Agujero de $112 mil millones: la bancarrota oculta de las Grandes Tecnológicas

El proyecto Stargate: cientos de miles de millones de dólares para construir centros de datos gigantes. Esto no es un error tipográfico; se trata de cantidades comparables al PIB de países pequeños. Microsoft, Google y Meta gastan anualmente decenas de miles de millones en infraestructura de GPU: solo Microsoft en 2025 invirtió más de $50 mil millones en gastos de capital, la mayor parte en IA.

El problema está oculto en la contabilidad. Las GPU de la generación H100 se vuelven obsoletas en 2 años con el lanzamiento de H200, B100, B200; cada generación siguiente es un 50-100% más rápida que la anterior. Pero las corporaciones registran la amortización durante 5-6 años, creando una ilusión contable. Ejemplo: una empresa compró GPU por $20 mil millones. En los libros contables, después de 2 años, todavía "valen" $13 mil millones (con amortización lineal a 6 años). En realidad, valen ~ $5 mil millones, porque la nueva generación hace el mismo trabajo el doble de rápido y más barato.

Esto crea un déficit oculto: la diferencia entre el valor contable de los activos y su valor real de mercado son billones de dólares en toda la industria. Cuando (no "si", sino "cuando") los auditores exijan una reevaluación, esto podría provocar amortizaciones masivas, el colapso de las acciones de las empresas de IA y una crisis de confianza en toda la industria.

Según las previsiones de los analistas, OpenAI acumulará alrededor de 112 mil millones de dólares en pérdidas para 2030. Esta cifra no es arbitraria: refleja un problema fundamental del modelo de negocio de la IA centralizada.

Por un lado, los ingresos crecen de manera impresionante: miles de millones de dólares anuales por suscripciones de ChatGPT y API. Por otro lado, los gastos crecen aún más rápido. Cada nueva generación de modelos requiere muchos más recursos:

• GPT-3 → GPT-4: el costo de entrenamiento aumentó aproximadamente 10 veces.
• GPT-4 → GPT-5: otro aumento significativo, una curva exponencial.
• Inferencia: millones de usuarios = miles de millones de tokens por día = miles de millones de dólares al año en potencia de GPU.

Este modelo solo funciona con una entrada interminable de capital de riesgo. OpenAI ha atraído decenas de miles de millones en inversiones, incluidas rondas de Microsoft y SoftBank. Pero los inversores no son filántropos. Tarde o temprano exigirán ganancias. La pregunta no es "si", sino "cuándo", ¿y qué sucederá en ese momento con millones de negocios construidos sobre la API de OpenAI?

En comparación: Gonka atrajo $80M y ya procesa solicitudes reales de IA a través de una red de ~4,648 GPU. El costo de la inferencia: $0.0009/1M tokens. Esto es posible porque en el modelo descentralizado no es necesario amortizar inversiones de billones en centros de datos.

Gonka no construye centros de datos; une GPU existentes en todo el mundo. Esto no es solo un modelo de negocio alternativo, es una arquitectura económica fundamentalmente diferente que elimina la causa raíz de la burbuja.

Sin gastos de capital: la red Gonka no atrae cientos de miles de millones para la construcción. El protocolo, la blockchain, el software; eso es todo lo que crea el equipo. Las GPU las proporcionan hosts independientes de todo el mundo; cada uno a su propio costo.

Sin amortización prolongada a 6 años: cuando la H100 se vuelve obsoleta, el host simplemente la reemplaza por una H200 o la siguiente generación. La decisión la toma el propietario del equipo en función de las condiciones del mercado, no el CFO de una corporación que intenta ocultar las amortizaciones.

Sin trucos contables: todas las transacciones en la blockchain de Gonka son transparentes. Las recompensas se distribuyen de acuerdo con el protocolo, auditado por CertiK. No hay gastos "ocultos" que se descubrirán dentro de 5 años cuando se reevalúen los activos.

Riesgo distribuido: cada host asume su propio riesgo. Si un host se equivocó en una mala inversión en GPU, es su problema, no el problema de toda la red. En un modelo centralizado, un error de $10 mil millones puede derrumbar a toda la empresa. En Gonka, tal error es imposible por definición, porque no hay un solo participante capaz de tomar una decisión de $10 mil millones.

Resultado: el costo de la inferencia a través de Gonka es de $0.0009 por millón de tokens. Esto es aproximadamente 2,800 veces más barato que OpenAI. Y este precio es estable, porque no hay una infraestructura de billones de dólares detrás que deba amortizarse.

Comparemos dos modelos de infraestructura de IA:

En Gonka, alrededor de 4,648 GPUs funcionan con ~113 participantes (~582 ML-nodos). El proyecto ha atraído $80M, miles de veces menos de lo que gasta un solo Stargate. Pero la red hace lo mismo: procesa solicitudes de IA a través de la red neuronal Qwen3-235B, disponible a través de una API compatible con OpenAI.

Analogía: imagine que en los años 2000 alguien propusiera: «En lugar de construir gigantescos servidores para Internet, dejemos que cada hogar ponga un mini-servidor y reciba una recompensa por participar». Suena utópico, pero así funciona Airbnb para el alojamiento, Uber para el transporte, y así funciona Gonka para los cálculos de IA. La descentralización no es una utopía, es la siguiente etapa de la evolución de la infraestructura.