Tôi không đủ khả năng mua Token đã trở thành nhóm người tiêu dùng trong thị trường ngầm của thời đại AI

Tên: Hoàng Y婷

Năm 2026, tiêu dùng “xa xỉ” nhất của con người trong công việc là gì? Câu trả lời không phải mua một chiếc máy tính hiệu năng cao nhất, hay sắm sửa vài bộ đồ đàng hoàng, mà là có thể sử dụng không giới hạn, không tính phí các công cụ AI tiên tiến nhất trên thế giới này.

Điều này có nghĩa là bạn không cần phải đau đầu tối ưu hóa câu lệnh để kiểm soát chi phí, sợ bị báo “Hạn mức miễn phí hôm nay đã dùng hết”; cũng không cần so sánh nhiều lần, tiếc rẻ để không dùng Claude (mô hình ngôn ngữ lớn do công ty AI Mỹ Anthropic phát triển) mà chỉ giao các công việc không quá quan trọng cho các mô hình rẻ hơn, nhẹ hơn.

AI tất nhiên rất tiện lợi, nhưng mỗi lần sử dụng đều đi kèm chi phí, lượng Token tiêu thụ đắt đến mức bạn bắt đầu cảm thấy không thể dùng nổi. Tính toán nhỏ nhặt, cẩn thận, trở thành trạng thái thực tế nhất của các “ngựa chiến” AI ngày nay.

Điều này khiến người ta liên tưởng đến hai mươi năm trước, thời kỳ truy cập internet qua dial-up. Lúc đó băng thông khan hiếm và đắt đỏ, các nhà phát triển cố gắng nén hình ảnh, tối giản mã nguồn để tiết kiệm băng thông cho website, gần như không dám tải video. Các công ty khởi nghiệp trong lĩnh vực video như Tudou rất ít, vì tiêu thụ băng thông của video trở thành chi phí lớn nhất cho hoạt động của website.

Ngày hôm qua lại tái diễn.

Trong chuỗi ngành công nghiệp AI, sức mạnh tính toán như dòng nước chảy từ trên xuống dưới. Bắt đầu từ các GPU (bộ xử lý đồ họa) và trung tâm dữ liệu ở phía trên, qua các nhà cung cấp đám mây, nhà phát triển mô hình, được đóng gói thành API, cuối cùng chảy đến các nhà phát triển và người dùng phổ thông, thành các lần gọi cụ thể, từng Token có thể tính phí. Nó trông như vô hình, nhưng ở mỗi bước đều có chi phí rõ ràng, như khấu hao GPU, tiêu thụ điện năng, lưu trữ băng thông cao, cuối cùng đều tổng hợp thành hóa đơn.

Hiện tại, dòng nước này đang trở nên tắc nghẽn. Một đầu là nhu cầu bùng nổ, các kịch bản phức tạp như đa mô thức, Agent (trí tuệ nhân tạo tự hành) khiến lượng Token tiêu thụ tăng hàng nghìn lần, đầu kia là cung vẫn chưa được tháo gỡ, GPU, HBM (bộ nhớ băng thông cao), xây dựng trung tâm dữ liệu đều có giới hạn vật lý, tỷ lệ sử dụng GPU vẫn còn thấp. Sự thông minh có cái giá của nó, dù tăng trưởng bùng nổ khiến giá Token rẻ hơn, nhưng chi phí gọi nó lại ngày càng cao.

Giá tăng truyền dẫn theo cấp số nhân. GPU phía trên có giá nhưng không có hàng, sức mạnh tính toán khan hiếm, các nhà cung cấp đám mây trung gian điều chỉnh giá trước, Amazon Cloud, Google Cloud, Baidu Cloud, Alibaba Cloud, trong quý trước lần lượt tăng phí dịch vụ AI, các nhà phát triển mô hình cũng kết thúc chu kỳ trợ giá, Tencent, Alibaba liên tiếp ngừng thử nghiệm miễn phí, nâng giá API, trong đó, mô hình lớn của Tencent là Huyền Nguyên tăng giá cao nhất 463%.

Việc tăng giá của mô hình và ứng dụng khiến sức mạnh tính toán không còn là khái niệm trừu tượng trong cuộc cạnh tranh của các ông lớn, mà dưới dạng Token, còn dạy cho mỗi người bình thường một bài học trả phí. Giống như thời lượng truy cập, tính theo MB (đơn vị dữ liệu di động), chủ thuê bao dễ vô tình nợ phí rồi bị ngưng dịch vụ.

