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

Il progetto Stargate prevede centinaia di miliardi di dollari per la costruzione di giganti data center. Non è un refuso: si parla di somme paragonabili al PIL di piccoli paesi. Microsoft, Google e Meta spendono ogni anno decine di miliardi in infrastrutture GPU: solo Microsoft nel 2025 ha investito oltre 50 miliardi di dollari in spese in conto capitale, gran parte dei quali per l'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 dal 50 al 100% più veloce della precedente. Tuttavia, le aziende registrano l'ammortamento su 5-6 anni, creando un'illusione contabile. Esempio: un'azienda ha acquistato GPU per 20 miliardi di dollari. Nei libri contabili, dopo 2 anni, "valgono" ancora 13 miliardi di dollari (con ammortamento lineare a 6 anni). In realtà, valgono circa 5 miliardi di dollari, perché la nuova generazione esegue lo stesso lavoro due volte più velocemente e a un costo inferiore.

Questo crea un deficit nascosto: la differenza tra il valore contabile degli asset e il loro reale valore di mercato ammonta a trilioni di dollari in tutto il settore. Quando (non "se", ma "quando") i revisori richiederanno una rivalutazione, ciò potrebbe causare svalutazioni di massa, far crollare le azioni delle aziende AI e provocare una crisi di fiducia nell'intero 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 il 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 ChatGPT e dall'API. Dall'altro, i costi crescono ancora più velocemente. Ogni nuova generazione di modelli richiede molte più risorse:

• GPT-3 → GPT-4: il costo di addestramento è aumentato di circa 10 volte
• GPT-4 → GPT-5: un'ulteriore 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 in investimenti, inclusi round da Microsoft e SoftBank. Ma gli investitori non sono enti di beneficenza. Prima o poi pretenderanno un profitto. La domanda non è "se", ma "quando", e cosa accadrà in quel momento ai milioni di aziende costruite sulle API di OpenAI?

Per confronto: Gonka ha raccolto $80M e sta già elaborando richieste AI reali attraverso una rete di 1,216 GPU. Il costo dell'inference è di $0.0069/1M token. Ciò è possibile perché nel modello decentralizzato non c'è bisogno di recuperare investimenti di trilioni di dollari in data center.

Gonka non costruisce data center, unisce GPU già esistenti in tutto il mondo. Non è solo un modello di business alternativo, è un'architettura economica fondamentalmente diversa che elimina la causa principale della bolla.

Nessuna spesa in conto capitale (CAPEX): la rete Gonka non raccoglie centinaia di miliardi per la costruzione. Il protocollo, la blockchain e il 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 la generazione successiva. La decisione spetta al proprietario dell'hardware in base alle condizioni di mercato, non al CFO di una società che cerca di nascondere le svalutazioni.

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

Rischio distribuito: ogni host corre il proprio rischio. Se un host ha fallito 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 tale errore è impossibile per definizione, perché non esiste un singolo partecipante in grado di prendere una decisione da 10 miliardi di dollari.

Risultato: il costo dell'inference tramite Gonka è di $0.0069 per milione di token. È circa ~720 volte più economico di OpenAI GPT-5.5. E questo prezzo è sostenibile, perché dietro non c'è un'infrastruttura da trilioni di dollari che deve essere recuperata.

Confrontiamo due modelli di infrastruttura AI:

Gonka gestisce 1,216 GPU (partecipanti nell'epoca: 24, ML-node: 222). Il progetto ha raccolto $80M: è migliaia di volte meno di quanto spende un solo Stargate. Ma la rete fa lo stesso: elabora richieste AI tramite modelli aperti MiniMax M2.7, DeepSeek V4 Flash e GLM-5.3 Flash, accessibili tramite un'API compatibile con OpenAI.

Analogia: immaginate che negli anni 2000 qualcuno avesse proposto: "Invece di costruire enormi server farm per Internet, facciamo in modo che ogni utente domestico installi un mini-server e riceva una ricompensa per la partecipazione". Sembra utopico, ma è esattamente così che funziona Airbnb per gli alloggi, Uber per il trasporto, ed è così che funziona Gonka per i calcoli AI. La decentralizzazione non è un'utopia: è la fase successiva dell'evoluzione dell'infrastruttura.