$112B का छेद - बिग टेक का छिपा हुआ दिवालियापन

परियोजना 'स्टारगेट' - विशाल डेटा केंद्रों के निर्माण पर सैकड़ों अरबों डॉलर। यह कोई टाइपो नहीं है: यह छोटी अर्थव्यवस्थाओं के सकल घरेलू उत्पाद के बराबर राशियों की बात है। माइक्रोसॉफ्ट, गूगल और मेटा हर साल जीपीयू-इंफ्रास्ट्रक्चर पर अरबों खर्च करते हैं: अकेले माइक्रोसॉफ्ट ने 2025 में पूंजीगत व्यय में $50 बिलियन से अधिक का निवेश किया, जिसमें से अधिकांश एआई के लिए था।

समस्या लेखांकन में छिपी है। H100 पीढ़ी के जीपीयू 2 साल में पुराने हो जाते हैं, H200, B100, B200 के आने के साथ - प्रत्येक अगली पीढ़ी पिछली से 50-100% तेज होती है। लेकिन निगम 5-6 साल के लिए मूल्यह्रास दर्ज करते हैं, जिससे एक लेखांकन भ्रम पैदा होता है। उदाहरण: एक कंपनी ने $20 बिलियन के जीपीयू खरीदे। लेखा पुस्तकों में 2 साल बाद भी वे “$13 बिलियन के लायक” (6 साल के लिए रैखिक मूल्यह्रास के साथ) हैं। वास्तव में - उनका मूल्य ~$5 बिलियन है, क्योंकि नई पीढ़ी वही काम दुगनी तेजी से और सस्ते में करती है।

यह एक छिपा हुआ घाटा पैदा करता है: संपत्ति के लेखांकन मूल्य और उनके वास्तविक बाजार मूल्य के बीच का अंतर - पूरे उद्योग में खरबों डॉलर। जब (यदि नहीं, बल्कि “कब”) ऑडिटर पुनर्मूल्यांकन की मांग करेंगे - तो इससे बड़े पैमाने पर राइट-ऑफ हो सकते हैं, एआई कंपनियों के शेयरों में गिरावट आ सकती है और पूरे उद्योग में विश्वास का संकट पैदा हो सकता है।

विश्लेषकों का अनुमान है कि 2030 तक OpenAI को लगभग $112 बिलियन का नुकसान होगा। यह आंकड़ा हवा में नहीं है: यह केंद्रीकृत AI बिज़नेस मॉडल की मौलिक समस्या को दर्शाता है।

एक ओर, राजस्व में प्रभावशाली वृद्धि हो रही है: ChatGPT सब्सक्रिप्शन और API से सालाना अरबों डॉलर। दूसरी ओर, खर्च और भी तेज़ी से बढ़ रहे हैं। प्रत्येक नई मॉडल जेनरेशन को कई गुना अधिक संसाधनों की आवश्यकता होती है:

• GPT-3 → GPT-4: ट्रेनिंग की लागत लगभग 10 गुना बढ़ गई
• GPT-4 → GPT-5: कई गुना वृद्धि — एक एक्सपोनेंशियल कर्व
• Inference: लाखों उपयोगकर्ता = प्रति दिन अरबों टोकन = GPU क्षमता पर प्रति वर्ष अरबों डॉलर

यह मॉडल केवल वेंचर कैपिटल (VC) के अंतहीन प्रवाह के साथ ही काम करता है। OpenAI ने Microsoft और SoftBank सहित अरबों का निवेश जुटाया है। लेकिन निवेशक परोपकारी नहीं होते। देर-सबेर वे मुनाफ़ा मांगेंगे। प्रश्न 'अगर' का नहीं, बल्कि 'कब' का है — और उस समय OpenAI के API पर बने लाखों व्यवसायों का क्या होगा?

