1.12 แสนล้านดอลลาร์ในหลุม — การล้มละลายที่ซ่อนอยู่ของ Big Tech

โครงการ Stargate — เงินหลายแสนล้านดอลลาร์เพื่อสร้างศูนย์ข้อมูลขนาดยักษ์ นี่ไม่ใช่การพิมพ์ผิด: เรากำลังพูดถึงจำนวนเงินที่เทียบเท่ากับ GDP ของประเทศเล็กๆ Microsoft, Google และ Meta ใช้จ่ายหลายหมื่นล้านทุกปีไปกับโครงสร้างพื้นฐาน GPU: เฉพาะ Microsoft ในปี 2025 ลงทุนไปมากกว่า 5 หมื่นล้านดอลลาร์ในค่าใช้จ่ายด้านทุน ซึ่งส่วนใหญ่สำหรับ AI

ปัญหาที่ซ่อนอยู่คือการบัญชี GPU รุ่น H100 ล้าสมัยใน 2 ปีเมื่อ H200, B100, B200 ออกมา — รุ่นถัดไปแต่ละรุ่นเร็วกว่ารุ่นก่อนหน้า 50-100% แต่บริษัทต่างๆ บันทึกค่าเสื่อมราคาเป็น 5-6 ปี สร้างภาพลวงตาทางบัญชี ตัวอย่าง: บริษัทซื้อ GPU มูลค่า 2 หมื่นล้านดอลลาร์ ในบัญชี 2 ปีต่อมาก็ยัง 'มีมูลค่า' 1.3 หมื่นล้านดอลลาร์ (ด้วยค่าเสื่อมราคาแบบเส้นตรง 6 ปี) ในความเป็นจริง — มีมูลค่าประมาณ 5 พันล้านดอลลาร์ เพราะรุ่นใหม่ทำงานเดียวกันได้เร็วกว่าและถูกกว่าถึงสองเท่า

สิ่งนี้สร้างการขาดแคลนที่ซ่อนอยู่: ความแตกต่างระหว่างมูลค่าทางบัญชีของสินทรัพย์และมูลค่าตลาดจริงของสินทรัพย์นั้น — นับล้านล้านดอลลาร์ในอุตสาหกรรมทั้งหมด เมื่อ (ไม่ใช่ 'ถ้า' แต่ 'เมื่อ') ผู้ตรวจสอบบัญชีต้องการการประเมินราคาใหม่ — อาจทำให้เกิดการตัดจำหน่ายจำนวนมาก ราคาหุ้นของบริษัท AI ตกต่ำลง และกระตุ้นวิกฤตความเชื่อมั่นต่ออุตสาหกรรมทั้งหมด

ตามการคาดการณ์ของนักวิเคราะห์ OpenAI จะสะสมการขาดทุนประมาณ 112 พันล้านดอลลาร์ภายในปี 2030 ตัวเลขนี้ไม่ได้มาจากที่ใด: มันสะท้อนถึงปัญหาพื้นฐานของรูปแบบธุรกิจ AI แบบรวมศูนย์

ในด้านหนึ่ง — รายได้เติบโตอย่างน่าประทับใจ: หลายพันล้านดอลลาร์ต่อปีจากการสมัครสมาชิก ChatGPT และ API ในอีกด้านหนึ่ง — ค่าใช้จ่ายเติบโตเร็วกว่า แต่ละรุ่นใหม่ของโมเดลต้องใช้ทรัพยากรเพิ่มขึ้นหลายเท่า:

• GPT-3 → GPT-4: ค่าใช้จ่ายในการฝึกอบรมเพิ่มขึ้นประมาณ 10 เท่า
• GPT-4 → GPT-5: เพิ่มขึ้นอีกหลายเท่า — เส้นโค้งแบบเอ็กซ์โพเนนเชียล
• การอนุมาน: ผู้ใช้หลายล้านคน = หลายพันล้านโทเค็นต่อวัน = หลายพันล้านดอลลาร์ต่อปีสำหรับกำลังประมวลผล GPU

โมเดลนี้จะทำงานได้ก็ต่อเมื่อมีการไหลเข้าของเงินทุนร่วมลงทุนอย่างไม่จำกัด OpenAI ระดมทุนได้หลายหมื่นล้านจากการลงทุน รวมถึงรอบจาก Microsoft และ SoftBank แต่นักลงทุนไม่ใช่ผู้ใจบุญ ไม่ช้าก็เร็วพวกเขาจะต้องการผลกำไร คำถามไม่ใช่ 'ถ้า' แต่ 'เมื่อ' — และจะเกิดอะไรขึ้นกับธุรกิจหลายล้านแห่งที่สร้างขึ้นบน API ของ OpenAI ในเวลานั้น?

