Lỗ hổng 112 tỷ USD — sự phá sản ngầm của Big Tech

Dự án Stargate — hàng trăm tỷ đô la xây dựng các trung tâm dữ liệu khổng lồ. Đây không phải là lỗi đánh máy: chúng ta đang nói về số tiền tương đương với GDP của các quốc gia nhỏ. Microsoft, Google và Meta chi hàng chục tỷ mỗi năm cho cơ sở hạ tầng GPU: chỉ riêng Microsoft đã đầu tư hơn 50 tỷ đô la vào chi phí vốn vào năm 2025, phần lớn là cho AI.

Vấn đề nằm ẩn trong kế toán. GPU thế hệ H100 trở nên lỗi thời trong 2 năm với sự ra đời của H200, B100, B200 — mỗi thế hệ sau nhanh hơn 50—100% so với thế hệ trước. Nhưng các tập đoàn ghi nhận khấu hao trong 5—6 năm, tạo ra một ảo ảnh kế toán. Ví dụ: một công ty đã mua GPU trị giá 20 tỷ đô la. Trong sổ sách kế toán, sau 2 năm, chúng vẫn “trị giá” 13 tỷ đô la (với khấu hao tuyến tính trong 6 năm). Trên thực tế — chúng trị giá khoảng 5 tỷ đô la, vì thế hệ mới làm cùng một công việc nhanh hơn và rẻ hơn gấp đôi.

Điều này tạo ra một sự thiếu hụt ẩn: sự khác biệt giữa giá trị tài sản theo kế toán và giá trị thị trường thực tế của chúng — hàng nghìn tỷ đô la trên toàn ngành. Khi (không phải “nếu”, mà là “khi”) các kiểm toán viên yêu cầu định giá lại — điều này có thể gây ra các khoản xóa nợ hàng loạt, làm sụp đổ cổ phiếu của các công ty AI và gây ra một cuộc khủng hoảng niềm tin cho toàn bộ ngành.

Theo dự báo của các nhà phân tích, OpenAI sẽ tích lũy khoảng 112 tỷ USD lỗ vào năm 2030. Con số này không phải là không có cơ sở: nó phản ánh một vấn đề cơ bản của mô hình kinh doanh AI tập trung.

Một mặt — doanh thu tăng ấn tượng: hàng tỷ đô la mỗi năm từ các gói đăng ký ChatGPT và API. Mặt khác — chi phí tăng nhanh hơn. Mỗi thế hệ mô hình mới yêu cầu tài nguyên tăng gấp bội:

• GPT-3 → GPT-4: chi phí đào tạo tăng khoảng 10 lần
• GPT-4 → GPT-5: tăng gấp bội nữa — đường cong hàm mũ
• Suy luận: hàng triệu người dùng = hàng tỷ token mỗi ngày = hàng tỷ đô la mỗi năm chi cho khả năng GPU

Mô hình này chỉ hoạt động khi có dòng vốn đầu tư mạo hiểm vô tận. OpenAI đã huy động được hàng chục tỷ đô la đầu tư, bao gồm các vòng gọi vốn từ Microsoft và SoftBank. Nhưng các nhà đầu tư không phải là nhà từ thiện. Sớm hay muộn, họ sẽ đòi lợi nhuận. Câu hỏi không phải là “khi nào”, mà là “khi nào” — và điều gì sẽ xảy ra vào thời điểm đó với hàng triệu doanh nghiệp được xây dựng trên API của OpenAI?

Để so sánh: Gonka đã huy động được 80 triệu USD và đã xử lý các yêu cầu AI thực tế thông qua mạng lưới khoảng 4.648 GPU. Chi phí suy luận — 0.0009 USD/1 triệu token. Điều này có thể thực hiện được vì trong mô hình phi tập trung, không cần phải bù đắp khoản đầu tư nghìn tỷ vào các trung tâm dữ liệu.

Gonka không xây dựng các trung tâm dữ liệu — nó kết nối các GPU hiện có trên khắp thế giới. Đây không chỉ là một mô hình kinh doanh thay thế — đây là một kiến trúc kinh tế khác biệt về nguyên tắc, loại bỏ nguyên nhân gốc rễ của bong bóng.

Không có chi phí vốn: mạng Gonka không thu hút hàng trăm tỷ để xây dựng. Giao thức, blockchain, phần mềm — đó là tất cả những gì nhóm tạo ra. GPU được cung cấp bởi các host độc lập trên khắp thế giới — mỗi người tự chịu chi phí.

Không có khấu hao kéo dài 6 năm: khi H100 lỗi thời — host chỉ đơn giản là thay thế nó bằng H200 hoặc thế hệ tiếp theo. Quyết định được đưa ra bởi chủ sở hữu thiết bị dựa trên điều kiện thị trường, chứ không phải CFO của một tập đoàn đang cố gắng che giấu các khoản xóa sổ.

Không có thủ đoạn kế toán: tất cả các giao dịch trong blockchain Gonka đều minh bạch. Phần thưởng được phân phối theo giao thức, được CertiK kiểm toán. Không có chi phí “ẩn” nào sẽ được phát hiện sau 5 năm khi định giá lại tài sản.

Rủi ro phân tán: mỗi host tự chịu rủi ro của mình. Nếu một host bị phá sản vì đầu tư kém vào GPU — đó là vấn đề của họ, chứ không phải vấn đề của toàn bộ mạng. Trong mô hình tập trung, một lỗi trị giá 10 tỷ đô la có thể làm sụp đổ toàn bộ công ty. Trong Gonka, lỗi như vậy là không thể theo định nghĩa — vì không có bất kỳ người tham gia nào có khả năng đưa ra quyết định trị giá 10 tỷ đô la.

Kết quả: chi phí suy luận thông qua Gonka — 0.0009 USD cho một triệu token. Điều này rẻ hơn OpenAI khoảng 2.800 lần. Và mức giá này ổn định — vì đằng sau nó không có cơ sở hạ tầng trị giá nghìn tỷ cần phải bù đắp.

So sánh hai mô hình cơ sở hạ tầng AI:

Gonka vận hành khoảng 4.648 GPU của ~113 người tham gia (~582 ML-node). Dự án đã huy động được 80 triệu đô la — con số này nhỏ hơn hàng nghìn lần so với số tiền mà một Stargate chi tiêu. Nhưng mạng đang làm điều tương tự: xử lý các yêu cầu AI thông qua mạng thần kinh Qwen3-235B, có thể truy cập thông qua API tương thích OpenAI.

Tương tự: hãy tưởng tượng, vào những năm 2000, ai đó đã đề xuất: “Thay vì xây dựng các máy chủ khổng lồ cho internet, hãy để mỗi hộ gia đình đặt một máy chủ mini và nhận phần thưởng khi tham gia”. Nghe có vẻ viển vông — nhưng đó chính xác là cách Airbnb hoạt động cho chỗ ở, Uber cho giao thông, và chính xác là cách Gonka hoạt động cho các tính toán AI. Phi tập trung hóa không phải là một điều không tưởng — đó là giai đoạn tiếp theo của sự tiến hóa cơ sở hạ tầng.