$112B butas — nakatagong pagkalugi ng Big Tech

Ang proyektong Stargate — daan-daang bilyong dolyar para sa pagtatayo ng mga dambuhalang data center. Hindi ito typo: ang tinutukoy dito ay mga halagang katumbas ng GDP ng maliliit na bansa. Ang Microsoft, Google, at Meta ay gumagastos ng sampu-sampung bilyon taun-taon sa GPU infrastructure: ang Microsoft lamang ay nag-invest ng higit sa $50 bilyon sa capital expenditures noong 2025, at ang karamihan nito ay para sa AI.

Ang problema ay nakatago sa accounting. Ang mga GPU ng henerasyong H100 ay naluluma sa loob ng 2 taon kasabay ng paglabas ng H200, B100, B200 — ang bawat susunod na henerasyon ay 50—100% na mas mabilis kaysa sa nauna. Ngunit ang mga korporasyon ay nagtatala ng depreciation sa loob ng 5—6 na taon, na lumilikha ng isang accounting illusion. Halimbawa: bumili ang kumpanya ng GPU sa halagang $20 bilyon. Sa mga libro ng accounting pagkalipas ng 2 taon, ang mga ito ay "nagkakahalaga" pa rin ng $13 bilyon (gamit ang linear depreciation sa 6 na taon). Sa realidad — ang mga ito ay nagkakahalaga na lamang ng ~$5 bilyon, dahil ang bagong henerasyon ay gumagawa ng parehong trabaho nang dalawang beses na mas mabilis at mas mura.

Lumilikha ito ng isang nakatagong kakulangan: ang pagkakaiba sa pagitan ng accounting value ng mga asset at ang kanilang totoong market value — trilyong dolyar sa buong industriya. Kapag (hindi "kung," kundi "kapag") hiningi ng mga auditor ang revaluation — maaaring magdulot ito ng malakihang write-offs, magpabagsak sa mga share ng mga AI company, at mag-udyok ng krisis sa tiwala sa buong sektor.

Ayon sa mga analyst, ang OpenAI ay mag-iipon ng humigit-kumulang $112 bilyon na pagkalugi hanggang 2030. Ang numerong ito ay hindi nanggaling sa hangin: sinasalamin nito ang pundamental na problema ng business model ng centralized AI.

Sa isang banda — ang kita ay kahanga-hangang lumalaki: bilyun-bilyong dolyar taon-taon mula sa ChatGPT subscriptions at API. Sa kabilang banda — ang mga gastos ay lumalaki nang mas mabilis. Ang bawat bagong henerasyon ng modelo ay nangangailangan ng mas maraming resources:

• GPT-3 → GPT-4: ang halaga ng training ay tumaas nang humigit-kumulang 10 beses
• GPT-4 → GPT-5: isa pang exponential growth
• Inference: milyun-milyong user = bilyun-bilyong token bawat araw = bilyun-bilyong dolyar kada taon para sa GPU power

Ang modelong ito ay gumagana lamang sa walang katapusang pagpasok ng venture capital. Ang OpenAI ay nakakuha ng sampu-sampung bilyong investment, kabilang ang mga round mula sa Microsoft at SoftBank. Ngunit ang mga investor ay hindi mga philanthropist. Maaga o huli, hihingi sila ng kita. Ang tanong ay hindi "kung", kundi "kailan" — at ano ang mangyayari sa sandaling iyon sa milyun-milyong negosyong nakadepende sa API ng OpenAI?

Para sa paghahambing: Ang Gonka ay nakakuha ng $80M at pinoproseso na ang mga totoong AI request sa pamamagitan ng network na may 584 GPU. Ang halaga ng inference ay $0.0069/1M token. Posible ito dahil sa desentralisadong modelo, hindi na kailangang bawiin ang trilyong dolyar na investment sa mga data center.

Ang Gonka ay hindi nagtatayo ng mga data center — pinagsasama-sama nito ang mga umiiral nang GPU sa buong mundo. Hindi lamang ito isang alternatibong business model — ito ay isang pangunahing kakaibang ekonomikong arkitektura na nag-aalis sa ugat ng bubble.

Walang capital expenditures: ang network ng Gonka ay hindi humihingi ng daan-daang bilyon para sa pagtatayo. Protocol, blockchain, software — ito ang lahat ng nililikha ng koponan. Ang mga GPU ay ibinibigay ng mga independiyenteng host sa buong mundo — bawat isa ay sa sariling gastos.

Walang depreciation na nakalatag sa loob ng 6 na taon: kapag ang H100 ay naluma na — papalitan lang ito ng host ng H200 o susunod na henerasyon. Ang desisyon ay nasa may-ari ng equipment batay sa kondisyon ng merkado, hindi sa CFO ng korporasyon na sinusubukang itago ang mga write-off.

Walang accounting tricks: ang lahat ng transaksyon sa blockchain ng Gonka ay transparent. Ang mga reward ay ipinamamahagi ayon sa protocol, na in-audit ng CertiK. Walang mga "nakatagong" gastos na matutuklasan pagkalipas ng 5 taon sa revaluation ng mga asset.

Distributed risk: bawat host ay may kani-kaniyang panganib. Kung ang isang host ay nalugi sa masamang investment sa GPU — problema niya iyon, hindi problema ng buong network. Sa sentralisadong modelo, ang isang maling desisyon na nagkakahalaga ng $10 bilyon ay maaaring magpabagsak sa buong kumpanya. Sa Gonka, ang ganitong pagkakamali ay imposible ayon sa kahulugan — dahil walang kahit isang kalahok na may kakayahang magdesisyon para sa $10 bilyon.

Ang resulta: ang gastos ng inference sa pamamagitan ng Gonka ay $0.0069 bawat milyong tokens. Ito ay ~720 beses na mas mura kaysa sa OpenAI GPT-5.5. At ang presyong ito ay matatag — dahil walang trilyong-dolyar na imprastraktura sa likod nito na kailangang mabawi.

Ihambing natin ang dalawang modelo ng AI infrastructure:

Sa Gonka, mayroong 584 GPU (mga participant sa epoch: 22, ML-node: 121). Ang proyekto ay nakakuha ng $80M — libu-libong beses na mas mababa kaysa sa ginagastos ng isang Stargate. Ngunit ang network ay gumagawa ng parehong bagay: pinoproseso ang mga AI request sa pamamagitan ng mga open model na MiniMax M2.7, DeepSeek V4 Flash, at GLM-5.3 Flash, na available sa pamamagitan ng OpenAI-compatible API.

Analohiya: isipin ninyo na noong 2000s, may nagmungkahi: "Sa halip na magpatayo ng dambuhalang mga server para sa internet, hayaan nating maglagay ang bawat may-bahay ng isang mini-server at makatanggap ng reward sa pakikilahok." Mukhang utopiko — ngunit ito mismo ang paraan ng paggana ng Airbnb para sa tirahan, Uber para sa transportasyon, at ito rin ang paraan ng paggana ng Gonka para sa AI computing. Ang desentralisasyon ay hindi utopia — ito ang susunod na yugto ng ebolusyon ng imprastraktura.