Gần đây, Huang Renxun đề xuất khái niệm “Kinh tế Token”, cho rằng suy luận đã trở thành nhiệm vụ cốt lõi của AI, Token là hàng hóa lớn mới — tiêu chuẩn hóa, có thể đo lường, có thể giao dịch. Từ đó, Token từ sản phẩm phụ kỹ thuật trong huấn luyện mô hình, biến thành yếu tố sản xuất trung tâm thúc đẩy nền kinh tế số.

Theo Huang Renxun, “Token” như một hàng hóa có chất lượng tốt xấu khác nhau. Từ cấp miễn phí đến cấp cao nhất, giá mỗi triệu Token dao động từ 0 USD đến 150 USD. Các Token có độ trễ thấp, tương tác cao (như đối thoại trực tiếp, lái xe thông minh) cần sức mạnh tính toán đắt tiền, giá cao; các Token có khả năng xử lý offline, throughput cao (như suy luận offline quy mô lớn, xử lý dữ liệu hàng loạt) không nhạy cảm với độ trễ, có thể dùng sức mạnh tính toán rẻ hơn, giá thấp.

Token đã trở thành “hàng hóa” phân tầng giá trị rồi, còn người dùng thì sao? Có thể trong tương lai, “thị trường hạ nguồn” không còn chỉ giới hạn trong khả năng tiêu thụ hàng hóa vật chất nữa.

Người dùng AI, bị lo lắng bao phủ

“Tôi chẳng phải là thành viên cao cấp sao?” Chiều ngày 11 tháng 3, Su Yu nhìn vào cửa sổ bật lên trên màn hình máy tính, cảm thấy hơi tức giận. Thông báo cho biết, lượng Token sử dụng trong tuần đã đạt 90% hạn mức, sau khi hết hạn mức sẽ tạm dừng sử dụng các mô hình liên quan, cho đến khi hạn mức mới vào tuần tới.

Su Yu là nghiên cứu sinh tiến sĩ của một trường đại học, gần đây đang chuẩn bị luận án tốt nghiệp. Trong ba năm qua, Gemini của Google, ChatGPT của OpenAI luôn là bạn đồng hành tốt nhất của cô, cô cũng là người đăng ký trung thành của hai “công nhân AI” này. Tháng 2 năm nay, Claude của Anthropic cũng gia nhập đội của cô, nhanh chóng trở thành người tin cậy nhất.

“Claude quá tiện lợi, quá mạnh về công cụ.” Su Yu nói. Cô để nhiều AI cùng lúc giúp cô sàng lọc, thiết kế mô hình ý tưởng nghiên cứu, ChatGPT trả lời không đủ logic chặt chẽ, Gemini thì quá phóng đại, nịnh nọt, chỉ có Claude như một cố vấn cao cấp khách quan, sau khi đọc kỹ yêu cầu của khách hàng, mới đưa ra một đề xuất thực sự có thể dùng được, có tính truyền cảm hứng.

Sau hơn nửa tháng dùng miễn phí, Su Yu đã chi khoảng 180 nhân dân tệ để đăng ký gói tháng của Claude. So với Gemini, ChatGPT, điểm đặc biệt của Claude là cũng có giới hạn tiêu thụ Token hàng ngày và hàng tuần cho thành viên. Điều này cũng dễ hiểu, theo bảng xếp hạng thử nghiệm mù các mô hình lớn nổi tiếng toàn cầu LMArena, tính đến ngày 20 tháng 3, mô hình chính của Claude là Claude-Opus-4-6-thinking đứng đầu toàn cầu.

Nhưng Su Yu chưa từng cảm nhận rõ ràng về giới hạn Token trực tiếp như vậy. Lần đầu bị giới hạn Claude vào thứ Tư, “Lý thuyết nền tảng” mới hiểu được một nửa thì không thể gọi nữa, lúc đó cô cảm thấy như bị “đình trệ học thuật”. Quen với sự hỗ trợ của Claude, cô rất khó quay lại trạng thái ban đầu của nghiên cứu. Cô thử “tự làm”, lật sách lý thuyết gốc, nhưng hiệu quả rất thấp, một số tài liệu đã dịch cũng không hoàn toàn tin tưởng, “Cuối cùng tôi vẫn phải chờ Claude phục hồi rồi kiểm tra lại.” Bốn ngày trôi qua, cô chờ đợi trong nỗi sốt ruột.

