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 نحو 112 مليار دولار بحلول عام 2030. هذا الرقم ليس وليد الصدفة: فهو يعكس مشكلة جوهرية في نموذج أعمال الذكاء الاصطناعي المركزي.

من جهة، الإيرادات تنمو بشكل مذهل: مليارات الدولارات سنوياً من اشتراكات ChatGPT وواجهات البرمجة (API). ومن جهة أخرى، النفقات تنمو بوتيرة أسرع. كل جيل جديد من النماذج يتطلب موارد أكثر بأضعاف:

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

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

للمقارنة: جمعت Gonka مبلغ $80M وتقوم بالفعل بمعالجة طلبات AI حقيقية عبر شبكة مكونة من حوالي 4,648 وحدة GPU. تكلفة الـ inference هي $0.003 لكل مليون token. هذا ممكن لأن النموذج اللامركزي لا يحتاج إلى تغطية استثمارات تريليونية في مراكز البيانات.

لا تبني Gonka مراكز بيانات — فهي توحد وحدات GPU الموجودة بالفعل حول العالم. هذا ليس مجرد نموذج أعمال بديل — بل هو هيكل اقتصادي مختلف جوهرياً يزيل السبب الجذري للفقاعة.

لا نفقات رأسمالية: شبكة Gonka لا تجمع مئات المليارات للبناء. البروتوكول، البلوكشين، والبرمجيات — هي كل ما ينشئه الفريق. يتم توفير وحدات GPU بواسطة مضيفين مستقلين حول العالم — كلٌ على نفقته الخاصة.

لا استهلاك للأصول ممتد لـ 6 سنوات: عندما تصبح H100 قديمة — يقوم المضيف ببساطة باستبدالها بـ H200 أو الجيل التالي. يتخذ مالك الجهاز القرار بناءً على ظروف السوق، وليس المدير المالي للشركة الذي يحاول إخفاء الخسائر الدفترية.

لا حيل محاسبية: جميع المعاملات على بلوكشين Gonka شفافة. يتم توزيع المكافآت وفقاً للبروتوكول الذي تم تدقيقه من قبل CertiK. لا توجد نفقات "خفية" ستظهر بعد 5 سنوات عند إعادة تقييم الأصول.

مخاطر موزعة: كل مضيف يتحمل مخاطره الخاصة. إذا خسر المضيف بسبب استثمار سيء في GPU — فهذه مشكلته، وليست مشكلة الشبكة بأكملها. في النموذج المركزي، يمكن لخطأ واحد بقيمة 10 مليارات دولار أن يسقط الشركة بأكملها. في Gonka، هذا الخطأ مستحيل بحكم التعريف — لأنه لا يوجد مشارك واحد لديه القدرة على اتخاذ قرار بقيمة 10 مليارات دولار.

النتيجة: تكلفة الـ inference عبر Gonka هي 0.003 دولار لكل مليون token. وهذا أرخص بحوالي 830 مرة من OpenAI. وهذا السعر مستدام — لأنه لا توجد وراءه بنية تحتية تريليونية تحتاج إلى استرداد تكاليفها.

لنقارن بين نموذجي البنية التحتية للذكاء الاصطناعي:

تعمل Gonka على حوالي 4,648 وحدة GPU لدى حوالي 113 مشاركاً (~582 ML-node). جمع المشروع $80M — وهو 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.

تشبيه: تخيل في العقد الأول من القرن الحالي أن شخصاً ما اقترح: "بدلاً من بناء خوادم عملاقة للإنترنت، دع كل صاحب منزل يضع خادماً صغيراً ويحصل على مكافأة مقابل المشاركة". يبدو هذا طوباوياً — ولكن هذه هي الطريقة التي تعمل بها Airbnb للإسكان، وUber للنقل، وهكذا تعمل Gonka لحسابات الذكاء الاصطناعي. اللامركزية ليست طوباوية — إنها المرحلة التالية من تطور البنية التحتية.