Buco da $112 miliardi — la bancarotta nascosta delle Big Tech

Il progetto Stargate — centinaia di miliardi di dollari per la costruzione di data center giganteschi. Non è un errore di stampa: si tratta di somme paragonabili al PNL di piccoli paesi. Microsoft, Google e Meta spendono annualmente decine di miliardi per l'infrastruttura GPU: solo Microsoft nel 2025 ha investito oltre $50 miliardi in spese di capitale, la maggior parte destinata all'AI.

Il problema è nascosto nella contabilità. Le GPU della generazione H100 diventano obsolete in 2 anni con l'uscita di H200, B100, B200 — ogni generazione successiva è il 50-100% più veloce della precedente. Ma le corporazioni registrano l'ammortamento per 5-6 anni, creando un'illusione contabile. Esempio: un'azienda ha acquistato GPU per $20 miliardi. Nei libri contabili, dopo 2 anni, «valgono» ancora $13 miliardi (con ammortamento lineare a 6 anni). In realtà — valgono circa $5 miliardi, perché la nuova generazione fa lo stesso lavoro due volte più velocemente e più economicamente.

Questo crea un deficit nascosto: la differenza tra il valore contabile degli asset e il loro reale valore di mercato — trilioni di dollari in tutta l'industria. Quando (non «se», ma «quando») gli auditor richiederanno una ridesignazione — questo potrebbe causare massicce svalutazioni, far crollare le azioni delle aziende AI e provocare una crisi di fiducia in tutto il settore.

Secondo le previsioni degli analisti, OpenAI accumulerà circa 112 miliardi di dollari di perdite entro il 2030. Questa cifra non è campata in aria: riflette un problema fondamentale del modello di business dell'AI centralizzata.

Da un lato, i ricavi crescono in modo impressionante: miliardi di dollari ogni anno dagli abbonamenti a ChatGPT e dalle API. Dall'altro, i costi crescono ancora più velocemente. Ogni nuova generazione di modello richiede molte più risorse:

• GPT-3 → GPT-4: il costo di training è aumentato di circa 10 volte
• GPT-4 → GPT-5: un'altra crescita esponenziale
• Inference: milioni di utenti = miliardi di token al giorno = miliardi di dollari l'anno in potenza GPU

Questo modello funziona solo con un afflusso infinito di venture capital. OpenAI ha raccolto decine di miliardi di investimenti, inclusi round da Microsoft e SoftBank. Ma gli investitori non sono enti di beneficenza. Prima o poi pretenderanno profitti. La domanda non è "se", ma "quando" — e cosa succederà in quel momento a milioni di aziende basate sulle API di OpenAI?

Per confronto: Gonka ha raccolto $80M e sta già elaborando richieste AI reali attraverso una rete di circa 4,648 GPU. Il costo di inference è $0.003/1M di token. Questo è possibile perché in un modello decentralizzato non c'è bisogno di ammortizzare investimenti da trilioni di dollari in data center.

Gonka non costruisce data center: unisce GPU già esistenti in tutto il mondo. Non si tratta solo di un modello di business alternativo, ma di un'architettura economica radicalmente diversa che elimina la causa alla radice della bolla.

Nessuna spesa in conto capitale (CAPEX): la rete Gonka non raccoglie centinaia di miliardi per costruire. Protocollo, blockchain e software sono tutto ciò che il team crea. Le GPU sono fornite da host indipendenti in tutto il mondo, ognuno a proprie spese.

Nessun ammortamento spalmato su 6 anni: quando una H100 diventa obsoleta, l'host la sostituisce semplicemente con una H200 o con la generazione successiva. La decisione viene presa dal proprietario dell'hardware in base alle condizioni di mercato, non da un CFO aziendale che cerca di nascondere gli ammortamenti.

Nessun trucco contabile: tutte le transazioni sulla blockchain di Gonka sono trasparenti. Le ricompense sono distribuite secondo il protocollo, revisionato da CertiK. Non ci sono costi "nascosti" che verranno scoperti tra 5 anni durante la rivalutazione degli asset.

Rischio distribuito: ogni host si assume il proprio rischio. Se un host fallisce a causa di un cattivo investimento in GPU, è un suo problema, non un problema dell'intera rete. Nel modello centralizzato, un errore da 10 miliardi di dollari può far crollare l'intera azienda. In Gonka, un errore del genere è impossibile per definizione, perché non esiste un singolo partecipante in grado di prendere una decisione da 10 miliardi di dollari.

Risultato: il costo di inference tramite Gonka è di $0.003 per milione di token. È circa 830 volte più economico di OpenAI. E questo prezzo è sostenibile, perché dietro non c'è un'infrastruttura da trilioni di dollari che deve essere ammortizzata.

Confrontiamo due modelli di infrastruttura AI:

Gonka gestisce circa 4,648 GPU appartenenti a circa 113 partecipanti (~582 ML-nodi). Il progetto ha raccolto $80M, migliaia di volte meno di quanto speso da un singolo Stargate. Ma la rete fa la stessa cosa: elabora richieste AI tramite la rete neurale Kimi K2.6, accessibile tramite un'API compatibile con OpenAI.

Analogia: immaginate che negli anni 2000 qualcuno avesse proposto: "Invece di costruire enormi server farm per internet, lasciamo che ogni utente domestico metta un mini-server e riceva una ricompensa per la partecipazione". Sembra utopico, eppure è esattamente come funziona Airbnb per gli alloggi, Uber per i trasporti, ed è esattamente come funziona Gonka per il calcolo AI. La decentralizzazione non è utopia: è il prossimo passo nell'evoluzione dell'infrastruttura.