Giới hạn dùng Claude khiến Su Yu cực kỳ lo lắng. Vào một thứ Ba, cô gửi một ảnh chụp màn hình của backend Claude, hiển thị hạn mức của cô đã dùng đến 45% trong tuần. “Chưa đến hai ngày đã qua rồi! Tôi đã tiết kiệm lắm rồi, mỗi ngày chỉ bàn một đề tài luận văn, mà đã hết hạn mức rồi!” Su Yu cảm xúc gần như sụp đổ, ai nói AI không thể thay thế con người? AI này còn khó hơn cả thầy cô của cô nữa rồi.

● Ảnh nền của backend Claude của Su Yu. Nguồn: Người phỏng vấn

Cô đã quen hỏi một câu rồi xem một chút backend, sợ hết tiền không gọi được nữa. Nhớ ngày xưa còn từng trò chuyện phiếm với Claude, nhờ nó giúp làm PPT, trong lòng tự mắng mình lãng phí.

Việc cẩn thận sử dụng “mô hình tốt” này đang ngày càng phổ biến. Một doanh nhân trong ngành phim AI nói với tôi, khi nhóm của anh ấy dùng mô hình video AI “Ji Meng” của ByteDance, sẽ đồng thời kết nối API của nhiều nhà cung cấp mô hình khác, “Mô hình hiệu quả hơn thì đắt hơn, chúng tôi chỉ có thể chuyển đổi giữa các mô hình để cân bằng chi phí.”

Gần đây, Ji Meng giảm hạn mức điểm tích lũy thành viên, anh ấy thấy điều này rất bình thường, “Cửa cuối của người tiêu dùng đã được trợ giá rồi, giờ chỉ thu lại một phần.” Nhưng đồng thời, anh ấy cũng lo lắng về tình hình của mình, thở dài “Giờ lại càng không dùng nổi nữa rồi”, chi phí AI tăng lên, đôi khi còn cắt đứt luôn sinh mệnh của các startup nhỏ.

Người dùng cuối lo lắng về Token, các nhà cung cấp mô hình cũng lo về chi phí sức mạnh tính toán.

Nói về nguyên nhân tăng đột biến lượng gọi Token, viện trưởng Viện Hàn lâm Kỹ thuật Trung Quốc Wang Jian đã lấy ví dụ về sự phát triển của ngành điện, ban đầu AI giống như “bật đèn điện”, tiêu thụ điện năng hạn chế. Còn các ứng dụng thế hệ mới như OpenClaw (trí tuệ tự hành) thì giống như bật “máy điều hòa”, tiêu thụ điện năng ngày càng nhiều hơn.

Tuy nhiên, Wang Jian nhấn mạnh, sự tăng trưởng này không chỉ có ý nghĩa phổ biến ứng dụng, mà còn là giảm chi phí từng Token. “Nếu giá điện không giảm, người dân sẽ không thể dùng điều hòa.”

Nhưng so với các cuộc gọi đơn giản trước đây, giờ đây nhiều nhiệm vụ hơn được thực hiện qua Agent. Mô hình cần tự phân tích vấn đề, gọi công cụ, viết mã, gỡ lỗi, rồi sửa lại, một yêu cầu tưởng chừng đơn giản, nhưng đằng sau là nhiều vòng suy luận và nhiều lần gọi API, tiêu thụ Token theo cấp số nhân, dù giá mỗi Token giảm, tổng chi phí sức mạnh tính toán vẫn cao hơn nhiều.

“Mô hình càng lớn, chi phí suy luận cũng tăng theo, chúng tôi cũng muốn đưa nó trở lại giá trị thương mại bình thường. Cạnh tranh dựa trên giá thấp lâu dài không có lợi cho toàn ngành, đó cũng là một trong những cân nhắc của chúng tôi.” CEO Zhang Peng của Zhiyuan nói. Trong hai tháng gần đây, Zhiyuan đã 3 lần điều chỉnh giá các mô hình dòng GLM (mô hình ngôn ngữ lớn do Zhiyuan phát triển), một số mô hình đã gần bằng mức giá các mô hình hàng đầu quốc tế.