तुलना के लिए: Gonka ने $80M जुटाए हैं और पहले से ही ~4,648 GPU के नेटवर्क के माध्यम से वास्तविक AI अनुरोधों को प्रोसेस कर रहा है। Inference की लागत $0.003/1M टोकन है। यह संभव है क्योंकि विकेंद्रीकृत मॉडल में डेटा सेंटरों में खरबों के निवेश की भरपाई करने की आवश्यकता नहीं है।

Gonka डेटा सेंटर नहीं बना रही है — यह दुनिया भर में पहले से मौजूद GPU को जोड़ती है। यह सिर्फ एक वैकल्पिक बिज़नेस मॉडल नहीं है — यह एक मौलिक रूप से अलग आर्थिक वास्तुकला (architecture) है जो बुलबुले के मूल कारण को समाप्त करती है।

कोई पूंजीगत व्यय (CAPEX) नहीं: Gonka नेटवर्क निर्माण के लिए सैकड़ों अरबों नहीं जुटाता। प्रोटोकॉल, ब्लॉकचेन, सॉफ़्टवेयर — बस यही टीम बनाती है। GPU दुनिया भर के स्वतंत्र होस्ट प्रदान करते हैं — प्रत्येक अपने खर्चे पर।

6 साल तक फैला कोई मूल्यह्रास (amortization) नहीं: जब H100 पुराना हो जाता है — तो होस्ट बस उसे H200 या अगली पीढ़ी से बदल देता है। निर्णय हार्डवेयर मालिक द्वारा बाजार स्थितियों के आधार पर लिया जाता है, न कि किसी कॉर्पोरेशन के CFO द्वारा, जो खर्च छिपाने की कोशिश कर रहा हो।

कोई लेखांकन चाल (accounting tricks) नहीं: Gonka ब्लॉकचेन पर सभी लेनदेन पारदर्शी हैं। पुरस्कार उस प्रोटोकॉल के अनुसार वितरित किए जाते हैं जिसे CertiK द्वारा ऑडिट किया गया है। कोई 'छिपा हुआ' खर्च नहीं है जो 5 साल बाद परिसंपत्तियों के पुनर्मूल्यांकन पर सामने आएगा।

विकेंद्रीकृत जोखिम: प्रत्येक होस्ट अपना जोखिम उठाता है। यदि एक होस्ट ने GPU में खराब निवेश किया है — तो यह उसकी समस्या है, पूरे नेटवर्क की नहीं। केंद्रीकृत मॉडल में, $10 बिलियन की एक गलती पूरी कंपनी को गिरा सकती है। Gonka में ऐसी गलती परिभाषा के अनुसार असंभव है — क्योंकि ऐसा कोई एक भागीदार नहीं है जो $10 बिलियन का निर्णय लेने में सक्षम हो।

परिणाम: Gonka के माध्यम से inference लागत $0.003 प्रति मिलियन टोकन है। यह OpenAI से ~830 गुना सस्ता है। और यह कीमत स्थिर है — क्योंकि इसके पीछे खरबों का इन्फ्रास्ट्रक्चर नहीं है जिसे चुकाना हो।

चलिए AI इन्फ्रास्ट्रक्चर के दो मॉडल की तुलना करते हैं:

Gonka में लगभग 4,648 GPU हैं जो ~113 प्रतिभागियों (~582 ML-नोड्स) के पास हैं। प्रोजेक्ट ने $80M जुटाए हैं — यह एक Stargate खर्च से हजारों गुना कम है। लेकिन नेटवर्क वही काम करता है: Kimi K2.6 न्यूरल नेटवर्क के माध्यम से AI अनुरोधों को प्रोसेस करता है, जो OpenAI-संगत API के माध्यम से उपलब्ध है।

उपमा: कल्पना कीजिए कि 2000 के दशक में किसी ने सुझाव दिया: "इंटरनेट के लिए विशाल सर्वर रूम बनाने के बजाय, आइए हर घर में एक मिनी-सर्वर लगाएं और भाग लेने के लिए इनाम प्राप्त करें"। यह यूटोपियन लगता है — लेकिन Airbnb आवास के लिए, Uber परिवहन के लिए और Gonka AI-गणनाओं के लिए ठीक यही काम करता है। विकेंद्रीकरण एक यूटोपिया नहीं है — यह इन्फ्रास्ट्रक्चर विकास का अगला चरण है।