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 en pérdidas para 2030. Esta cifra no es arbitraria: refleja el problema fundamental del modelo de negocio de la IA centralizada.

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

• GPT-3 → GPT-4: el costo de entrenamiento aumentó aproximadamente 10 veces
• GPT-4 → GPT-5: otro aumento multiplicador: una curva exponencial
• Inference: millones de usuarios = miles de millones de tokens al día = miles de millones de dólares al año en capacidad de GPU

Este modelo solo funciona con un flujo interminable de capital de riesgo. OpenAI ha recaudado decenas de miles de millones en inversiones, incluidas rondas de Microsoft y SoftBank. Pero los inversores no son filántropos. Tarde o temprano exigirán beneficios. La pregunta no es «si», sino «cuándo», y qué sucederá en ese momento con los millones de empresas construidas sobre la API de OpenAI.

A modo de comparación: Gonka recaudó $80M y ya procesa solicitudes de IA reales a través de una red de 584 GPU. El costo de la inference es de $0.0069/1M tokens. Esto es posible porque en un modelo descentralizado no hay necesidad de recuperar billones de dólares de inversión en centros de datos.

Gonka no construye centros de datos; une GPUs ya existentes en todo el mundo. 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 y el software son todo lo que crea el equipo. Las GPUs son proporcionadas por hosts independientes en todo el mundo, cada uno por su cuenta.

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

Sin trucos contables: todas las transacciones en la blockchain de Gonka son transparentes. Las recompensas se distribuyen según el protocolo, auditado por CertiK. No hay gastos «ocultos» que se descubran en 5 años tras una revalorización de activos.

Riesgo distribuido: cada host asume su propio riesgo. Si un host fracasa en una mala inversión en GPUs, es su problema, no el problema de toda la red. En un modelo centralizado, un error de $10 mil millones puede derribar 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 $0.0069 por millón de tokens. Es ~720 veces más barato que OpenAI GPT-5.5. Y este precio es estable, porque no hay una infraestructura de billones detrás que deba ser amortizada.

Comparemos dos modelos de infraestructura de IA:

En Gonka funcionan 584 GPU (participantes en la época: 22, ML-nodes: 121). El proyecto recaudó $80M, lo cual es miles de veces menos de lo que gasta un solo Stargate. Pero la red hace lo mismo: procesa solicitudes de IA a través de modelos abiertos MiniMax M2.7, DeepSeek V4 Flash y GLM-5.3 Flash, disponibles a través de una API compatible con OpenAI.

Analogía: imagine que en los años 2000 alguien hubiera sugerido: «En lugar de construir servidores gigantes para internet, hagamos que cada propietario de casa instale un mini-servidor y reciba una recompensa por participar». Suena utópico, pero así es como funciona Airbnb para el alojamiento, Uber para el transporte, y así es como funciona Gonka para la computación de IA. La descentralización no es una utopía; es la siguiente etapa de la evolución de la infraestructura.