Giá token AI tại Trung Quốc gần như tăng gấp đôi khi lượng sử dụng hằng ngày đạt 500 nghìn tỷ

Sử dụng AI nhiều hơn, giá cao hơn và thời gian chờ bắt đầu lâu hơn

Lượng token trí tuệ nhân tạo được sử dụng mỗi ngày tại Trung Quốc đạt khoảng 500 nghìn tỷ vào tháng 6/2026, gần gấp bốn lần mức ghi nhận hồi tháng 12/2025, theo Viện Hàn lâm Công nghệ Thông tin và Truyền thông Trung Quốc (CAICT). Giá tăng cùng với nhu cầu: giá nội địa trung bình, sau khi được quy đổi về cùng cơ sở để so sánh, tăng từ 6,8 nhân dân tệ trong nửa cuối năm 2025 lên 13,46 nhân dân tệ vào năm 2026, tức tăng khoảng 98%.

Báo cáo Giám sát Hiệu năng Dịch vụ Token Mô hình Lớn (2026) của CAICT, công bố ngày 23/10, cũng ghi nhận một thay đổi mà người dùng có thể nhận thấy trực tiếp. Các mô hình trong nước tạo văn bản nhanh gấp khoảng hai lần vào tháng 8 so với mức trung bình năm 2025, nhưng mất nhiều thời gian hơn để tạo token đầu tiên. Khi câu trả lời bắt đầu, nội dung được tạo nhanh hơn; nhưng trước khi bắt đầu, người dùng phải chờ lâu hơn.

Các phát hiện phản ánh một thị trường đang phục hồi sau hai năm cạnh tranh về giá, lượng sử dụng tăng nhanh và các dịch vụ có khả năng xử lý khối lượng thông tin lớn hơn nhiều. Báo cáo cũng cho thấy việc chọn dịch vụ AI cần xem xét nhiều hơn tên mô hình: các nền tảng khác nhau vận hành cùng một mô hình cho kết quả chênh lệch đáng kể.

Trung Quốc đang sử dụng lượng token lớn đến mức nào?

Token là một đơn vị thông tin nhỏ mà mô hình AI xử lý hoặc tạo ra. Trong văn bản, token có thể là một từ, một phần của từ hoặc dấu câu. Token cung cấp cách đo thống nhất khối lượng công việc mà mô hình xử lý, dù mối tương quan giữa token và từ ngữ thay đổi tùy theo ngôn ngữ và hệ thống.

Do đó, con số khoảng 500 nghìn tỷ token mỗi ngày của CAICT phản ánh khối lượng hoạt động của các mô hình. Mức tăng gần gấp bốn lần kể từ tháng 12/2025 tương đương tăng trưởng khoảng 300%, đưa tổng lượng token trong tháng 6 lên gần gấp bốn lần mức trước đó.

Ngày càng có nhiều nhà cung cấp bán quyền truy cập thông qua các nền tảng mô hình dưới dạng dịch vụ, thường được gọi tắt là MaaS. Khách hàng gửi yêu cầu qua giao diện lập trình ứng dụng (API) trên đám mây công cộng, một kết nối cho phép phần mềm này yêu cầu phần mềm khác thực hiện một tác vụ. Doanh nghiệp có thể dùng cách này để tích hợp AI vào sản phẩm mà không phải tự vận hành mô hình nền tảng.

Nội dung giám sát

Viện Nghiên cứu Trí tuệ Nhân tạo thuộc CAICT phối hợp công bố báo cáo với phòng thí nghiệm trọng điểm về đánh giá phần cứng và phần mềm mô hình lớn của Bộ Công nghiệp và Công nghệ Thông tin, cùng Liên minh Công nghiệp Trí tuệ Nhân tạo. Hoạt động giám sát của báo cáo bao quát giai đoạn từ tháng 1 đến tháng 8/2026.

