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

นักวิเคราะห์คาดการณ์ว่า OpenAI จะมียอดขาดทุนสะสมประมาณ 1.12 แสนล้านดอลลาร์ภายในปี 2030 ตัวเลขนี้ไม่ได้มาจากความว่างเปล่า แต่สะท้อนถึงปัญหาพื้นฐานของโมเดลธุรกิจ AI แบบรวมศูนย์

ในด้านหนึ่ง รายได้เติบโตอย่างน่าประทับใจ หลายพันล้านดอลลาร์ต่อปีจากค่าสมัครสมาชิก ChatGPT และ API แต่อีกด้านหนึ่ง ค่าใช้จ่ายกลับพุ่งสูงขึ้นเร็วกว่า โมเดลแต่ละรุ่นใหม่ต้องการทรัพยากรมากขึ้นหลายเท่าตัว:

• GPT-3 → GPT-4: ต้นทุนการฝึกฝนเพิ่มขึ้นประมาณ 10 เท่า
• GPT-4 → GPT-5: เพิ่มขึ้นอีกหลายเท่าตัว — เป็นเส้นโค้งแบบเอ็กซ์โพเนนเชียล
• Inference: ผู้ใช้นับล้าน = โทเค็นนับพันล้านต่อวัน = ค่าใช้จ่าย GPU หลายพันล้านดอลลาร์ต่อปี

โมเดลนี้จะทำงานได้ก็ต่อเมื่อมีกระแสเงินทุนจาก VC ไหลเข้ามาไม่สิ้นสุด OpenAI ระดมทุนไปหลายหมื่นล้านดอลลาร์ รวมถึงรอบการลงทุนจาก Microsoft และ SoftBank แต่นักลงทุนไม่ใช่ผู้ใจบุญ ไม่ช้าก็เร็วพวกเขาจะต้องการกำไร คำถามไม่ใช่ว่า "ถ้า" แต่คือ "เมื่อไหร่" และจะเกิดอะไรขึ้นกับธุรกิจนับล้านที่สร้างบน OpenAI API ในตอนนั้น?

สำหรับการเปรียบเทียบ: Gonka ระดมทุนได้ $80M และกำลังประมวลผลคำขอ AI จริงผ่านเครือข่ายที่มี GPU ประมาณ 4,648 ตัว ต้นทุน inference คือ $0.0047/1 ล้านโทเค็น สิ่งนี้เป็นไปได้เพราะในโมเดลแบบกระจายศูนย์ ไม่จำเป็นต้องคืนทุนจากการลงทุนมหาศาลในศูนย์ข้อมูล

Gonka ไม่ได้สร้างศูนย์ข้อมูล แต่เป็นการรวมพลังของ GPU ที่มีอยู่แล้วทั่วโลก นี่ไม่ใช่แค่รูปแบบธุรกิจทางเลือก แต่เป็นสถาปัตยกรรมทางเศรษฐกิจที่แตกต่างโดยพื้นฐาน ซึ่งกำจัดสาเหตุรากเหง้าของฟองสบู่

ไม่มีรายจ่ายฝ่ายทุน (CapEx): เครือข่าย Gonka ไม่ได้ระดมทุนหลายแสนล้านเพื่อการก่อสร้าง โปรโตคอล, บล็อกเชน, ซอฟต์แวร์ คือสิ่งที่ทีมงานสร้างขึ้นทั้งหมด GPU ถูกจัดหาโดยโฮสต์อิสระทั่วโลก ซึ่งแต่ละรายแบกรับค่าใช้จ่ายเอง

ไม่มีการตัดค่าเสื่อมราคา 6 ปี: เมื่อ H100 ล้าสมัย โฮสต์เพียงแค่เปลี่ยนเป็น H200 หรือรุ่นถัดไป การตัดสินใจขึ้นอยู่กับเจ้าของอุปกรณ์ตามสภาพตลาด ไม่ใช่ CFO ขององค์กรที่พยายามซ่อนการตัดจำหน่าย

ไม่มีกลวิธีทางบัญชี: ธุรกรรมทั้งหมดบนบล็อกเชน Gonka มีความโปร่งใส รางวัลถูกจัดสรรตามโปรโตคอลที่ตรวจสอบโดย CertiK ไม่มีค่าใช้จ่าย "ซ่อนเร้น" ที่จะปรากฏขึ้นในอีก 5 ปีข้างหน้าเมื่อมีการประเมินมูลค่าสินทรัพย์ใหม่

การกระจายความเสี่ยง: โฮสต์แต่ละรายรับความเสี่ยงเอง หากโฮสต์รายหนึ่งประสบปัญหาจากการลงทุนใน GPU ที่ไม่ดี นั่นคือปัญหาของเขา ไม่ใช่ปัญหาของทั้งเครือข่าย ในรูปแบบรวมศูนย์ ความผิดพลาดมูลค่า 1 หมื่นล้านดอลลาร์อาจทำให้ทั้งบริษัทล่มสลายได้ ใน Gonka ความผิดพลาดเช่นนั้นเป็นไปไม่ได้โดยคำนิยาม เพราะไม่มีผู้เข้าร่วมรายเดียวที่สามารถตัดสินใจด้วยมูลค่า 1 หมื่นล้านดอลลาร์ได้

ผลลัพธ์: ต้นทุน inference ผ่าน Gonka คือ $0.0047 ต่อล้านโทเค็น ซึ่งถูกกว่า OpenAI ประมาณ 400 เท่า และราคานี้มีความยั่งยืน เพราะไม่มีโครงสร้างพื้นฐานมูลค่าล้านล้านที่ต้องจ่ายคืนอยู่เบื้องหลัง

เปรียบเทียบสองโมเดลโครงสร้างพื้นฐาน AI:

ใน Gonka มี GPU ประมาณ 4,648 ตัว จากผู้เข้าร่วมประมาณ 113 ราย (~582 ML-โนด) โปรเจกต์ระดมทุนได้ $80M ซึ่งน้อยกว่าที่ Stargate หนึ่งแห่งใช้จ่ายไปหลายพันเท่า แต่เครือข่ายทำงานได้เช่นเดียวกัน: ประมวลผลคำขอ AI ผ่านโครงข่ายประสาทเทียม Kimi K2.6 ซึ่งเข้าถึงได้ผ่าน API ที่รองรับมาตรฐาน OpenAI

การเปรียบเทียบ: ลองจินตนาการว่าในยุค 2000 มีคนเสนอว่า "แทนที่จะสร้างเซิร์ฟเวอร์ยักษ์ใหญ่สำหรับอินเทอร์เน็ต ให้เจ้าของบ้านแต่ละคนติดตั้งมินิเซิร์ฟเวอร์และรับรางวัลสำหรับการมีส่วนร่วม" ฟังดูเหมือนยูโทเปีย แต่สิ่งนี้คือวิธีที่ Airbnb ทำงานสำหรับที่พัก, Uber สำหรับการขนส่ง และคือสิ่งที่ Gonka ทำสำหรับ AI Computing การกระจายศูนย์ไม่ใช่ยูโทเปีย แต่มันคือขั้นตอนถัดไปของวิวัฒนาการโครงสร้างพื้นฐาน