1.12 แสนล้านดอลลาร์ในหลุม — การล้มละลายที่ซ่อนอยู่ของ Big Tech

โครงการ Stargate คือการทุ่มเงินหลายแสนล้านดอลลาร์เพื่อสร้างศูนย์ข้อมูลขนาดใหญ่ นี่ไม่ใช่การพิมพ์ผิด: เรากำลังพูดถึงยอดเงินที่เทียบเท่ากับ GDP ของประเทศขนาดเล็ก Microsoft, Google และ Meta ใช้จ่ายเงินหลายหมื่นล้านดอลลาร์ทุกปีไปกับโครงสร้างพื้นฐาน GPU เฉพาะ Microsoft ในปี 2025 เพียงปีเดียวได้ลงทุนมากกว่า 5 หมื่นล้านดอลลาร์ในรายจ่ายฝ่ายทุน (CapEx) โดยส่วนใหญ่เกี่ยวข้องกับ AI

ปัญหาถูกซ่อนอยู่ในบัญชี GPU รุ่น H100 จะตกรุ่นภายใน 2 ปี เมื่อมีการเปิดตัว H200, B100, B200 ซึ่งแต่ละรุ่นถัดไปจะเร็วกว่ารุ่นก่อนหน้า 50–100% แต่บริษัทต่างๆ กลับบันทึกค่าเสื่อมราคาเป็นเวลา 5–6 ปี สร้างภาพลวงตาทางบัญชีขึ้นมา ตัวอย่างเช่น บริษัทซื้อ GPU มูลค่า 2 หมื่นล้านดอลลาร์ ในบัญชีผ่านไป 2 ปี GPU เหล่านี้ยังคงมี "มูลค่า" 1.3 หมื่นล้านดอลลาร์ (ตามการตัดค่าเสื่อมราคาแบบเส้นตรง 6 ปี) แต่ในความเป็นจริง มูลค่าเหลือเพียงประมาณ 5 พันล้านดอลลาร์ เพราะรุ่นใหม่ทำงานได้เร็วกว่าสองเท่าและถูกกว่า

สิ่งนี้ทำให้เกิดภาวะขาดแคลนที่ซ่อนอยู่: ความแตกต่างระหว่างมูลค่าสินทรัพย์ทางบัญชีกับมูลค่าตลาดที่แท้จริงนั้นสูงถึงหลายล้านล้านดอลลาร์ในอุตสาหกรรม เมื่อถึงเวลา (ไม่ใช่ "ถ้า" แต่คือ "เมื่อ") ที่ผู้ตรวจสอบบัญชีเรียกร้องให้มีการประเมินมูลค่าใหม่ สิ่งนี้อาจก่อให้เกิดการด้อยค่าของสินทรัพย์จำนวนมาก ทำให้ราคาหุ้นของบริษัท AI ตกต่ำ และกระตุ้นให้เกิดวิกฤตความเชื่อมั่นต่อทั้งอุตสาหกรรม

นักวิเคราะห์คาดการณ์ว่า OpenAI จะขาดทุนประมาณ 112 พันล้านดอลลาร์ภายในปี 2030 ตัวเลขนี้ไม่ได้มาจากความว่างเปล่า แต่สะท้อนปัญหาพื้นฐานของโมเดลธุรกิจ AI แบบรวมศูนย์

ในด้านหนึ่ง รายได้เติบโตอย่างน่าประทับใจ: พันล้านดอลลาร์ต่อปีจากการสมัครสมาชิก ChatGPT และ API ในทางกลับกัน รายจ่ายเติบโตเร็วกว่ามาก โมเดลแต่ละรุ่นใหม่ต้องการทรัพยากรเพิ่มขึ้นหลายเท่า:

• GPT-3 → GPT-4: ต้นทุนการฝึกฝนเพิ่มขึ้นประมาณ 10 เท่า
• GPT-4 → GPT-5: การเติบโตเพิ่มขึ้นอีกหลายเท่า — เส้นโค้งแบบเอกซ์โพเนนเชียล
• Inference: ผู้ใช้นับล้าน = โทเค็นนับพันล้านต่อวัน = เงินนับพันล้านดอลลาร์ต่อปีสำหรับพลังประมวลผล GPU

โมเดลนี้ทำงานได้ก็ต่อเมื่อมีเงินทุนจาก VC ไหลเข้ามาไม่สิ้นสุด OpenAI ได้ระดมทุนหลายหมื่นล้านดอลลาร์ รวมถึงรอบการลงทุนจาก Microsoft และ SoftBank แต่นักลงทุนไม่ใช่การกุศล ไม่ช้าก็เร็วพวกเขาจะต้องการผลกำไร คำถามไม่ใช่ "ถ้า" แต่เป็น "เมื่อไหร่" และจะเกิดอะไรขึ้นในเวลานั้นกับธุรกิจนับล้านที่สร้างบน API ของ OpenAI?

