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

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

Vấn đề nằm ẩn trong sổ sách kế toán. GPU thế hệ H100 trở nên lỗi thời sau 2 năm với sự ra mắt của H200, B100, B200 — mỗi thế hệ tiếp theo nhanh hơn thế hệ trước từ 50—100%. 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 với giá 20 tỷ USD. Trong sổ sách kế toán sau 2 năm, chúng vẫn "đáng giá" 13 tỷ USD (theo khấu hao đường thẳng trong 6 năm). Trong thực tế — chúng chỉ đáng giá ~5 tỷ USD, bởi vì thế hệ mới thực hiện cùng một công việc nhanh gấp đôi và rẻ hơn.

Điều này tạo ra một sự thâm hụt ẩn: sự khác biệt giữa giá trị kế toán của tài sản và giá trị thị trường thực tế của chúng — lên tới 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 sập cổ phiếu của các công ty AI và gây ra một cuộc khủng hoảng niềm tin vào toàn ngành.

Các nhà phân tích dự báo rằng OpenAI sẽ tích lũy khoảng 112 tỷ USD thua lỗ vào năm 2030. Con số này không phải là vô căn cứ: nó phản ánh vấn đề cơ bản của mô hình kinh doanh AI tập trung.

Một mặt, doanh thu tăng trưởng ấn tượng: hàng tỷ đô la mỗi năm từ các gói đăng ký ChatGPT và API. Mặt khác, chi phí tăng nhanh hơn nữa. Mỗi thế hệ mô hình mới đòi hỏi gấp nhiều lần tài nguyên:

• GPT-3 → GPT-4: chi phí đào tạo tăng khoảng 10 lần
• GPT-4 → GPT-5: sự tăng trưởng theo cấp số nhân — đường cong lũy thừa
• Inference: hàng triệu người dùng = hàng tỷ token mỗi ngày = hàng tỷ đô la mỗi năm cho sức mạnh GPU

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

Để so sánh: Gonka đã huy động được $80M và hiện đang xử lý các yêu cầu AI thực tế thông qua mạng lưới gồm 584 GPU. Chi phí inference là $0.0069/1M token. Điều này là có thể vì trong mô hình phi tập trung, không cần phải bù đắp các khoản đầu tư hàng nghìn tỷ đô la vào các trung tâm dữ liệu.

Gonka không xây dựng 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 — mà là một kiến trúc kinh tế khác biệt về cơ bản, giúp loại bỏ nguyên nhân gốc rễ của bong bóng.

Không có chi phí vốn: mạng lưới Gonka không huy động 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 bên tự chịu chi phí.

Không có khấu hao kéo dài 6 năm: khi H100 lỗi thời — host chỉ cần 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 bởi CFO của một tập đoàn đang cố gắng che giấu các khoản xóa nợ.

Không có thủ thuật kế toán: tất cả các giao dịch trên blockchain Gonka đều minh bạch. Phần thưởng được phân phối theo giao thức đã được kiểm toán bởi CertiK. Không có chi phí "ẩn" nào sẽ xuất 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 thua lỗ vì khoản đầu tư GPU tồi tệ — đó là vấn đề của họ, không phải vấn đề của toàn mạng lưới. Trong mô hình tập trung, một sai lầm trị giá 10 tỷ đô la có thể làm sụp đổ toàn bộ công ty. Trong Gonka, sai lầm như vậy là không thể theo định nghĩa — vì không có một người tham gia duy nhất nào có khả năng đưa ra quyết định trị giá 10 tỷ đô la.

Kết quả: chi phí inference thông qua Gonka là $0.0069 mỗi triệu token. Rẻ hơn ~720 lần so với OpenAI GPT-5.5. Và mức giá này bền vững — vì đằng sau nó không có cơ sở hạ tầng trị giá hàng nghìn tỷ cần phải hoàn vốn.

Hãy so sánh hai mô hình hạ tầng AI:

Tại Gonka có 584 GPU đang hoạt động (số người tham gia trong epoch: 22, ML-node: 121). Dự án đã huy động được $80M — số tiền này ít hơn hàng nghìn lần so với những gì Stargate tiêu tốn. Nhưng mạng lưới vẫn thực hiện công việc tương tự: xử lý các yêu cầu AI thông qua các mô hình mở như MiniMax M2.7, DeepSeek V4 Flash và GLM-5.3 Flash, có sẵn thông qua API tương thích với OpenAI.

Phép tương tự: hãy tưởng tượng vào những năm 2000, có người đề xuất: "Thay vì xây dựng các máy chủ khổng lồ cho internet, hãy để mỗi hộ gia đình thiết lập một máy chủ mini và nhận phần thưởng khi tham gia". Nghe có vẻ không tưởng — nhưng đó chính là cách Airbnb hoạt động cho nhà ở, Uber cho giao thông, và đó chính là cách Gonka hoạt động cho các tính toán AI. Phi tập trung hóa không phải là điều không tưởng — đó là giai đoạn tiếp theo của quá trình tiến hóa hạ tầng.