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.

Los analistas pronostican que 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 procedentes de las suscripciones a ChatGPT y las API. Por otro lado, los gastos aumentan aún más rápido. Cada nueva generación de modelos requiere proporcionalmente muchos más recursos:

• GPT-3 → GPT-4: el coste de entrenamiento creció aproximadamente 10 veces
• GPT-4 → GPT-5: otro crecimiento exponencial: una curva explosiva
• Inference: millones de usuarios = miles de millones de tokens al día = miles de millones de dólares al año en potencia de GPU

Este modelo solo funciona con una afluencia infinita de capital de riesgo. OpenAI ha atraído decenas de miles de millones en inversiones, incluyendo rondas de Microsoft y SoftBank. Pero los inversores no son filántropos. Tarde o temprano exigirán beneficios. La pregunta no es "si" ocurrirá, sino "cuándo", y ¿qué pasará en ese momento con los millones de negocios construidos sobre las 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 coste de inference es de $0.003/1M tokens. Esto es posible porque, en un modelo descentralizado, no es necesario recuperar inversiones de billones de dólares en centros de datos.

Gonka no construye centros de datos; conecta 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 capta cientos de miles de millones para construcción. El protocolo, el blockchain y el software son 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 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 hardware basándose en las condiciones del mercado, no el CFO de una corporación que intenta ocultar amortizaciones.

Sin trucos contables: todas las transacciones en el 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 por una mala inversión en GPU, es su problema, no un problema de toda la red. En el modelo centralizado, un error de $10 mil millones puede arrastrar 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 coste de inference a través de Gonka es de $0.003 por millón de tokens. Esto es ~830 veces más barato que OpenAI. Y este precio es sostenible, porque detrás no hay una infraestructura de billones de dólares que deba amortizarse.

Comparemos dos modelos de infraestructura de IA:

Gonka cuenta con unas 4,648 GPU de ~113 participantes (~582 ML-nodos). El proyecto ha recaudado $80M, miles de veces menos de lo que gasta un solo Stargate. Pero la red hace lo mismo: procesa consultas de IA a través de la red neuronal Kimi K2.6, disponible a través de una API compatible con OpenAI.

Analogía: imagina que en los años 2000 alguien hubiera sugerido: "En lugar de construir servidores gigantes para Internet, que cada usuario doméstico ponga un mini-servidor y reciba una recompensa por participar". Suena utópico, pero así es como funcionan Airbnb para alojamiento, Uber para transporte, y así es como funciona Gonka para computación de IA. La descentralización no es una utopía: es el siguiente paso en la evolución de la infraestructura.