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

Stargate प्रोजेक्ट — विशाल डेटा सेंटर बनाने के लिए सैकड़ों अरबों डॉलर। यह कोई टाइपो नहीं है: यह उन राशियों के बारे में है जो छोटे देशों की GDP के बराबर हैं। Microsoft, Google और Meta सालाना GPU इंफ्रास्ट्रक्चर पर दसियों अरब खर्च करते हैं: अकेले Microsoft ने 2025 में पूंजीगत व्यय में $50 बिलियन से अधिक का निवेश किया, जिसका अधिकांश हिस्सा AI के लिए था।

समस्या बहीखातों में छिपी है। H100 पीढ़ी के GPU, H200, B100, B200 के आने के साथ 2 वर्षों में पुराने हो जाते हैं — प्रत्येक अगली पीढ़ी पिछली पीढ़ी से 50—100% तेज होती है। लेकिन निगम 5—6 वर्षों के लिए मूल्यह्रास (amortization) रिकॉर्ड करते हैं, जिससे एक लेखांकन भ्रम पैदा होता है। उदाहरण: कंपनी ने $20 बिलियन के GPU खरीदे। 2 वर्षों के बाद बहीखातों में वे अभी भी $13 बिलियन के "मूल्यवान" हैं (6 वर्षों के लिए रैखिक मूल्यह्रास पर)। वास्तविकता में — वे ~$5 बिलियन के हैं, क्योंकि नई पीढ़ी वही काम दोगुनी तेजी से और सस्ते में करती है।

यह एक छिपा हुआ घाटा पैदा करता है: संपत्तियों के बुक वैल्यू और उनके वास्तविक बाजार मूल्य के बीच का अंतर — पूरे उद्योग में खरबों डॉलर है। जब (न कि "यदि", बल्कि "जब") ऑडिटर पुनर्मूल्यांकन की मांग करेंगे — तो यह बड़े पैमाने पर राइट-ऑफ का कारण बन सकता है, AI-कंपनियों के शेयरों को गिरा सकता है और पूरे उद्योग के प्रति विश्वास का संकट पैदा कर 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 के बिजनेस मॉडल की मूलभूत समस्या को दर्शाता है।

एक तरफ — राजस्व प्रभावशाली ढंग से बढ़ रहा है: ChatGPT सब्सक्रिप्शन और API से सालाना अरबों डॉलर। दूसरी तरफ — खर्च और भी तेजी से बढ़ रहे हैं। मॉडल की प्रत्येक नई पीढ़ी को कई गुना अधिक संसाधनों की आवश्यकता होती है:

• GPT-3 → GPT-4: प्रशिक्षण लागत लगभग 10 गुना बढ़ गई
• GPT-4 → GPT-5: एक और कई गुना वृद्धि — एक घातीय वक्र
• Inference: लाखों उपयोगकर्ता = दिन में अरबों टोकन = GPU क्षमता पर सालाना अरबों डॉलर

यह मॉडल केवल उद्यम पूंजी (venture capital) के अनंत प्रवाह के साथ काम करता है। OpenAI ने Microsoft और SoftBank सहित निवेश के अरबों डॉलर जुटाए हैं। लेकिन निवेशक परोपकारी नहीं हैं। जल्द या बाद में, वे लाभ की मांग करेंगे। सवाल यह नहीं है कि "क्या", बल्कि "कब" — और उस समय उन लाखों व्यवसायों का क्या होगा जो OpenAI API पर बने हैं?

तुलना के लिए: Gonka ने $80M जुटाए हैं और पहले से ही 584 GPU के नेटवर्क के माध्यम से वास्तविक AI अनुरोधों को संसाधित कर रहा है। Inference की लागत $0.0069/1M टोकन है। यह संभव है क्योंकि विकेंद्रीकृत मॉडल में डेटा सेंटरों में खरबों के निवेश की भरपाई करने की कोई आवश्यकता नहीं है।

Gonka डेटा सेंटर नहीं बनाता है — यह दुनिया भर में पहले से मौजूद GPU को जोड़ता है। यह सिर्फ एक वैकल्पिक बिजनेस मॉडल नहीं है — यह मौलिक रूप से एक अलग आर्थिक आर्किटेक्चर है जो बुलबुले के मूल कारण को समाप्त करता है।

कोई पूंजीगत व्यय (CAPEX) नहीं: Gonka नेटवर्क निर्माण के लिए सैकड़ों अरबों डॉलर नहीं जुटाता है। प्रोटोकॉल, ब्लॉकचेन, सॉफ्टवेयर — यह सब टीम द्वारा बनाया गया है। GPU दुनिया भर में स्वतंत्र होस्ट्स द्वारा प्रदान किए जाते हैं — प्रत्येक अपने स्वयं के खर्च पर।

6 साल तक फैली कोई मूल्यह्रास (amortization) नहीं: जब H100 पुराना हो जाता है — तो होस्ट बस उसे H200 या अगली पीढ़ी के साथ बदल देता है। निर्णय उपकरण का मालिक बाजार की स्थितियों के आधार पर लेता है, न कि कॉर्पोरेशन का CFO जो राइट-ऑफ को छिपाने की कोशिश कर रहा हो।

कोई लेखांकन चाल (accounting tricks) नहीं: Gonka ब्लॉकचेन में सभी लेनदेन पारदर्शी हैं। पुरस्कार CertiK द्वारा ऑडिट किए गए प्रोटोकॉल के अनुसार वितरित किए जाते हैं। कोई «छिपी हुई» लागत नहीं है जो 5 साल बाद संपत्ति के पुनर्मूल्यांकन पर सामने आए।

वितरित जोखिम: प्रत्येक होस्ट अपना जोखिम उठाता है। यदि कोई एक होस्ट GPU में खराब निवेश के कारण दिवालिया हो जाता 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 कोई भी ऐसा भागीदार नहीं है जो $10 बिलियन का निर्णय लेने में सक्षम हो।

परिणाम: Gonka के माध्यम से inference की लागत $0.0069 प्रति दस लाख टोकन है। यह OpenAI GPT-5.5 से ~720 गुना सस्ता है। और यह कीमत स्थिर है — क्योंकि इसके पीछे कोई खरबों डॉलर का बुनियादी ढांचा नहीं है जिसे चुकाना हो।

आइए दो AI-इन्फ्रास्ट्रक्चर मॉडल की तुलना करें:

Gonka में 584 GPU काम कर रहे हैं (युग में प्रतिभागी: 22, ML-नोड्स: 121)। प्रोजेक्ट ने $80M जुटाए हैं — यह एक Stargate द्वारा खर्च किए जाने वाले पैसे से हजारों गुना कम है। लेकिन नेटवर्क वही काम कर रहा है: OpenAI-संगत API के माध्यम से उपलब्ध MiniMax M2.7, DeepSeek V4 Flash और GLM-5.3 Flash जैसे खुले मॉडलों के माध्यम से AI अनुरोधों को संसाधित कर रहा है।

सादृश्य: कल्पना करें कि 2000 के दशक में किसी ने सुझाव दिया: "इंटरनेट के लिए विशाल सर्वर बनाने के बजाय, आइए हर घर का मालिक एक मिनी-सर्वर रखे और भागीदारी के लिए इनाम प्राप्त करे"। यह यूटोपियन लगता है — लेकिन Airbnb आवास के लिए, Uber परिवहन के लिए और Gonka AI गणना के लिए ठीक वैसे ही काम करता है। विकेंद्रीकरण कोई यूटोपिया नहीं है — यह बुनियादी ढांचे के विकास का अगला चरण है।