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.

وفقاً لتوقعات المحللين، ستراكم OpenAI خسائر تبلغ حوالي 112 مليار دولار بحلول عام 2030. هذا الرقم ليس من فراغ: فهو يعكس مشكلة جوهرية في نموذج عمل الذكاء الاصطناعي المركزي.

من جهة، الإيرادات تنمو بشكل مذهل: مليارات الدولارات سنوياً من اشتراكات ChatGPT وواجهات برمجة التطبيقات (API). ومن جهة أخرى، النفقات تنمو بسرعة أكبر. كل جيل جديد من النماذج يتطلب موارد أكثر بأضعاف مضاعفة:

• GPT-3 → GPT-4: ارتفعت تكلفة التدريب حوالي 10 مرات
• GPT-4 → GPT-5: زيادة مضاعفة أخرى — منحنى أسي
• Inference: ملايين المستخدمين = مليارات الرموز (tokens) يومياً = مليارات الدولارات سنوياً لقدرات الـ GPU

هذا النموذج يعمل فقط بوجود تدفق لا نهائي من رأس المال الاستثماري. جمعت OpenAI عشرات المليارات من الاستثمارات، بما في ذلك جولات من Microsoft وSoftBank. لكن المستثمرين ليسوا مؤسسات خيرية. عاجلاً أم آجلاً سيطالبون بالأرباح. السؤال ليس "هل" بل "متى" — وماذا سيحدث في تلك اللحظة لملايين الشركات المبنية على API الخاصة بـ OpenAI؟

للمقارنة: جمعت Gonka 80 مليون دولار وتقوم بالفعل بمعالجة طلبات ذكاء اصطناعي حقيقية عبر شبكة مكونة من حوالي 4,648 وحدة GPU. تكلفة الـ inference هي $0.0047/لكل مليون رمز (token). هذا ممكن لأن النموذج اللامركزي لا يحتاج إلى تعويض استثمارات بمليارات المليارات في مراكز البيانات.

لا تبني Gonka مراكز بيانات — بل توحد الـ GPU الموجودة بالفعل في جميع أنحاء العالم. هذا ليس مجرد نموذج عمل بديل — بل هو بنية اقتصادية مختلفة تماماً تزيل السبب الجذري للفقاعة.

لا توجد نفقات رأسمالية: لا تقوم شبكة Gonka بجمع مئات المليارات للبناء. البروتوكول، البلوكشين، والبرمجيات — هي كل ما يصنعه الفريق. يتم توفير الـ GPU من قبل مضيفين مستقلين حول العالم — كلٌ على نفقته الخاصة.

لا يوجد استهلاك للأصول ممتد على 6 سنوات: عندما تصبح H100 قديمة — يقوم المضيف ببساطة باستبدالها بـ H200 أو الجيل التالي. القرار يتخذه مالك المعدات بناءً على ظروف السوق، وليس المدير المالي للشركة الذي يحاول إخفاء شطب الأصول.

لا توجد حيل محاسبية: جميع المعاملات على بلوكشين Gonka شفافة. يتم توزيع المكافآت وفقاً للبروتوكول الذي تمت مراجعته بواسطة CertiK. لا توجد مصاريف «مخفية» تظهر بعد 5 سنوات عند إعادة تقييم الأصول.

مخاطر موزعة: يتحمل كل مضيف مخاطره الخاصة. إذا أفلس مضيف بسبب استثمار سيء في GPU — فهذه مشكلته، وليست مشكلة الشبكة بأكملها. في النموذج المركزي، خطأ واحد بقيمة 10 مليار دولار قد يؤدي إلى انهيار الشركة بأكملها. في Gonka، مثل هذا الخطأ مستحيل بحكم التعريف — لأنه لا يوجد مشارك واحد لديه القدرة على اتخاذ قرار بقيمة 10 مليار دولار.

النتيجة: تكلفة الـ inference عبر Gonka هي $0.0047 لكل مليون توكن. هذا أرخص بنحو ~400 مرة من OpenAI. وهذا السعر مستدام — لأنه لا توجد وراءه بنية تحتية بتريليونات الدولارات تحتاج إلى استرداد تكاليفها.

لنقارن بين نموذجي البنية التحتية للذكاء الاصطناعي:

تعمل في Gonka حوالي 4,648 GPU لدى حوالي 113 مشاركاً (~582 ML-node). جمع المشروع 80 مليون دولار — وهذا أقل بآلاف المرات مما ينفقه مشروع Stargate واحد. لكن الشبكة تقوم بنفس العمل: معالجة طلبات الذكاء الاصطناعي عبر الشبكة العصبية Kimi K2.6، المتاحة عبر API متوافق مع OpenAI.

قياساً: تخيل لو اقترح أحدهم في العقد الأول من القرن الحادي والعشرين: "بدلاً من بناء خوادم عملاقة للإنترنت، دعونا نجعل كل صاحب منزل يضع خادماً صغيراً ويحصل على مكافأة مقابل المشاركة". يبدو الأمر خيالياً — لكن هذه هي الطريقة التي يعمل بها Airbnb للسكن، وUber للنقل، وهكذا تعمل Gonka لحوسبة الذكاء الاصطناعي. اللامركزية ليست خيالاً — إنها المرحلة التالية من تطور البنية التحتية.