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 proyecciones de los analistas, OpenAI acumulará alrededor de $112 mil millones en pérdidas para 2030. Esta cifra no surge de la nada: refleja un problema fundamental en el modelo de negocio de la IA centralizada.

Por un lado, los ingresos crecen de forma impresionante: miles de millones de dólares anuales por suscripciones a 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 crecimiento múltiple: una curva exponencial
• Inference: millones de usuarios = miles de millones de tokens al día = miles de millones de dólares al año en potencia de GPU

Este modelo funciona solo con un flujo infinito de capital de riesgo. OpenAI ha recaudado decenas de miles de millones en inversiones, incluyendo 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 pasará en ese momento con los millones de negocios construidos sobre la API de OpenAI?

A modo de comparación: Gonka ha recaudado $80M y ya procesa solicitudes de IA reales a través de una red de ~4,648 GPU. El costo de inference es $0.0047/1M de tokens. Esto es posible porque en un modelo descentralizado no hay necesidad de recuperar inversiones de billones en centros de datos.

Gonka no construye centros de datos, sino que unifica las GPU ya existentes en todo el mundo. Este 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 recauda cientos de miles de millones para construcción. El protocolo, la blockchain y el software es todo lo que crea el equipo. Las GPU son proporcionadas por hosts independientes en todo el mundo, cada uno por su propia cuenta.

Sin amortización extendida a 6 años: cuando la 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 cancelaciones.

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 costos «ocultos» que aparecerán en 5 años tras la revaluación de activos.

Riesgo distribuido: cada host asume su propio riesgo. Si un host fracasa por una mala inversión en GPU, es su problema, no el de toda la red. En el 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 inference a través de Gonka es de $0.0047 por millón de tokens. Es ~400 veces más barato que OpenAI. Y este precio es sostenible, porque detrás de él no hay una infraestructura de billones que deba ser recuperada.

Comparemos dos modelos de infraestructura de IA:

En Gonka operan alrededor de 4,648 GPU de ~113 participantes (~582 ML-nodos). El proyecto ha recaudado $80M, lo que 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 la red neuronal Kimi K2.6, disponible mediante una API compatible con OpenAI.

Analogía: imagine que en los 2000 alguien propuso: «En lugar de construir servidores gigantes para internet, dejemos que cada hogar ponga 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 el cálculo de IA. La descentralización no es una utopía: es la siguiente etapa en la evolución de la infraestructura.