Đánh giá xem xét tỷ lệ yêu cầu thành công, tốc độ đầu ra, thời gian chờ trước khi bắt đầu tạo đầu ra, độ ổn định, giá cả và cửa sổ ngữ cảnh. Báo cáo so sánh các nền tảng mô hình chính thức với dịch vụ bên thứ ba cung cấp DeepSeek, Qwen, GLM và Kimi, bốn dòng mô hình nguồn mở.

CAICT cho biết người dùng thường khó đánh giá hiệu năng dịch vụ token và gặp trở ngại khi chọn nhà cung cấp. Các phép đo trong báo cáo giải quyết vấn đề thực tế này bằng cách tách riêng nhiều khía cạnh dịch vụ mà một con số về giá hoặc tốc độ duy nhất không thể thể hiện.

Các mốc thời gian chính cho thấy những thay đổi diễn ra như thế nào:

• Tháng 12/2025: mốc so sánh cho mức tăng gần gấp bốn lần về lượng token sử dụng mỗi ngày trong nước sau đó.
• Tháng 1 đến tháng 8/2026: giai đoạn giám sát của báo cáo.
• Tháng 5/2026: hoạt động giám sát bổ sung các phiên bản mới của bốn dòng mô hình nguồn mở.
• Tháng 6/2026: lượng token sử dụng mỗi ngày trong nước đạt khoảng 500 nghìn tỷ.
• Tháng 8/2026: tốc độ đầu ra trung bình trong nước đạt 78,23 token mỗi giây.
• Ngày 23/10/2026: báo cáo được công bố.

Giá tăng trở lại sau hai năm giảm

Dịch vụ mô hình trong nước bước vào năm 2026 sau hai năm cạnh tranh về giá. Mức tăng từ 6,8 lên 13,46 nhân dân tệ tương đương tăng thêm 6,66 nhân dân tệ theo thước đo giá đã chuẩn hóa của CAICT, gần gấp đôi mức trung bình trước đó.

Chuẩn hóa là việc quy đổi các hình thức định giá khác nhau về cùng một cơ sở để có thể so sánh. Báo cáo không nêu rõ lượng thanh toán làm cơ sở cho các mức giá bằng nhân dân tệ này, vì vậy khách hàng chưa thể quy đổi trực tiếp mức trung bình trong báo cáo thành chi phí cho một yêu cầu cụ thể.

Các mô hình điển hình ra mắt ngoài Trung Quốc trong năm 2026 có mức trung bình khoảng 117,8 nhân dân tệ theo cùng thước đo đã chuẩn hóa. Con số này cao gấp khoảng 8,8 lần mức trung bình 13,46 nhân dân tệ trong nước. Phép so sánh phản ánh các nhóm được giám sát, trong khi khách hàng vẫn phải đối mặt với mức giá riêng của từng mô hình và nền tảng.

Câu trả lời được tạo nhanh hơn sau khi bắt đầu

Các mô hình trong nước đạt tốc độ trung bình 78,23 token mỗi giây vào tháng 8, so với mức trung bình 38,25 trong năm 2025. Mức tăng khoảng 105%, tức tốc độ đầu ra tăng hơn gấp đôi một chút.

Chỉ số này, gọi là thông lượng hoặc số token mỗi giây (TPS), cho biết dịch vụ tạo câu trả lời nhanh đến đâu. Chỉ số cao hơn có thể rút ngắn thời gian cần thiết để cung cấp câu trả lời dài sau khi quá trình tạo nội dung bắt đầu.

Các mô hình điển hình ngoài Trung Quốc đạt trung bình 112,82 token mỗi giây vào tháng 8, cao hơn khoảng 44% so với mức trong nước. Tốc độ đầu ra của nhóm này cũng tăng mạnh, từ 51,35 token mỗi giây vào tháng 12/2025, tương đương tăng khoảng 120%.

