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

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

• GPT-3 → GPT-4: ang gastos sa pag-train ay tumaas ng halos 10 beses
• GPT-4 → GPT-5: isa pang exponential na paglago
• Inference: milyun-milyong user = bilyun-bilyong token kada araw = bilyun-bilyong dolyar kada taon para sa GPU power

Gumagana lang ang modelong ito kung may walang katapusang supply ng venture capital. Ang OpenAI ay nakakuha ng sampu-sampung bilyon sa investment, kabilang ang mga round mula sa Microsoft at SoftBank. Ngunit ang mga investor ay hindi mga charity. Sa kalaunan, hihingi sila ng tubo. Ang tanong ay hindi "kung", kundi "kailan" — at ano ang mangyayari sa sandaling iyon sa milyun-milyong negosyong nakadepende sa OpenAI API?

Bilang paghahambing: Ang Gonka ay nakalikom ng $80M at nagpoproseso na ng mga totoong AI request sa pamamagitan ng network na may ~4,648 GPU. Ang halaga ng inference ay $0.0047/1M tokens. 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 na GPU sa buong mundo. Hindi lamang ito isang alternatibong business model — ito ay isang fundamentally na naiibang ekonomikong arkitektura na nag-aalis ng ugat ng bubble.

Walang capital expenditure (CapEx): ang Gonka network ay hindi humihingi ng daan-daang bilyon para sa konstruksyon. Ang protocol, blockchain, at software — ito lang ang nilikha ng team. Ang mga GPU ay ibinibigay ng mga independiyenteng host sa buong mundo — bawat isa ay gamit ang sariling pondo.

Walang depreciation na umaabot ng 6 na taon: kapag ang H100 ay naluma na — ang host ay papalitan lang ito ng H200 o sa susunod na henerasyon. Ang desisyon ay ginagawa ng may-ari ng hardware batay sa kondisyon ng merkado, hindi ng isang corporate CFO 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 na-audit ng CertiK. Walang "nakatagong" gastos na mabubunyag pagkalipas ng 5 taon sa asset revaluation.

Distributed risk: bawat host ay dala ang sarili nitong panganib. Kung ang isang host ay nalugi sa isang masamang investment sa GPU — problema niya iyon, hindi problema ng buong network. Sa isang centralized model, ang isang pagkakamali sa $10 bilyon ay maaaring magpabagsak sa buong kumpanya. Sa Gonka, ang ganitong pagkakamali ay imposible ayon sa depinisyon — dahil walang iisang kalahok na may kakayahang magdesisyon para sa $10 bilyon.

Resulta: ang halaga ng inference sa pamamagitan ng Gonka ay $0.0047 bawat milyong token. Ito ay ~400 beses na mas mura kaysa sa OpenAI. At ang presyong ito ay matatag — dahil walang trilyon-trilyong imprastraktura sa likod nito na kailangang bawiin ang gastos.

Paghambingin natin ang dalawang modelo ng AI infrastructure:

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

Analohiya: isipin na noong 2000s, may nagmungkahi: "Sa halip na magtayo ng dambuhalang server para sa internet, hayaan nating ang bawat may-bahay ay maglagay ng mini-server at tumanggap ng reward sa pakikilahok." Mukhang utopian — ngunit ganyan gumagana ang Airbnb para sa mga tirahan, Uber para sa transportasyon, at ganyan din gumagana ang Gonka para sa AI computing. Ang desentralisasyon ay hindi utopia — ito ang susunod na yugto ng ebolusyon ng imprastraktura.