Một nỗi lo khác của Zhang Peng là, “Trong 12 tháng tới, vấn đề lớn nhất có thể là sức mạnh tính toán. Tất cả công nghệ, kể cả khung trí tuệ tự hành, đều giúp sáng tạo và hiệu quả của nhiều người tăng gấp 10 lần. Nhưng điều kiện tiên quyết là mọi người có thể dùng được, không để tình trạng thiếu sức mạnh tính toán khiến một vấn đề khiến Agent phải suy nghĩ nửa ngày mà không cho ra kết quả.”

Dòng chảy của sức mạnh tính toán, cộng dồn chi phí

Theo cách tính của Claude, 100 Token tương đương khoảng 75 từ tiếng Anh hoặc 50 ký tự Trung Quốc, và giá của Token đầu ra gấp năm lần giá của Token đầu vào — đây là cách quy đổi đơn giản nhất. Nói cách khác, mỗi câu trả lời của AI đều phải qua suy nghĩ cẩn thận, quá trình xử lý, tra cứu, sinh ra, thậm chí lỗi do ảo giác của mô hình, đều tính vào Token tiêu thụ, cuối cùng thành hóa đơn thật.

Người sáng lập AGI của Thần Thoại, Lin Zhijia, đã tính một phép tính. Ông nuôi bốn “tôm hùm”, có mô hình triển khai tại chỗ, có mô hình triển khai trên đám mây. Ví dụ, với triển khai đám mây, ông mua gói Coding Plan (dịch vụ mã hóa AI) khoảng 30-40 nhân dân tệ mỗi tháng, đến ngày 20 tháng 3, còn 9 ngày nữa, lượng Token tiêu thụ của ông mới chưa đến 10% hạn mức của gói — là một người làm truyền thông, nhu cầu Token của ông không lớn.

Nhưng tính phí theo Token lại không quá khả thi. “Nếu tôi chỉ mỗi sáng 9 giờ yêu cầu nó gửi tin tức, tiêu thụ Token khoảng 0,9 nhân dân tệ, 30 ngày là hơn hai mươi nhân dân tệ, đã gần bằng tiền mua gói Coding rồi. Thỉnh thoảng còn hao hụt, còn cập nhật mô hình, chỉ cập nhật thôi cũng có thể tiêu tốn 3-4 nhân dân tệ Token.”

Chọn lựa giữa các phương thức tính phí khác nhau gần như trở thành thói quen của người dùng thường xuyên, và số tiền bỏ ra cuối cùng đều hướng về một thứ — sức mạnh tính toán, cùng với chi phí khấu hao GPU và tiêu thụ điện của trung tâm dữ liệu.

GPU trở thành điểm khởi đầu, cung cấp chip cao cấp quyết định giới hạn toàn bộ hệ thống. “Ngoài các máy dự phòng dành cho khách hàng riêng, còn lại đều đã bán hết, không còn một chiếc nào.” Phó tổng giám đốc kiến trúc công nghệ của UCloud, Liu Hua, nói.

Dưới GPU còn phải xây dựng trung tâm dữ liệu, mạng lưới và hệ thống lưu trữ — kết nối tốc độ cao, truyền tải độ trễ thấp, những thứ này không phải là linh kiện “cắm là chạy”. Liu Hua nói, chỉ riêng phần mạng và lưu trữ, chi phí có thể chiếm khoảng 20% tổng chi phí sức mạnh tính toán.

Tiếp theo là các nhà cung cấp mô hình và dịch vụ API. Họ đặt các mô hình lớn trên hạ tầng này, đóng gói thành các API tiêu chuẩn, để các nhà phát triển gọi. Trong hai năm gần đây, các vai trò này bắt đầu chồng chéo, các nhà cung cấp đám mây vừa bán sức mạnh tính toán, vừa cung cấp API mô hình, dần trở thành trung tâm kết nối GPU, mô hình và nhà phát triển.

● Sơ đồ cách dòng sức mạnh tính toán lưu chuyển. Nguồn: AI tạo ra

Sức mạnh tính toán cứ thế từng lớp từng lớp thấm xuống dưới, sự thay đổi mới nhất nằm ở phía cầu của ngành. “Trước đây AI chủ yếu là doanh nghiệp trả phí, giờ đến cả người tiêu dùng cũng trả phí ngày càng phổ biến.” Lin Zhijia nói. Mô hình được đóng gói thành API, cổng vào đơn giản hơn, rào cản sử dụng giảm, nhà phát triển cá nhân hay người dùng phổ thông đều có thể trực tiếp gọi sức mạnh tính toán nền tảng. “Bây giờ chỉ cần lướt mạng xã hội, ai cũng biết cách dùng rồi.”

