của một lập trình viên doanh nghiệp sử dụng Claude Code vào khoảng 13 USD mỗi ngày, tương đương 150-250 USD mỗi tháng.

Đối với một doanh nghiệp công nghệ sở hữu 500 lập trình viên, tổng chi phí AI có thể lên tới 75.000-125.000 USD mỗi tháng, tương đương từ 900.000 USD đến 1,5 triệu USD mỗi năm.

Trong bối cảnh đó, các mô hình AI giá rẻ của Trung Quốc đang tạo ra sức hút đặc biệt tại những thị trường nhạy cảm về giá như Ấn Độ và Đông Nam Á.

Theo báo cáo của McKinsey, Hội đồng Phát triển Kinh tế Singapore (EDB) và Tech in Asia, 46% doanh nghiệp Đông Nam Á đã đưa AI vào quy trình vận hành và sản phẩm. Tại Ấn Độ, tỷ lệ này là 47%.

Verma cho rằng châu Á có thể trở thành khu vực đầu tiên trên thế giới triển khai AI đại trà ở quy mô công nghiệp nhờ sở hữu lực lượng lao động lớn, ngành dịch vụ phát triển và áp lực tối ưu chi phí cao.

Nếu chi phí AI giảm xuống, nhiều lĩnh vực như trung tâm chăm sóc khách hàng, logistics, thương mại điện tử, giáo dục, tài chính và phát triển phần mềm sẽ có cơ hội tăng tốc ứng dụng AI.

Tuy nhiên, các chuyên gia cũng cảnh báo rằng giá token thấp không phải lúc nào cũng đồng nghĩa với chi phí thực tế thấp hơn.

Theo Wong Qi Han, một mô hình được tối ưu cho tiếng Anh hoặc tiếng Trung có thể cần nhiều token hơn khi xử lý tiếng Việt, tiếng Indonesia hay tiếng Tamil.

Trong những trường hợp đó, một mô hình có giá niêm yết thấp hơn vẫn có thể trở nên đắt đỏ hơn nếu phải thực hiện nhiều lần hoặc cần nhiều nhân sự kiểm tra kết quả. Do đó, doanh nghiệp nên đánh giá AI dựa trên "chi phí cho một kết quả thành công" thay vì chỉ nhìn vào giá token.

LỢI THẾ GIÁ RẺ ĐI KÈM NHỮNG ĐÁNH ĐỔI VỀ CHẤT LƯỢNG VÀ ĐỊA CHÍNH TRỊ

Mặc dù đang tạo ra sức ép lớn về giá, các mô hình AI Trung Quốc vẫn chưa thể thay thế hoàn toàn các đối thủ Mỹ ở phân khúc cao cấp. Theo báo cáo của Đại học Stanford, tính đến tháng 3 năm nay, các mô hình AI hàng đầu của Mỹ vẫn duy trì lợi thế hiệu suất khoảng 2,7% so với các đối thủ Trung Quốc.

Khoảng cách này không quá lớn đối với các tác vụ đơn giản như phân loại dữ liệu, tóm tắt nội dung hay phân tích cảm xúc. Tuy nhiên, trong những lĩnh vực đòi hỏi độ chính xác và độ tin cậy cao như lập trình phức tạp, nghiên cứu khoa học hay trợ lý doanh nghiệp, sự khác biệt vẫn rất đáng kể.

Calvin Tan, đồng sáng lập kiêm Giám đốc Công nghệ của Pints.ai tại Singapore, cho biết các mô hình như GPT hay Claude vẫn là lựa chọn được nhiều doanh nghiệp ưu tiên khi xây dựng những ứng dụng AI đòi hỏi độ ổn định cao.

Theo ông, chatbot là một ví dụ điển hình. Các mô hình giá rẻ có thể hoạt động tốt trong một số trường hợp, nhưng việc xây dựng chatbot đủ ổn định để phục vụ khách hàng trên quy mô lớn vẫn là thách thức không nhỏ.

Ngoài yếu tố chất lượng, vấn đề bảo mật dữ liệu và địa chính trị cũng đang ngày càng được chú ý.

Năm 2025, nhiều nước phương Tây đã cảnh báo về các nguy cơ liên quan đến bảo mật dữ liệu khi sử dụng một số mô hình AI của Trung Quốc. Gần đây, các nghị sĩ Mỹ cũng đã mở cuộc điều tra đối với một số doanh nghiệp sử dụng công nghệ AI Trung Quốc.

Tại Ấn Độ, nhiều doanh nghiệp vẫn duy trì tâm lý thận trọng vì lo ngại những thay đổi chính sách trong tương lai có thể ảnh hưởng đến khả năng tiếp cận công nghệ từ Trung Quốc.

Tuy nhiên, sự phát triển mạnh của các mô hình mã nguồn mở như Qwen hay DeepSeek đang giúp xoa dịu phần nào các lo ngại này. Khi doanh nghiệp tải mô hình về và triển khai trên hạ tầng riêng, họ có thể kiểm soát tốt hơn dữ liệu cũng như quy trình vận hành.

Các chuyên gia dự báo tương lai sẽ không thuộc về riêng Mỹ hay Trung Quốc.

Thay vào đó, thị trường AI nhiều khả năng sẽ phát triển theo hướng đa mô hình. Các doanh nghiệp sẽ sử dụng GPT, Claude hoặc Gemini cho những nhiệm vụ đòi hỏi khả năng suy luận và độ tin cậy cao; lựa chọn Qwen, DeepSeek, Kimi hay MiniMax cho các tác vụ khối lượng lớn cần tối ưu chi phí; đồng thời phát triển các mô hình nội địa để đáp ứng yêu cầu về ngôn ngữ, quy định pháp lý và an ninh quốc gia.

Trong bối cảnh đó, cuộc cạnh tranh AI không còn đơn thuần là cuộc đua về sức mạnh công nghệ. Khi AI bước vào giai đoạn thương mại hóa sâu rộng, token đang dần trở thành "đơn vị tiền tệ" mới của nền kinh tế AI, và chi phí token có thể quyết định tốc độ phổ cập trí tuệ nhân tạo tại châu Á trong những năm tới.