สำหรับการเปรียบเทียบ: Gonka ได้ระดมทุน 80 ล้านดอลลาร์ และกำลังประมวลผลคำขอ AI จริงผ่านเครือข่าย GPU ประมาณ ~4,648 ตัว ค่าใช้จ่ายของการอนุมาน — 0.0009 ดอลลาร์/1 ล้านโทเค็น สิ่งนี้เป็นไปได้เพราะในโมเดลแบบกระจายอำนาจไม่จำเป็นต้องลงทุนหลายล้านล้านในศูนย์ข้อมูล

Gonka ไม่ได้สร้างศูนย์ข้อมูล — มันรวบรวม GPU ที่มีอยู่ทั่วโลก นี่ไม่ใช่แค่รูปแบบธุรกิจทางเลือก — แต่เป็นสถาปัตยกรรมทางเศรษฐกิจที่แตกต่างโดยพื้นฐาน ซึ่งกำจัดสาเหตุหลักของฟองสบู่

ไม่มีค่าใช้จ่ายทุน: เครือข่าย Gonka ไม่ได้ระดมเงินหลายแสนล้านเพื่อการก่อสร้าง โปรโตคอล, บล็อกเชน, ซอฟต์แวร์ — นั่นคือทั้งหมดที่ทีมสร้างขึ้น GPU จัดหาโดยโฮสต์อิสระทั่วโลก — แต่ละรายด้วยค่าใช้จ่ายของตนเอง

ไม่มีค่าเสื่อมราคาที่ยืดเยื้อ 6 ปี: เมื่อ H100 ล้าสมัย — โฮสต์เพียงแค่แทนที่ด้วย H200 หรือรุ่นถัดไป การตัดสินใจทำโดยเจ้าของอุปกรณ์ตามสภาพตลาด ไม่ใช่ CFO ของบริษัทที่พยายามปกปิดการตัดจำหน่าย

ไม่มีกลอุบายทางบัญชี: การทำธุรกรรมทั้งหมดใน Gonka blockchain นั้นโปร่งใส รางวัลจะถูกกระจายตามโปรโตคอลที่ผ่านการตรวจสอบโดย CertiK ไม่มีค่าใช้จ่าย 'แอบแฝง' ที่จะถูกค้นพบในอีก 5 ปีเมื่อประเมินสินทรัพย์ใหม่

ความเสี่ยงแบบกระจาย: โฮสต์แต่ละรายแบกรับความเสี่ยงของตนเอง หากโฮสต์รายหนึ่งล้มเหลวจากการลงทุนที่ไม่ดีใน GPU — นั่นคือปัญหาของเขา ไม่ใช่ปัญหาของเครือข่ายทั้งหมด ในโมเดลแบบรวมศูนย์ ความผิดพลาดมูลค่า 1 หมื่นล้านดอลลาร์อาจทำให้บริษัทล้มละลายได้ ใน Gonka ข้อผิดพลาดดังกล่าวเป็นไปไม่ได้โดยคำจำกัดความ — เพราะไม่มีผู้เข้าร่วมคนใดที่สามารถตัดสินใจมูลค่า 1 หมื่นล้านดอลลาร์ได้

ผลลัพธ์: ค่าใช้จ่ายในการอนุมานผ่าน Gonka คือ 0.0009 ดอลลาร์ต่อล้านโทเค็น ซึ่งถูกกว่า OpenAI ถึง ~2,800 เท่า และราคานี้มีความยั่งยืน — เพราะเบื้องหลังไม่มีโครงสร้างพื้นฐานมูลค่าล้านล้านที่ต้องคุ้มทุน

เปรียบเทียบสองรูปแบบโครงสร้างพื้นฐาน AI:

ใน Gonka มี GPUs ประมาณ 4,648 ตัว จากผู้เข้าร่วมประมาณ 113 ราย (ML-nodes ประมาณ 582 ตัว) โครงการระดมทุนได้ 80 ล้านดอลลาร์ ซึ่งน้อยกว่าที่ Stargate ใช้ไปหลายพันเท่า แต่เครือข่ายทำสิ่งเดียวกัน: ประมวลผลคำขอ AI ผ่านเครือข่ายประสาทเทียม Qwen3-235B ซึ่งเข้าถึงได้ผ่าน API ที่เข้ากันได้กับ OpenAI

บทสรุป: ลองนึกภาพว่าในปี 2000 มีคนเสนอว่า “แทนที่จะสร้างเซิร์ฟเวอร์ขนาดใหญ่สำหรับอินเทอร์เน็ต ให้ครอบครัวแต่ละคนติดตั้งเซิร์ฟเวอร์ขนาดเล็กและรับรางวัลสำหรับการเข้าร่วม” ฟังดูเป็นอุดมคติ – แต่นั่นเป็นวิธีที่ Airbnb ทำงานสำหรับที่พัก, Uber ทำงานสำหรับบริการขนส่ง, และนั่นเป็นวิธีที่ Gonka ทำงานสำหรับการคำนวณ AI การกระจายอำนาจไม่ใช่อุดมคติ – แต่เป็นขั้นต่อไปของการวิวัฒนาการโครงสร้างพื้นฐาน