$112B butas — nakatagong pagkalugi ng Big Tech

Ang proyekto ng Stargate — daan-daang bilyong dolyar para sa pagtatayo ng higanteng mga data center. Hindi ito isang typo: pinag-uusapan ang mga halagang maihahambing sa GDP ng maliliit na bansa. Ang Microsoft, Google, at Meta ay gumagasta ng sampu-sampung bilyon taun-taon sa imprastraktura ng GPU: ang Microsoft lamang noong 2025 ay namuhunan ng higit sa $50 bilyon sa capital expenditures, ang karamihan — ay para sa AI.

Ang problema ay nakatago sa accounting. Ang mga GPU ng henerasyon ng H100 ay nagiging luma sa loob ng 2 taon sa paglabas ng H200, B100, B200 — bawat susunod na henerasyon ay 50—100% mas mabilis kaysa sa nauna. Ngunit itinatala ng mga korporasyon ang depreciation sa loob ng 5—6 na taon, na lumilikha ng isang accounting illusion. Halimbawa: bumili ang isang kumpanya ng GPU na nagkakahalaga ng $20 bilyon. Sa mga libro ng accounting pagkatapos ng 2 taon, 'nagkakahalaga' pa rin ang mga ito ng $13 bilyon (sa linear depreciation sa loob ng 6 na taon). Sa katunayan — nagkakahalaga ang mga ito ng ~$5 bilyon, dahil ginagawa ng bagong henerasyon ang parehong gawain nang doble mas mabilis at mas mura.

Lumilikha ito ng nakatagong kakulangan: ang pagkakaiba sa pagitan ng accounting value ng mga asset at ang kanilang tunay na market value — trilyun-trilyong dolyar sa buong industriya. Kapag (hindi 'kung', kundi 'kapag') hiningi ng mga auditor ang revaluation — maaari itong magdulot ng malawakang pananaw, bumagsak ang presyo ng stock ng mga kumpanya ng AI at magsimula ng krisis ng tiwala sa buong industriya.

Ayon sa mga pagtataya ng mga analista, ang OpenAI ay magkakaroon ng humigit-kumulang $112 bilyong pagkalugi bago ang 2030. Ang bilang na ito ay hindi galing sa wala: sumasalamin ito sa pangunahing problema ng modelo ng negosyo ng sentralisadong AI.

Sa isang banda — ang kita ay lumalaki nang kahanga-hanga: bilyun-bilyong dolyar taun-taon mula sa mga subscription ng ChatGPT at API. Sa kabilang banda — ang mga gastos ay lumalaki nang mas mabilis. Ang bawat bagong henerasyon ng modelo ay nangangailangan ng higit na mapagkukunan:

• GPT-3 → GPT-4: ang halaga ng pagtuturo ay lumago ng humigit-kumulang 10 beses
• GPT-4 → GPT-5: isa pang exponential growth — exponentially curve
• Inference: milyun-milyong user = bilyun-bilyong token bawat araw = bilyun-bilyong dolyar bawat taon sa kapangyarihan ng GPU

Gumagana lamang ang modelong ito na may walang katapusang daloy ng venture capital. Nakakuha ang OpenAI ng sampu-sampung bilyong pamumuhunan, kabilang ang mga rounds mula sa Microsoft at SoftBank. Ngunit ang mga mamumuhunan — ay hindi mga philanthropist. Sa kalaunan ay hihingi sila ng kita. Ang tanong ay hindi 'kung', kundi 'kailan' — at ano ang mangyayari sa sandaling iyon sa milyun-milyong negosyo na binuo sa API ng OpenAI?

Para sa paghahambing: Ang Gonka ay nakakuha ng $80M at nagpoproseso na ng tunay na AI-requests sa pamamagitan ng network ng ~4,648 na GPU. Ang halaga ng inference — $0.0009/1M token. Posible ito dahil sa desentralisadong modelo, hindi kailangan na mabawi ang trilyun-trilyong pamumuhunan sa mga data center.

Hindi nagtatayo ang Gonka ng mga data center — pinagsasama nito ang umiiral nang mga GPU sa buong mundo. Hindi lamang ito isang alternatibong modelo ng negosyo — ito ay isang prinsipyong ibang istraktura ng ekonomiya, na nagtatanggal ng ugat ng bubble.

Walang capital expenditures: ang network ng Gonka ay hindi nakakakuha ng daan-daang bilyon para sa konstruksyon. Protocol, blockchain, software — iyan lamang ang nilikha ng koponan. Ipinagkakaloob ng mga independiyenteng host sa buong mundo ang mga GPU — bawat isa ay sa sarili nitong gastos.

Walang depreciation, na pinamahagi sa loob ng 6 na taon: kapag ang H100 ay nagiging luma — papalitan lang ito ng host ng H200 o ng susunod na henerasyon. Ang desisyon ay ginawa ng may-ari ng kagamitan batay sa mga kondisyon ng merkado, at hindi ng isang CFO ng korporasyon na nagsisikap itago ang mga pagkaantala.

Walang trick sa accounting: transparent ang lahat ng transaksyon sa blockchain ng Gonka. Ipinamamahagi ang mga gantimpala ayon sa protocol, na na-audit ng CertiK. Walang 'nakatagong' gastos na matutuklasan pagkatapos ng 5 taon sa panahon ng revaluation ng mga asset.

Ipinamamahaging panganib: bawat host ay nagdadala ng sarili nitong panganib. Kung ang isang host ay nalugi sa isang masamang pamumuhunan sa GPU — problema niya iyon, at hindi problema ng buong network. Sa sentralisadong modelo, ang isang pagkakamali na nagkakahalaga ng $10 bilyon ay maaaring bumagsak sa buong kumpanya. Sa Gonka, imposible ang ganitong pagkakamali sa kahulugan — dahil walang sinumang kalahok na may kakayahang gumawa ng desisyon na nagkakahalaga ng $10 bilyon.

Resulta: ang halaga ng inference sa pamamagitan ng Gonka — $0.0009 bawat milyong token. Ito ay humigit-kumulang 2,800 beses na mas mura kaysa sa OpenAI. At matatag ang presyong ito — dahil wala itong trilyong imprastraktura na kailangan bayaran.

Ikumpara natin ang dalawang modelo ng imprastraktura ng AI:

Ang Gonka ay nagpapatakbo ng humigit-kumulang 4,648 na GPU sa ~113 na kalahok (~582 ML-node). Ang proyekto ay nakakuha ng $80M — ito ay libu-libong beses na mas maliit kaysa sa ginagastos ng isang Stargate. Ngunit ang network ay gumagawa ng parehong bagay: nagpoproseso ng mga kahilingan sa AI sa pamamagitan ng neural network na Qwen3-235B, na accessible sa pamamagitan ng OpenAI-compatible API.

Analogy: Isipin kung noong 2000s, may nagmungkahi: “Sa halip na magtayo ng higanteng server rooms para sa internet, hayaan natin ang bawat may-ari ng bahay na maglagay ng mini-server at makakuha ng gantimpala para sa pakikilahok.” Mukhang utopic — ngunit ganoon mismo ang ginagawa ng Airbnb para sa tirahan, Uber para sa transportasyon, at ganoon din ang ginagawa ng Gonka para sa AI computations. Ang desentralisasyon ay hindi utopia — ito ang susunod na yugto ng ebolusyon ng imprastraktura.