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.

Eksperci przewidują, że do 2030 roku OpenAI skumuluje około $112 mld strat. Liczba ta nie wzięła się z powietrza: odzwierciedla ona fundamentalny problem modelu biznesowego scentralizowanej sztucznej inteligencji.

Z jednej strony przychody rosną imponująco: miliardy dolarów rocznie z subskrypcji ChatGPT i API. Z drugiej jednak koszty rosną jeszcze szybciej. Każda kolejna generacja modelu wymaga wielokrotnie więcej zasobów:

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

Ten model działa tylko przy niekończącym się napływie kapitału wysokiego ryzyka. OpenAI pozyskało dziesiątki miliardów inwestycji, w tym rundy od Microsoft i SoftBank. Jednak inwestorzy nie są filantropami. Prędzej czy później zażądają zysków. Pytanie nie brzmi „czy”, ale „kiedy” — i co stanie się w tym momencie z milionami firm zbudowanych na API OpenAI?

Dla porównania: Gonka pozyskała $80M i już przetwarza realne zapytania AI poprzez sieć ~4,648 GPU. Koszt inference wynosi $0.003/1M tokenów. Jest to możliwe, ponieważ w modelu zdecentralizowanym nie ma potrzeby zwracania bilionowych inwestycji w centra danych.

Gonka nie buduje własnych centrów danych — łączy już istniejące GPU na całym świecie. To nie tylko alternatywny model biznesowy — to fundamentalnie odmienna architektura ekonomiczna, która eliminuje źródło bańki.

Brak wydatków kapitałowych (CAPEX): sieć Gonka nie pozyskuje setek miliardów na budowę. Protokół, blockchain, software — to wszystko co tworzy zespół. GPU udostępniają niezależni hostowie na całym świecie — każdy na własny koszt.

Brak amortyzacji rozciągniętej na 6 lat: gdy H100 staje się przestarzały, host po prostu wymienia go na H200 lub kolejne pokolenie. Decyzję podejmuje właściciel sprzętu w oparciu o warunki rynkowe, a nie CFO korporacji próbujący ukryć odpisy.

Brak kreatywnej księgowości: wszystkie transakcje w blockchainie Gonka są przejrzyste. Nagrody są rozdzielane zgodnie z protokołem audytowanym przez CertiK. Nie ma „ukrytych” kosztów, które ujawnią się za 5 lat przy przecenie aktywów.

Rozproszone ryzyko: każdy host ponosi własne ryzyko. Jeśli jeden host straci na złej inwestycji w GPU — to jego problem, a nie problem całej sieci. W modelu scentralizowanym jeden błąd na $10 mld może pogrążyć całą firmę. W Gonka taki błąd jest niemożliwy z definicji — ponieważ nie ma jednego uczestnika zdolnego do podjęcia decyzji na $10 mld.

Wynik: koszt inference przez Gonka wynosi $0.003 za milion tokenów. To ~830 razy taniej niż w OpenAI. A ta cena jest trwała — ponieważ nie stoi za nią bilionowa infrastruktura, której koszt należy odrobić.

Porównajmy dwa modele infrastruktury AI:

W Gonka pracuje około 4,648 GPU u ~113 uczestników (~582 ML-węzłów). Projekt pozyskał $80M — to tysiące razy mniej niż wydaje jeden Stargate. Ale sieć robi to samo: przetwarza zapytania AI przez sieć neuronową Kimi K2.6, dostępną poprzez API kompatybilne z OpenAI.

Analogia: wyobraźcie sobie, że w latach 2000. ktoś zaproponował: „Zamiast budować gigantyczne serwerownie dla internetu, niech każdy domowy użytkownik postawi miniserwer i otrzyma wynagrodzenie za uczestnictwo”. Brzmi utopijnie — ale właśnie tak działa Airbnb dla mieszkań, Uber dla transportu i tak właśnie działa Gonka dla obliczeń AI. Decentralizacja to nie utopia — to kolejny etap ewolucji infrastruktury.