$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.

Sa pagtataya ng mga analista, ang OpenAI ay magkakaroon ng humigit-kumulang $112 bilyon na pagkalugi pagsapit ng 2030. Ang numerong ito ay hindi gawa-gawa lamang: sumasalamin ito sa pangunahing problema ng business model ng sentralisadong AI.

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

• GPT-3 → GPT-4: ang gastos sa pag-train ay tumaas nang humigit-kumulang 10 beses
• GPT-4 → GPT-5: isa pang exponential na paglaki
• Inference: milyun-milyong user = bilyun-bilyong tokens kada araw = bilyun-bilyong dolyar kada taon para sa GPU power

Ang modelong ito ay gumagana lamang sa pamamagitan ng walang katapusang pagpasok ng venture capital. Ang OpenAI ay nakalikom ng sampu-sampung bilyong investment, kabilang ang mga round mula sa Microsoft at SoftBank. Pero ang mga investor ay hindi philanthropic. Sa madaling panahon, hihingi sila ng kita. Ang tanong ay hindi "kung", kundi "kailan" — at ano ang mangyayari sa sandaling iyon sa milyun-milyong negosyong nakasandig sa OpenAI API?

Bilang paghahambing: Ang Gonka ay nakalikom ng $80M at kasalukuyan nang nagpoproseso ng mga totoong AI request sa pamamagitan ng network na may ~4,648 GPUs. Ang gastos sa inference ay $0.003/1M tokens. Posible ito dahil sa desentralisadong modelo, hindi na kailangang mabawi ang trilyon-trilyong investment sa mga data center.

Ang Gonka ay hindi nagtatayo ng mga data center; pinagsasama nito ang mga umiiral na GPU sa buong mundo. Hindi lamang ito isang alternatibong business model — isa itong radikal na ibang economic architecture na nag-aalis sa sanhi ng bubble.

Walang capital expenditure: ang Gonka network ay hindi humihingi ng daan-daang bilyon para sa konstruksyon. Ang protocol, blockchain, at software ay ang lahat ng nililikha ng team. Ang mga GPU ay ibinibigay ng mga independent host sa buong mundo — bawat isa ay sa sarili nilang gastos.

Walang depreciation na nakalatag sa loob ng 6 na taon: kapag ang H100 ay naluma, papalitan lang ito ng host ng H200 o sa susunod na henerasyon. Ang desisyon ay nasa may-ari ng hardware 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 Gonka blockchain ay transparent. Ang mga reward ay ipinamamahagi ayon sa protocol na in-audit ng CertiK. Walang "natatagong" gastos na lalabas pagkalipas ng 5 taon sa asset revaluation.

Distributed risk: bawat host ang sumasalo ng sarili nilang risk. Kung ang isang host ay nalugi sa maling investment sa GPU, problema lang nila iyon at hindi problema ng buong network. Sa sentralisadong modelo, ang isang maling desisyon na nagkakahalaga ng $10 bilyon ay pwedeng magpabagsak sa buong kumpanya. Sa Gonka, ang ganoong pagkakamali ay imposible dahil walang iisang kalahok na may kakayahang gumawa ng desisyon na nagkakahalaga ng $10 bilyon.

Resulta: ang gastos sa inference sa pamamagitan ng Gonka ay $0.003 kada isang milyong tokens. Ito ay ~830 na beses na mas mura kaysa sa OpenAI. At ang presyong ito ay sustainable — dahil wala itong trilyong imprastraktura na kailangang mabayaran.

Ihambing natin ang dalawang modelo ng AI infrastructure:

Sa Gonka, mayroong humigit-kumulang 4,648 GPUs mula sa ~113 na kalahok (~582 ML-nodes). Ang proyekto ay nakalikom ng $80M — libu-libong beses na mas maliit kaysa sa ginagastos ng isang Stargate. Pero ang network ay gumagawa rin ng parehong bagay: nagpoproseso ng AI request sa pamamagitan ng Kimi K2.6 neural network, na available sa pamamagitan ng OpenAI-compatible API.

Analohiya: Isipin ninyo noong 2000s, may nagmungkahi: "Sa halip na bumuo ng dambuhalang mga server para sa internet, hayaan natin ang bawat maybahay na maglagay ng mini-server at makakuha ng reward sa pakikilahok." Mukhang utopic — pero ganyan gumagana ang Airbnb sa tirahan, Uber sa transportasyon, at ganyan din gumagana ang Gonka para sa AI computing. Ang desentralisasyon ay hindi isang utopia — ito ang susunod na yugto ng ebolusyon ng imprastraktura.