สำหรับการเปรียบเทียบ: Gonka ได้ระดมทุน $80M และกำลังประมวลผลคำขอ AI จริงผ่านเครือข่าย 584 GPU อยู่แล้ว ต้นทุนการ inference คือ $0.0069/1M โทเค็น สิ่งนี้เป็นไปได้เพราะในโมเดลแบบกระจายศูนย์ ไม่จำเป็นต้องคืนทุนจากการลงทุนนับล้านล้านในศูนย์ข้อมูล

Gonka ไม่ได้สร้างศูนย์ข้อมูล (data centers) แต่รวม GPU ที่มีอยู่แล้วทั่วโลกเข้าด้วยกัน นี่ไม่ใช่แค่โมเดลธุรกิจทางเลือก แต่เป็นสถาปัตยกรรมทางเศรษฐกิจที่แตกต่างโดยสิ้นเชิง ซึ่งกำจัดสาเหตุหลักของภาวะฟองสบู่

ไม่มีค่าใช้จ่ายลงทุน (CAPEX): เครือข่าย Gonka ไม่ได้ระดมทุนหลายแสนล้านเพื่อการก่อสร้าง โปรโตคอล บล็อกเชน ซอฟต์แวร์ คือสิ่งที่ทีมสร้างขึ้น ส่วน GPU มาจากโฮสต์อิสระทั่วโลก ซึ่งแต่ละรายออกค่าใช้จ่ายเอง

ไม่มีค่าเสื่อมราคาที่ยืดเยื้อถึง 6 ปี: เมื่อ H100 ล้าสมัย โฮสต์เพียงแค่เปลี่ยนเป็น H200 หรือรุ่นถัดไป การตัดสินใจทำโดยเจ้าของอุปกรณ์ตามสภาวะตลาด ไม่ใช่โดย CFO ขององค์กรที่พยายามปกปิดการตัดจำหน่ายสินทรัพย์

ไม่มีเล่ห์เหลี่ยมทางบัญชี: ธุรกรรมทั้งหมดบนบล็อกเชนของ Gonka มีความโปร่งใส รางวัลจะถูกกระจายตามโปรโตคอลที่ตรวจสอบโดย CertiK ไม่มีค่าใช้จ่าย "ซ่อนเร้น" ที่จะถูกค้นพบในอีก 5 ปีข้างหน้าเมื่อมีการประเมินมูลค่าสินทรัพย์ใหม่

ความเสี่ยงแบบกระจาย: โฮสต์แต่ละรายแบกรับความเสี่ยงของตนเอง หากโฮสต์หนึ่งลงทุนพลาดกับ GPU นั่นเป็นปัญหาของเขา ไม่ใช่ปัญหาของทั้งเครือข่าย ในโมเดลแบบรวมศูนย์ ความผิดพลาดครั้งเดียวมูลค่า 1 หมื่นล้านดอลลาร์อาจทำให้ทั้งบริษัทล่มสลายได้ ใน Gonka ความผิดพลาดเช่นนั้นเป็นไปไม่ได้โดยนิยาม เพราะไม่มีผู้เล่นรายเดียวที่สามารถตัดสินใจด้วยมูลค่าถึง 1 หมื่นล้านดอลลาร์ได้

ผลลัพธ์คือ: ต้นทุนของ inference ผ่าน Gonka คือ $0.0069 ต่อล้านโทเค็น ซึ่งถูกกว่า OpenAI GPT-5.5 ประมาณ ~720 เท่า และราคานี้มีความยั่งยืน เพราะไม่มีโครงสร้างพื้นฐานมูลค่าหลายล้านล้านดอลลาร์ที่ต้องคืนทุนเบื้องหลัง

มาเปรียบเทียบโครงสร้างพื้นฐาน AI สองแบบ:

Gonka มี 584 GPU ทำงานอยู่ (ผู้เข้าร่วมในยุค: 22, ML-nodes: 121) โปรเจกต์ระดมทุนได้ $80M ซึ่งน้อยกว่าที่ Stargate จ่ายไปหลายพันเท่า แต่เครือข่ายทำสิ่งเดียวกัน: ประมวลผลคำขอ AI ผ่านโมเดลเปิด MiniMax M2.7, DeepSeek V4 Flash และ GLM-5.3 Flash ซึ่งเข้าถึงได้ผ่าน API ที่เข้ากันได้กับ OpenAI

การเปรียบเทียบ: ลองนึกภาพว่าในยุค 2000 มีคนเสนอว่า "แทนที่จะสร้างเซิร์ฟเวอร์ขนาดใหญ่สำหรับอินเทอร์เน็ต ให้เจ้าของบ้านแต่ละคนติดตั้งเซิร์ฟเวอร์ขนาดเล็กและรับรางวัลสำหรับการมีส่วนร่วม" ฟังดูเหมือนยูโทเปีย แต่นั่นคือวิธีที่ Airbnb ทำสำหรับที่พัก, Uber สำหรับการขนส่ง และนั่นคือวิธีที่ Gonka ทำสำหรับการคำนวณ AI การกระจายศูนย์ไม่ใช่ยูโทเปีย แต่เป็นขั้นตอนถัดไปของวิวัฒนาการโครงสร้างพื้นฐาน