فجوة 112 مليار دولار - الإفلاس الخفي لشركات التكنولوجيا الكبرى

مشروع Stargate — مئات المليارات من الدولارات لبناء مراكز بيانات عملاقة. هذا ليس خطأ مطبعياً: نحن نتحدث عن مبالغ تضاهي الناتج المحلي الإجمالي لدول صغيرة. تنفق Microsoft و Google و Meta عشرات المليارات سنوياً على بنية الـ GPU التحتية: أنفقت Microsoft وحدها أكثر من 50 مليار دولار في عام 2025 على النفقات الرأسمالية، وجزء كبير منها مخصص للذكاء الاصطناعي.

تكمن المشكلة في المحاسبة. أصبحت وحدات GPU من جيل H100 قديمة خلال عامين مع ظهور H200 و B100 و B200 — كل جيل تالٍ أسرع بنسبة 50-100% من السابق. لكن الشركات تسجل الاستهلاك على مدى 5-6 سنوات، مما يخلق وهماً محاسبياً. مثال: اشترت شركة GPU بقيمة 20 مليار دولار. في الدفاتر المحاسبية بعد عامين، لا تزال "قيمتها" 13 مليار دولار (بناءً على الاستهلاك الخطي لمدة 6 سنوات). في الواقع، قيمتها حوالي 5 مليارات دولار، لأن الجيل الجديد يقوم بنفس العمل بضعف السرعة وبسعر أرخص.

هذا يخلق عجزاً خفياً: الفرق بين القيمة المحاسبية للأصول وقيمتها السوقية الحقيقية هو تريليونات الدولارات في جميع أنحاء الصناعة. عندما (ليس "إذا"، بل "عندما") يطلب المراجعون إعادة التقييم — فقد يؤدي ذلك إلى شطب جماعي للأصول، وانهيار أسهم شركات الذكاء الاصطناعي، وإثارة أزمة ثقة في الصناعة بأكملها.

يتوقع المحللون أن تتراكم خسائر OpenAI لتصل إلى حوالي 112 مليار دولار بحلول عام 2030. هذا الرقم ليس من فراغ: فهو يعكس مشكلة أساسية في نموذج أعمال الذكاء الاصطناعي المركزي.

من ناحية، تنمو الإيرادات بشكل مذهل: مليارات الدولارات سنوياً من اشتراكات ChatGPT و API. ومن ناحية أخرى، تنمو النفقات بشكل أسرع. كل جيل جديد من النماذج يتطلب موارد أكثر بأضعاف:

• GPT-3 → GPT-4: ارتفعت تكلفة التدريب حوالي 10 مرات
• GPT-4 → GPT-5: زيادة مضاعفة أخرى — منحنى أسي
• Inference: ملايين المستخدمين = مليارات التوكنز يومياً = مليارات الدولارات سنوياً على قدرات GPU

هذا النموذج يعمل فقط مع تدفق لا نهائي لرأس المال الاستثماري. جمعت OpenAI عشرات المليارات من الاستثمارات، بما في ذلك جولات من Microsoft و SoftBank. لكن المستثمرين ليسوا فاعلي خير. 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 $80M وهي تعالج بالفعل طلبات AI حقيقية عبر شبكة مكونة من 584 وحدة GPU. تكلفة الـ inference هي $0.0069/1M توكن. هذا ممكن لأن النموذج اللامركزي لا يحتاج إلى تعويض استثمارات بمليارات الدولارات في مراكز البيانات.

لا تبني Gonka مراكز بيانات — بل تجمع وحدات GPU الموجودة بالفعل حول العالم. هذا ليس مجرد نموذج عمل بديل — بل هو هندسة اقتصادية مختلفة جذريًا تزيل السبب الجذري للفقاعة.

لا توجد نفقات رأسمالية: لا تجذب شبكة Gonka مئات المليارات للبناء. البروتوكول، البلوكشين، البرمجيات — هذا كل ما يصنعه الفريق. يتم توفير وحدات GPU من قبل مضيفين مستقلين حول العالم — كل على نفقته الخاصة.

لا يوجد استهلاك ممتد لـ 6 سنوات: عندما يصبح H100 قديمًا — يستبدله المضيف ببساطة بـ H200 أو الجيل التالي. القرار يتخذه مالك المعدات بناءً على ظروف السوق، وليس المدير المالي للشركة الذي يحاول إخفاء عمليات الشطب.

لا توجد حيل محاسبية: جميع المعاملات في بلوكشين Gonka شفافة. يتم توزيع المكافآت وفقًا للبروتوكول الذي تم تدقيقه بواسطة CertiK. لا توجد نفقات "خفية" سيتم اكتشافها بعد 5 سنوات عند إعادة تقييم الأصول.

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

النتيجة: تكلفة الاستنتاج عبر Gonka هي $0.0069 لكل مليون رمز. هذا أرخص بنحو 720 مرة من OpenAI GPT-5.5. وهذا السعر مستقر — لأنه لا توجد وراءه بنية تحتية بتريليونات الدولارات تحتاج إلى استرداد تكلفتها.

دعونا نقارن بين نموذجين لبنية تحتية للذكاء الاصطناعي:

تعمل في Gonka 584 GPU (عدد المشاركين في الحقبة: 22، ML-nodes: 121). جمع المشروع $80M — هذا أقل بآلاف المرات مما ينفقه مشروع Stargate واحد. لكن الشبكة تقوم بنفس الشيء: معالجة طلبات AI عبر نماذج مفتوحة مثل MiniMax M2.7، وDeepSeek V4 Flash، وGLM-5.3 Flash، المتاحة عبر API متوافق مع OpenAI.

تشبيه: تخيل لو اقترح أحدهم في العقد الأول من القرن الحادي والعشرين: "بدلاً من بناء خوادم عملاقة للإنترنت، دعونا نضع خادماً صغيراً في كل منزل ونعطيه مكافأة مقابل المشاركة". يبدو الأمر طوباوياً — لكن هذه بالضبط هي الطريقة التي يعمل بها Airbnb للسكن، وUber للنقل، وهي الطريقة التي يعمل بها Gonka لحسابات الذكاء الاصطناعي. اللامركزية ليست طوباوية — إنها المرحلة التالية في تطور البنية التحتية.