Jensen Huang nói rằng ông sẽ "rất lo ngại" nếu một kỹ sư kiếm $500,000 mỗi năm mà chi ít hơn $250,000 cho AI token. Andrej Karpathy nói "cuộc chơi này là token." CTO của Meta gọi việc chi mạnh cho AI là "không cần bàn cãi."
Silicon Valley có một thước đo địa vị mới: bạn đốt bao nhiêu token.
Nhưng khoan đã — dùng nhiều token hơn có thực sự giúp bạn trở thành kỹ sư giỏi hơn không?
Tokenmaxxing Là Gì?
Tokenmaxxing là xu hướng coi lượng token AI tiêu thụ như một thước đo năng suất. Ý tưởng là: bạn dùng AI tools (Cursor, Claude, Copilot…) càng nhiều, bạn càng "AI-native" — và do đó, năng suất càng cao.
Các công ty giờ đang theo dõi điều này. Meta được cho là đã xây dựng bảng xếp hạng nội bộ cho thấy kỹ sư nào dùng AI nhiều nhất. CEO Databricks công khai khen một kỹ sư đã chi $7,000 token trong hai tuần. Tín hiệu được gửi đi: dùng nhiều token = hiệu suất cao.
Logic Đằng Sau (Và Tại Sao Không Phải Hoàn Toàn Sai)
Thành thật mà nói, lập luận này không hoàn toàn sai.
Nếu bạn là developer không bao giờ dùng AI, bạn đang code chậm hơn, tốn nhiều thời gian hơn cho boilerplate, và research thủ công nhiều hơn. Trong giai đoạn 2024–2025, không dùng AI tool nào là một khoảng cách năng suất thực sự.
Và có một tương quan thực tế: các kỹ sư quen thuộc với AI có xu hướng giao nhiều task hơn cho nó — code review, viết test, tài liệu, debug — điều này tích lũy thành lợi thế output thực sự.
Vậy token usage như một proxy thô cho mức độ áp dụng AI? Không phải vô lý.
Nhưng Đây Là Chỗ Nó Sụp Đổ
Số lượng token là một input metric, không phải output metric.
Hãy xem hai kỹ sư này:
| Kỹ sư A | Kỹ sư B | |
|---|---|---|
| Token dùng | 10,000/ngày | 500/ngày |
| Đang làm gì | Nhờ AI viết lại cùng một hàm bị lỗi 20 lần | Hỏi AI một câu chính xác, tự implement fix |
| Output thực tế | 1 tính năng hoạt động nửa vời | 3 tính năng đã ship |
Kỹ sư A đang "tokenmaxxing." Kỹ sư B đang làm việc hiệu quả.
Token usage cao có thể có nghĩa là:
- ✅ Cộng tác sâu với AI trên các vấn đề phức tạp
- ❌ Prompting kém cần nhiều lần thử lại
- ❌ Dùng AI như nạng thay vì hiểu vấn đề
- ❌ Tạo ra code bạn không hiểu và không maintain được
Metric này đo tiêu thụ, không đo phán đoán.
Ví Dụ Thực Tế Khi Nhiều Token ≠ Kết Quả Tốt Hơn
1. Cái Bẫy Vibe Coding
Một developer dùng Cursor Agent để build toàn bộ feature từ đầu đến cuối, accept mọi diff mà không đọc. Token dùng: khổng lồ. Chất lượng code: spaghetti không thể maintain, vỡ trên production ba tuần sau.
2. Vòng Lặp Prompt
Một kỹ sư không hiểu tại sao auth middleware của họ không hoạt động. Thay vì đọc docs, họ paste error vào Claude 15 lần với các biến thể nhỏ. Mỗi lần tạo ra 2,000 token. Không cái nào hoạt động vì vấn đề thực sự là một biến môi trường cấu hình sai.
3. Dump Tài Liệu
Ai đó yêu cầu AI "viết tài liệu cho toàn bộ codebase này." AI tạo ra 40 trang văn xuôi tự động. Không ai đọc. Token đốt: khổng lồ. Giá trị tạo ra: gần bằng không.
Bạn Nên Thực Sự Đo Gì?
Nếu token usage là proxy không hoàn hảo, cái gì tốt hơn?
- Tính năng ship mỗi sprint — AI có thực sự giúp bạn deliver nhiều hơn không?
- Bug rate trong code AI-assisted — bạn có review những gì AI tạo ra không?
- Thời gian đến phiên bản hoạt động đầu tiên — AI có rút ngắn feedback loop của bạn không?
- Tỷ lệ pass code review — team của bạn có tin tưởng những gì bạn ship không?
Các kỹ sư AI-native giỏi nhất không phải là những người đốt nhiều token nhất. Họ là những người đã học được khi nào nên dùng AI và khi nào không nên — và sự phán đoán đó vô hình với một token leaderboard.
Sự Thật Khó Chịu Về Bảng Xếp Hạng
Khi bạn đo lường token usage và công khai nó, bạn tạo ra động lực để tối đa hóa metric — không phải kết quả.
Các kỹ sư sẽ:
- Dùng AI cho những task họ có thể làm nhanh hơn thủ công
- Tạo ra nhiều output hơn họ có thể review
- Tối ưu để trông có vẻ AI-native thay vì thực sự hiệu quả
Đây là Định luật Goodhart áp dụng vào AI adoption: khi một phép đo trở thành mục tiêu, nó không còn là phép đo tốt nữa.
Kết Luận: Dùng AI Nhiều Hơn — Nhưng Thông Minh Hơn
Những câu quote của CEO không sai về tinh thần. Các kỹ sư sợ dùng AI, coi nó là mối đe dọa thay vì công cụ, sẽ tụt lại phía sau. Điều đó là thực.
Nhưng "dùng nhiều token hơn" không giống với "dùng AI tốt hơn."
Các kỹ sư thực sự sẽ thắng trong 5 năm tới không phải là những người có token count cao nhất. Họ là những người đã phát triển được gu thẩm mỹ — biết vấn đề nào đáng giao cho AI và vấn đề nào cần phán đoán của con người.
Đốt token. Nhưng hãy biết tại sao bạn đốt chúng.