Các giai đoạn so sánh không giống nhau: số liệu trong nước được đối chiếu với mức trung bình cả năm 2025, còn số liệu nước ngoài được so với tháng 12. Cả hai chuỗi số liệu đều cho thấy tốc độ đầu ra cải thiện đáng kể, trong đó các mô hình nước ngoài được giám sát vẫn có mức trung bình tháng 8 cao hơn.

Vì sao phản hồi đầu tiên mất nhiều thời gian hơn?

Các mô hình trong nước mất trung bình 1,26 giây để tạo token đầu tiên vào tháng 8, tăng từ mức 0,78 giây trong năm 2025. Mức tăng 0,48 giây tương đương khoảng 62%.

Khoảng chờ này được gọi là thời gian tạo token đầu tiên, hay TTFT. Với người dùng chatbot, đó là khoảng thời gian từ lúc gửi yêu cầu đến khi câu trả lời bắt đầu xuất hiện. Thông lượng đo tốc độ sau khoảng chờ đó, vì vậy một dịch vụ có thể cải thiện chỉ số này nhưng lại chậm hơn ở chỉ số kia.

Các mô hình nước ngoài điển hình mất trung bình 2,08 giây để bắt đầu phản hồi vào tháng 8, tăng từ 1,04 giây hồi tháng 4. Như vậy, trung bình trong tháng 8, các mô hình trong nước bắt đầu tạo đầu ra sớm hơn 0,82 giây, dù tốc độ tạo nội dung sau đó chậm hơn.

CAICT cho rằng thời gian chờ ban đầu tăng là do nhiều thay đổi diễn ra đồng thời: mô hình lớn hơn, ngữ cảnh dài hơn và số lượng yêu cầu nhiều hơn. Mô hình lớn cần nhiều năng lực tính toán hơn; ngữ cảnh dài hơn cung cấp nhiều thông tin hơn để xử lý; lưu lượng cao hơn gây thêm áp lực lên dịch vụ.

Mô hình có thể xử lý lượng thông tin lớn hơn nhiều trong một lần

Trong số các mô hình được giám sát, 47,8% hỗ trợ cửa sổ ngữ cảnh 1 triệu token. Tỷ lệ lớn hơn nhiều, 95,7%, có thể xử lý ít nhất 200.000 token, tăng hơn 76 điểm phần trăm so với cuối năm 2025.

Cửa sổ ngữ cảnh là lượng thông tin mà mô hình có thể xử lý trong một yêu cầu. Phần này có thể gồm chỉ dẫn, nội dung hội thoại trước đó và tài liệu gửi để phân tích. Cửa sổ lớn hơn giúp người dùng cung cấp nhiều thông tin cùng lúc thay vì phải chia thành nhiều yêu cầu riêng.

Các số liệu cho thấy ngữ cảnh dài hơn đã phổ biến nhanh chóng ra sao trong số các mô hình được giám sát. Gần một nửa hỗ trợ dung lượng 1 triệu token, trong khi chỉ 4,3% có giới hạn dưới 200.000 token. Mức tăng hơn 76 điểm phần trăm đồng nghĩa tỷ lệ hỗ trợ ít nhất 200.000 token vào cuối năm 2025 còn dưới 19,7%.

Đối với doanh nghiệp xử lý tài liệu dài, dung lượng mở rộng này làm thay đổi lượng thông tin có thể đưa vào một tác vụ duy nhất. Điều đó cũng giúp giải thích vì sao báo cáo xem xét dung lượng song song với thời gian chờ: mô hình có thể phải xử lý nhiều thông tin hơn đáng kể trước khi phản hồi đầu tiên hiển thị.

Cùng một mô hình nhưng hiệu năng khác nhau giữa các nền tảng

Các dịch vụ DeepSeek, Qwen, GLM và Kimi có khác biệt về thông lượng, thời gian phản hồi ban đầu và tỷ lệ yêu cầu thành công tùy theo nhà cung cấp. Với cùng một mô hình, chênh lệch tốc độ đầu ra giữa các nền tảng gần gấp đôi.

