فجوة 112 مليار دولار - الإفلاس الخفي لشركات التكنولوجيا الكبرى

مشروع Stargate - مئات المليارات من الدولارات لبناء مراكز بيانات عملاقة. هذه ليست خطأ مطبعيًا: نتحدث عن مبالغ يمكن مقارنتها بالناتج المحلي الإجمالي لدول صغيرة. تنفق Microsoft و Google و Meta عشرات المليارات سنويًا على البنية التحتية لوحدات معالجة الرسوميات (GPU): استثمرت Microsoft وحدها في عام 2025 أكثر من 50 مليار دولار في النفقات الرأسمالية، معظمها في الذكاء الاصطناعي.

تكمن المشكلة في المحاسبة. تصبح وحدات معالجة الرسوميات من جيل H100 قديمة في عامين مع ظهور H200، B100، B200 - كل جيل لاحق أسرع بنسبة 50-100% من الجيل السابق. لكن الشركات تسجل استهلاكها على مدى 5-6 سنوات، مما يخلق وهمًا محاسبيًا. مثال: اشترت شركة وحدات معالجة رسوميات بقيمة 20 مليار دولار. في الدفاتر المحاسبية، بعد عامين، لا تزال 'تستحق' 13 مليار دولار (مع استهلاك خطي على مدى 6 سنوات). في الواقع - قيمتها حوالي 5 مليارات دولار، لأن الجيل الجديد يقوم بنفس العمل مرتين أسرع وأرخص.

هذا يخلق عجزًا خفيًا: الفرق بين القيمة المحاسبية للأصول وقيمتها السوقية الحقيقية - تريليونات الدولارات في جميع أنحاء الصناعة. عندما (ليس 'إذا'، بل 'عندما') يطلب المدققون إعادة تقييم - فقد يتسبب ذلك في عمليات شطب جماعية، وانهيار أسهم شركات الذكاء الاصطناعي، وإثارة أزمة ثقة في الصناعة بأكملها.

وفقًا لتوقعات المحللين، ستتراكم OpenAI حوالي 112 مليار دولار من الخسائر بحلول عام 2030. هذا الرقم لم يأت من فراغ: إنه يعكس مشكلة أساسية في نموذج أعمال الذكاء الاصطناعي المركزي.

من ناحية، تنمو الإيرادات بشكل مثير للإعجاب: مليارات الدولارات سنويًا من اشتراكات ChatGPT وواجهة برمجة التطبيقات (API). من ناحية أخرى، تنمو التكاليف بشكل أسرع. يتطلب كل جيل جديد من النماذج موارد أكبر بكثير:

• GPT-3 → GPT-4: زادت تكلفة التدريب حوالي 10 أضعاف.
• GPT-4 → GPT-5: زيادة أخرى متعددة الأضعاف - منحنى أسي.
• الاستدلال (Inference): ملايين المستخدمين = مليارات الرموز يوميًا = مليارات الدولارات سنويًا على قدرات وحدات معالجة الرسوميات (GPU).

يعمل هذا النموذج فقط مع تدفق لا نهائي من رأس المال الاستثماري. جذب OpenAI عشرات المليارات من الاستثمارات، بما في ذلك جولات من Microsoft و SoftBank. لكن المستثمرين ليسوا مؤسسات خيرية. عاجلاً أم آجلاً، سيطلبون الأرباح. السؤال ليس 'إذا'، بل 'متى' - وماذا سيحدث في تلك اللحظة لملايين الشركات التي تعتمد على واجهة برمجة تطبيقات OpenAI؟

للمقارنة: جذب Gonka 80 مليون دولار ويعالج بالفعل طلبات الذكاء الاصطناعي الحقيقية عبر شبكة تتكون من حوالي 4,648 وحدة معالجة رسوميات. تبلغ تكلفة الاستدلال 0.0009 دولارًا لكل مليون رمز. وهذا ممكن لأنه في النموذج اللامركزي ليست هناك حاجة لاسترداد تريليونات الاستثمارات في مراكز البيانات.

لا تبني Gonka مراكز بيانات - بل تجمع وحدات معالجة الرسوميات (GPU) الموجودة بالفعل في جميع أنحاء العالم. وهذا ليس مجرد نموذج عمل بديل - بل هو بنية اقتصادية مختلفة تمامًا، تزيل السبب الجذري للفقاعة.

لا تكاليف رأسمالية: لا تجذب شبكة Gonka مئات المليارات للبناء. البروتوكول، البلوك تشين، البرامج - هذا كل ما ينشئه الفريق. يتم توفير وحدات معالجة الرسوميات من قبل مضيفين مستقلين في جميع أنحاء العالم - كل على نفقته الخاصة.

لا يوجد استهلاك يمتد لـ 6 سنوات: عندما تصبح H100 قديمة - يقوم المضيف ببساطة باستبدالها بـ H200 أو الجيل التالي. يتخذ مالك المعدات القرار بناءً على ظروف السوق، وليس المدير المالي للشركة الذي يحاول إخفاء عمليات الشطب.

لا حيل محاسبية: جميع المعاملات في بلوك تشين Gonka شفافة. يتم توزيع المكافآت وفقًا للبروتوكول، الذي تم تدقيقه بواسطة CertiK. لا توجد نفقات 'خفية' سيتم الكشف عنها بعد 5 سنوات عند إعادة تقييم الأصول.

مخاطر موزعة: يتحمل كل مضيف مخاطره الخاصة. إذا خسر مضيف واحد بسبب استثمار سيء في وحدة معالجة الرسوميات - فهذه مشكلته، وليست مشكلة الشبكة بأكملها. في النموذج المركزي، يمكن لخطأ واحد بقيمة 10 مليارات دولار أن يُسقط الشركة بأكملها. في Gonka، هذا الخطأ مستحيل بحكم التعريف - لأنه لا يوجد مشارك واحد قادر على اتخاذ قرار بقيمة 10 مليارات دولار.

النتيجة: تكلفة الاستدلال عبر Gonka هي 0.0009 دولار لكل مليون رمز. هذا أرخص بحوالي 2,800 مرة من OpenAI. وهذا السعر مستقر - لأنه لا يوجد وراءه بنية تحتية بقيمة تريليون دولار يجب تعويضها.

دعونا نقارن نموذجين للبنية التحتية للذكاء الاصطناعي:

في Gonka، تعمل حوالي 4,648 وحدة معالجة رسوميات (GPU) لدى حوالي 113 مشاركًا (حوالي 582 عقدة ML). جذب المشروع 80 مليون دولار - وهو أقل بآلاف المرات مما ينفقه Stargate وحده. لكن الشبكة تقوم بنفس الشيء: معالجة طلبات الذكاء الاصطناعي عبر الشبكة العصبية Qwen3-235B، المتاحة عبر واجهة برمجة تطبيقات متوافقة مع OpenAI.

على سبيل المثال: تخيل أن شخصًا ما في العقد الأول من القرن الحادي والعشرين اقترح: «بدلاً من بناء مزارع خوادم عملاقة للإنترنت، دع كل صاحب منزل يضع خادمًا صغيرًا ويحصل على مكافأة للمشاركة». يبدو الأمر خياليًا - لكن هذا هو بالضبط كيف يعمل Airbnb للسكن، و Uber للنقل، وهذا هو بالضبط كيف يعمل Gonka لحسابات الذكاء الاصطناعي. اللامركزية ليست يوتوبيا - إنها المرحلة التالية من تطور البنية التحتية.