Thậm chí sức mạnh tính toán còn có xu hướng bán lẻ. Trước năm 2024, một số nhà cung cấp đám mây bắt đầu ra mắt “ngày card” GPU, máy chủ đám mây nhẹ, thậm chí sản phẩm “triệu hồi” chỉ một cú nhấn. Ví dụ, UCloud giới thiệu gói trải nghiệm 6,9 nhân dân tệ dành cho “người nuôi tôm”, về cơ bản giống như một tấm vé, đóng gói toàn bộ cấu hình và điều phối sức mạnh tính toán phức tạp, cho phép người dùng thử nghiệm với chi phí cực thấp. “Nhiều người thực ra là để ‘loại trừ rủi ro’ hoặc thử nghiệm,” Liu Hua nói, “mọi người đều có chút lo lắng, sợ bị tụt hậu.”

Nhưng giảm ngưỡng không đồng nghĩa với giảm chi phí. Theo Liu Hua, “Dựa theo giai đoạn phát triển của internet, chi phí sức mạnh tính toán hiện tại rõ ràng vẫn còn trong giai đoạn đầu, rất đắt.” Chính vì vậy, các nhà phát triển mới phải tính toán kỹ lưỡng, các nền tảng cũng không dám dễ dàng mở rộng quy mô gọi.

Ngay cả các ông lớn cũng đang phải lựa chọn. Trước đây, OpenAI đóng cửa dự án tạo video Sora, nhiều người trong ngành cho rằng đó là sự cân nhắc giữa sức mạnh tính toán và hiệu quả đầu tư, trong bối cảnh nguồn lực hạn chế, ưu tiên tập trung vào các khả năng mô hình cốt lõi và kinh doanh. Các tập đoàn công nghệ lớn như Alibaba, Tencent, ByteDance gần đây cũng điều chỉnh các hoạt động AI, chủ yếu là tập trung nguồn lực vào các mô hình và dịch vụ cốt lõi.

Mọi người đều nhận ra một điều: trong tương lai, không phải quy mô sức mạnh tính toán mới là cạnh tranh, mà là tỷ lệ sử dụng hiệu quả của nó. Thiếu hụt sức mạnh tính toán gây ra hiệu ứng dây chuyền, là một trận mưa phùn dài trong thời đại AI, mỗi người trong thời đại này đều không thể tránh khỏi ẩm ướt.

Dòng chảy của sức mạnh tính toán đến cuối cùng sẽ ra sao

Su Yu đang cố gắng phân bổ và điều phối nguồn lực sức mạnh tính toán.

Cô phân chia các mô hình thành các cấp độ: ChatGPT dùng để viết công văn, sắp xếp báo cáo, Gemini phụ trách vẽ hình, xử lý ngôn ngữ chi tiết, Claude dành riêng cho các phần cốt lõi như khung nghiên cứu, thiết kế ý tưởng, phân tích văn bản dài. Như vậy, cô có thể tối đa hóa hiệu quả và tiết kiệm ngân sách.

Ví dụ, cô gần đây đang xử lý một đợt tài liệu phỏng vấn, sẽ để Claude đưa ra khung phân tích, rồi “bỏ” khung đó cho Gemini làm mã hóa ban đầu. “Tôi tin hướng dẫn của Claude hơn, nhưng công việc chi tiết thì có thể giao cho mô hình rẻ hơn.” Nếu Claude không giới hạn, cô thậm chí sẽ dừng dùng Gemini.

Dĩ nhiên, đây không phải là quảng cáo cho Claude, chỉ là cô cảm thấy nhu cầu của mình phù hợp hơn với ứng dụng này. Mô hình tiện lợi trở nên khan hiếm, và nguồn lực khan hiếm chỉ được dùng cho những phần quan trọng nhất.

Để tiết kiệm hơn nữa, nhiều người dùng như Su Yu bắt đầu “đào sâu” vào từng chi tiết nhỏ.

Trên mạng xã hội, từng rộ lên trào lưu dùng văn ngôn để đối thoại với AI, vì câu chữ ngắn hơn nghĩa là tiêu thụ ít Token hơn. Cũng có người nghĩ, nói “Xin chào”, “Cảm ơn” với AI có phải là lãng phí không? Dù sao, AI không cần giá trị cảm xúc.