Một số dịch vụ bên thứ ba hoạt động tốt hơn nền tảng chính thức. CAICT cho rằng khác biệt này bắt nguồn từ các phương pháp tăng tốc suy luận, chiến lược tối ưu hóa và kiểm soát chi phí. Suy luận là quá trình tính toán để mô hình đã được huấn luyện tạo câu trả lời; các nhà cung cấp có thể tổ chức và tối ưu hóa quá trình đó theo những cách khác nhau.

Thay đổi phiên bản cũng có ảnh hưởng. Vào tháng 8, DeepSeek-V4-Pro đạt thông lượng gấp đôi DeepSeek-V3.2. Sau các đợt nâng cấp hồi tháng 5, thời gian chờ ban đầu của các mô hình được giám sát nhìn chung tăng lên, rồi giảm xuống khi nhà cung cấp triển khai các biện pháp tối ưu hóa. Độ trễ dần trở về gần mức trước khi nâng cấp.

Vì vậy, khách hàng khi chọn dịch vụ phải đưa ra hai quyết định có liên quan: dùng mô hình nào và chọn nền tảng nào để vận hành mô hình đó. Các phát hiện trong báo cáo cho thấy hiệu năng ở cấp nhà cung cấp là một yếu tố cụ thể cần cân nhắc.

Những thay đổi có ý nghĩa gì với khách hàng?

Doanh nghiệp mua quyền truy cập AI hiện phải đối mặt với giá trong nước trung bình cao hơn, song song với tốc độ đầu ra nhanh hơn và cửa sổ ngữ cảnh lớn hơn nhiều. Phép so sánh hữu ích nhất tùy thuộc vào công việc: trò chuyện tương tác đòi hỏi phản hồi bắt đầu nhanh, trong khi việc tạo câu trả lời dài khiến tốc độ đầu ra ổn định trở nên quan trọng hơn.

Dịch vụ phân tích tài liệu có thể cần cửa sổ ngữ cảnh lớn, còn ứng dụng xử lý yêu cầu lặp lại của khách hàng cũng phụ thuộc vào tỷ lệ gọi thành công và hiệu năng ổn định. CAICT đưa tất cả các chỉ số này vào báo cáo vì mỗi chỉ số ảnh hưởng đến một khía cạnh khác nhau trong trải nghiệm người dùng.

Bức tranh tổng thể từ báo cáo là một thị trường tăng trưởng về quy mô sử dụng và năng lực, đồng thời trở nên đắt đỏ hơn theo thước đo giá đã chuẩn hóa. Các dịch vụ trong nước vẫn có lợi thế đáng kể về giá so với các mô hình nước ngoài được giám sát và có thời gian bắt đầu phản hồi trung bình ngắn hơn trong tháng 8. Các mô hình nước ngoài tạo token nhanh hơn sau khi đầu ra bắt đầu. Ở cả hai nhóm, thời gian chờ token đầu tiên ngày càng dài cho thấy áp lực đi kèm với mô hình lớn hơn và mức sử dụng cao hơn.

Điểm chính

• Trung Quốc sử dụng khoảng 500 nghìn tỷ token AI mỗi ngày vào tháng 6/2026, gần gấp bốn lần mức tháng 12/2025.
• Giá trong nước đã chuẩn hóa tăng khoảng 98%, từ 6,8 lên 13,46 nhân dân tệ.
• Tốc độ đầu ra trung bình trong nước đạt 78,23 token mỗi giây vào tháng 8, cao hơn gấp đôi mức trung bình năm 2025.
• Thời gian chờ token đầu tiên trong nước tăng từ 0,78 lên 1,26 giây.
• Khoảng 95,7% mô hình được giám sát hỗ trợ cửa sổ ngữ cảnh ít nhất 200.000 token.
• Tốc độ đầu ra của cùng một mô hình chênh lệch gần gấp đôi giữa các nền tảng; một số nhà cung cấp bên thứ ba vượt hiệu năng dịch vụ chính thức.