Grayscale dự báo nhu cầu token AI tăng gấp 24 lần vào năm 2030

Zach Pandl, Giám đốc Nghiên cứu của Grayscale, nhận định mức tiêu thụ token AI có thể tăng gấp 24 lần vào năm 2030, khi chi phí hạ xuống giúp mở rộng phạm vi ứng dụng và tần suất sử dụng. Các trợ lý AI (AI agent) có thể tiêu tốn lượng token gấp 5–50 lần so với một lượt tương tác chatbot thông thường, qua đó đẩy nhu cầu tính toán suy luận (inference) lên cao. Nguồn cung hạn chế về trung tâm dữ liệu, điện năng và GPU có thể kìm hãm tốc độ mở rộng của AI, và trong kịch bản đó, giá thuê hạ tầng tính toán khan hiếm nhiều khả năng còn tăng. Mô hình AI rẻ hơn mở rộng phạm vi sử dụng Chi phí giảm đang khiến trí tuệ nhân tạo trở nên dễ tiếp cận hơn với các ứng dụng và quy trình tự động hóa. Mô hình Sonnet mới nhất của Anthropic có chi phí thấp hơn tới 30% cho mỗi tác vụ, theo công ty này. Áp lực cạnh tranh từ các mô hình trọng số mở (open-weight) giá rẻ cũng đang đè lên giá token. Token là đơn vị đo lượng văn bản mà mô hình AI xử lý và tạo ra, với chi phí do nhà phát triển chi trả theo mức tiêu thụ. Khi giá giảm, doanh nghiệp có thể tìm thêm nhiều ứng dụng AI mà trước đây từng quá đắt đỏ. Báo cáo nghiên cứu Investing for the Compute Bottleneck của Grayscale phân tích cách “trí tuệ giá rẻ” có thể hỗ trợ việc ứng dụng rộng rãi hơn. Trợ lý AI có thể nhân nhu cầu tính toán “dots” — dòng trợ lý AI mới được OpenAI giới thiệu — là các agent hoạt động liên tục, được thiết kế để theo đuổi mục tiêu của người dùng suốt ngày đêm. Khác với chatbot chỉ trả lời từng câu hỏi đơn lẻ, agent có thể hoàn tất nhiều bước trong cùng một quy trình. Chuẩn bị cho một cuộc gặp khách hàng chẳng hạn, có thể gồm việc xem lại ghi chú, phân tích biến động danh mục và soạn chương trình họp. Theo Grayscale, những tác vụ như vậy có thể tiêu tốn lượng token gấp 5–50 lần một lượt tương tác chatbot, tùy mức độ phức tạp. Kết quả là agent có thể thúc đẩy tăng trưởng mạnh về inference — phần tính toán cần để vận hành mô hình AI. Goldman Sachs dự báo tiêu thụ token có thể tăng gấp 24 lần vào năm 2030, phần lớn nhờ mức độ phổ biến của agent. Hạ tầng vật lý vẫn là điểm nghẽn Mô hình AI ngày càng hiệu quả, nhưng tổng nhu cầu tính toán vẫn có thể tăng khi tốc độ sử dụng vượt mức tiết kiệm. Cung ứng hạ tầng cần thiết lại tốn thời gian. Nguồn điện, trung tâm dữ liệu và GPU vẫn là những yếu tố then chốt để đáp ứng khối lượng công việc ngày càng lớn; nguồn cung hạn chế có thể giới hạn tốc độ mở rộng năng lực tính toán song song với quá trình ứng dụng AI. Grayscale cũng dẫn trường hợp CoreWeave, công ty gần đây báo cáo đã ký các hợp đồng mới với mức giá tính toán cao hơn. Ví dụ này cho thấy áp lực giá vẫn hiện hữu bất chấp chi phí cho các tác vụ AI đang giảm. Phân tích của Pandl lập luận rằng mô hình rẻ hơn cùng các agent có năng lực cao hơn có thể đẩy mức sử dụng lên đủ để bù đắp phần tiết kiệm từ hiệu suất. Trong kịch bản đó, nhu cầu sẽ có lợi cho chủ sở hữu hạ tầng tính toán vật lý khan hiếm.