Thực ra, nhiều lãng phí không nằm trong khả năng kiểm soát của người dùng, mà do cách tích hợp và vận hành của mô hình.

Không lâu trước, trưởng nhóm mô hình lớn MiMo, Luo Fuli, nói: “Tôi không thể tính chính xác thiệt hại do việc tích hợp của bên thứ ba gây ra, nhưng tôi đã xem xét kỹ context quản lý của OpenClaw, rất tệ. Trong một lần truy vấn của người dùng, nó sẽ kích hoạt nhiều vòng gọi công cụ ít giá trị, mỗi vòng như một yêu cầu API riêng biệt, mỗi yêu cầu mang theo hơn 100K Token trong cửa sổ ngữ cảnh. Số lần gọi thực tế gấp nhiều lần framework gốc của Claude. Quy ra theo giá API, chi phí thực tế khoảng mấy chục lần giá gói đăng ký.”

Quay lại vấn đề sử dụng, người dùng chủ động tiết kiệm Token, nền tảng cũng không dám hoàn toàn mở rộng quy mô người dùng, kiểu “bắt buộc tiết kiệm” này, ví dụ như OpenAI đang đối mặt với nghịch lý — trong nửa đầu năm 2025, họ tạo ra 4,3 tỷ USD doanh thu, nhưng cùng kỳ lỗ ròng tới 13,5 tỷ USD, nghĩa là mỗi đô la họ kiếm được, lại mất ba đô la. Phần lớn khoản lỗ chính là đầu tư vào sức mạnh tính toán.

Trong bối cảnh hiện tại, sức mạnh tính toán không còn chỉ là vấn đề có hay không, mà là có thể duy trì sử dụng được đến mức nào, dùng đến đâu. Khi AI đủ tiện lợi, con người sẽ tổ chức lại cách làm việc xung quanh nó; khi Token đắt đỏ và hạn chế, cách tổ chức mới này cũng buộc phải co lại.

Nếu trong tương lai, sức mạnh tính toán không thể phổ cập như điện, AI chắc chắn sẽ phân hóa, khoảng cách nhận thức giữa người với người sẽ càng xa hơn. Ví dụ, Su Yu không định chia sẻ hoàn toàn cách dùng AI của mình với người xung quanh, cách tương tác với Claude, loại dữ liệu nào để cung cấp, đều là bí mật nhỏ của cô, cũng là lợi thế cạnh tranh trong ngắn hạn.

Nếu đồng nghiệp hỏi cô giới thiệu mô hình tốt, cô sẽ giới thiệu Gemini và ChatGPT, “Tất nhiên, DeepSeek cũng là lựa chọn tốt.” Su Yu nháy mắt tinh nghịch.

Trong thời đại “doanh nghiệp một người (OPC)” và “siêu cá nhân” ngày càng phổ biến, những “mánh nhỏ” như vậy không hiếm. Khi AI tiện lợi trở thành một Token có thể tính giá, để tạo ra sự khác biệt thực sự, chính là cách người dùng khai thác nó như thế nào.

(Trong bài viết, Su Yu là tên giả)

Nguồn bìa: “Ban biên tập Khám phá Vũ trụ”

Tham khảo

Xuất hiện trí tuệ: “Yang Zhilin / Zhang Peng / Xia Lixue / Luo Fuli / Huang Chao, bàn về tôm hùm, bàn về ‘Token kinh tế học’”

Báo Daily Economic News: “AI thúc đẩy tiêu thụ token khổng lồ, phần cứng bộ nhớ khan hiếm, cơn sốt thuê sức mạnh tính toán, nhà vận hành đẩy mạnh xây dựng máy chủ làm mát bằng dung dịch” / “Zhipu Zhang Peng: Khi mô hình đủ mạnh, API chính là mô hình kinh doanh tốt nhất”

Trang Interface News: “Giá cổ phiếu của Zhiyuan lập đỉnh mới, mô hình thế hệ mới tăng giá 10%”

Deep潮TechFlow: “Token ra biển, bán điện lực Trung Quốc cho toàn thế giới”

Silicon People Pro: “Luo Fuli: Mọi người tỉnh lại đi, đã đến lúc kết thúc cuộc vui ảo về token rồi”