Dziura o wartości 112 mld dolarów — ukryte bankructwo Big Tech

Projekt Stargate — setki miliardów dolarów na budowę gigantycznych centrów danych. To nie jest błąd: mówimy o kwotach porównywalnych z PKB małych krajów. Microsoft, Google i Meta co roku wydają dziesiątki miliardów na infrastrukturę GPU: sam Microsoft w 2025 roku zainwestował ponad 50 miliardów dolarów w wydatki kapitałowe, z czego większość na AI.

Problem tkwi w księgowości. GPU generacji H100 starzeją się w 2 lata wraz z pojawieniem się H200, B100, B200 — każda kolejna generacja jest o 50—100% szybsza od poprzedniej. Ale korporacje zapisują amortyzację na 5—6 lat, tworząc księgową iluzję. Przykład: firma kupiła GPU za 20 miliardów dolarów. W księgach po 2 latach nadal „warte są” 13 miliardów dolarów (przy liniowej amortyzacji na 6 lat). W rzeczywistości — są warte około 5 miliardów dolarów, ponieważ nowa generacja wykonuje tę samą pracę dwa razy szybciej i taniej.

To tworzy ukryty deficyt: różnica między wartością księgową aktywów a ich rzeczywistą wartością rynkową — biliony dolarów w całej branży. Kiedy (nie „jeśli”, ale „kiedy”) audytorzy zażądają ponownej wyceny — może to wywołać masowe odpisy, załamać akcje firm AI i sprowokować kryzys zaufania do całej branży.

Według prognoz analityków OpenAI zgromadzi około 112 miliardów dolarów strat do 2030 roku. Ta liczba nie jest wyssana z palca: odzwierciedla fundamentalny problem modelu biznesowego scentralizowanego AI.

Z jednej strony — dochody rosną imponująco: miliardy dolarów rocznie z subskrypcji ChatGPT i API. Z drugiej — koszty rosną jeszcze szybciej. Każda nowa generacja modelu wymaga wielokrotnie większych zasobów:

• GPT-3 → GPT-4: koszt szkolenia wzrósł około 10-krotnie
• GPT-4 → GPT-5: kolejny wielokrotny wzrost — krzywa wykładnicza
• Inferencja: miliony użytkowników = miliardy tokenów dziennie = miliardy dolarów rocznie na mocy GPU

Ten model działa tylko przy nieskończonym napływie kapitału wysokiego ryzyka. OpenAI pozyskała dziesiątki miliardów inwestycji, w tym rundy od Microsoft i SoftBank. Ale inwestorzy to nie filantropi. Prędzej czy później zażądają zysków. Pytanie nie brzmi „jeśli”, ale „kiedy” — i co wydarzy się w tym momencie z milionami firm, zbudowanych na API OpenAI?

Dla porównania: Gonka pozyskała 80 milionów dolarów i już przetwarza rzeczywiste zapytania AI poprzez sieć składającą się z około 4,648 GPU. Koszt inferencji — 0,0009 dolara/1M tokenów. Jest to możliwe, ponieważ w zdecentralizowanym modelu nie ma potrzeby zwrotu bilionowych inwestycji w centra danych.

Gonka nie buduje centrów danych — łączy już istniejące GPU na całym świecie. To nie tylko alternatywny model biznesowy — to zasadniczo inna architektura ekonomiczna, która eliminuje pierwotną przyczynę bańki.

Brak wydatków kapitałowych: sieć Gonka nie pozyskuje setek miliardów na budowę. Protokół, blockchain, oprogramowanie — to wszystko, co tworzy zespół. GPU dostarczają niezależni hosty na całym świecie — każdy na własny koszt.

Brak amortyzacji rozłożonej na 6 lat: gdy H100 się przestarzeje — host po prostu zastępuje go H200 lub następną generacją. Decyzję podejmuje właściciel sprzętu w oparciu o warunki rynkowe, a nie dyrektor finansowy korporacji, który próbuje ukryć odpisy.

Brak sztuczek księgowych: wszystkie transakcje w blockchainie Gonka są przejrzyste. Nagrody są rozdzielane zgodnie z protokołem, audytowanym przez CertiK. Nie ma „ukrytych” kosztów, które pojawią się za 5 lat przy ponownej wycenie aktywów.

Rozproszone ryzyko: każdy host ponosi własne ryzyko. Jeśli jeden host zbankrutował na złej inwestycji w GPU — to jest jego problem, a nie problem całej sieci. W scentralizowanym modelu jeden błąd o wartości 10 miliardów dolarów może zrujnować całą firmę. W Gonka taki błąd jest z definicji niemożliwy — ponieważ nie ma żadnego uczestnika, który byłby w stanie podjąć decyzję o wartości 10 miliardów dolarów.

Wynik: koszt inferencji poprzez Gonka — 0,0009 dolara za milion tokenów. To około 2,800 razy taniej niż OpenAI. I ta cena jest stabilna — ponieważ nie stoi za nią bilionowa infrastruktura, którą trzeba było by spłacać.

Porównajmy dwa modele infrastruktury AI:

W Gonka pracuje około 4 648 GPU u ~113 uczestników (~582 węzły ML). Projekt pozyskał 80 mln $ – to tysiące razy mniej niż wydaje sam Stargate. Ale sieć robi to samo: przetwarza zapytania AI za pomocą sieci neuronowej Qwen3-235B, dostępnej przez API kompatybilne z OpenAI.

Analogia: wyobraź sobie, że w latach 2000. ktoś zaproponował: „Zamiast budować gigantyczne serwerownie dla internetu, niech każdy gospodarz postawi mini-serwer i otrzyma wynagrodzenie za udział”. Brzmi utopijnie – ale tak właśnie działa Airbnb dla zakwaterowania, Uber dla transportu i tak działa Gonka dla obliczeń AI. Decentralizacja to nie utopia – to następny etap ewolucji infrastruktury.