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 khoản lỗ khoảng 112 tỷ USD vào năm 2030. Con số này không phải là vô căn cứ: nó phản ánh vấn đề cơ bản trong mô hình kinh doanh của AI tập trung.

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

• GPT-3 → GPT-4: chi phí đào tạo tăng khoảng 10 lần
• GPT-4 → GPT-5: tăng gấp bội — một đường cong theo cấp số nhân
• 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 nếu có dòng vốn đầu tư mạo hiểm vô tận. OpenAI đã huy động hàng chục tỷ USD vốn đầu tư, bao gồm các vòng gọi vốn từ Microsoft và SoftBank. Nhưng các nhà đầu tư không phải là những nhà từ thiện. Sớm hay muộn, họ sẽ yêu cầu lợi nhuận. Câu hỏi không phải là “liệu có” mà là “khi nào” — và điều gì sẽ xảy ra tại thời điểm đó với hàng triệu doanh nghiệp được xây dựng trên API OpenAI?

Để so sánh: Gonka đã huy động $80M và hiện đang xử lý các yêu cầu AI thực tế thông qua mạng lưới ~4,648 GPU. Chi phí inference là $0.0047/1M token. Điều này khả thi 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 các trung tâm dữ liệu — nó hợp nhất các GPU đã tồn tại trên toàn thế giới. Đây không chỉ là một mô hình kinh doanh thay thế — mà là một kiến trúc kinh tế hoàn toàn khác biệt, 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 đội ngũ tạo ra. GPU được cung cấp bởi các máy chủ độc lập trên toàn thế giới — mỗi bên tự chịu chi phí.

Không có khấu hao kéo dài trong 6 năm: khi H100 trở nên lỗi thời — máy chủ 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, không phải bởi CFO của tập đoàn đang cố gắng che giấu các khoản xóa sổ.

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 máy chủ tự chịu rủi ro của riêng mình. Nếu một máy chủ thất bại vì khoản đầu tư tồi vào GPU — đó là vấn đề của họ, không phải là vấn đề của toàn bộ 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 nào có khả năng đưa ra quyết định trị giá 10 tỷ đô la.

Kết quả: chi phí inference thông qua Gonka là $0.0047 cho một triệu token. Con số này rẻ hơn ~400 lần so với OpenAI. Và mức giá này bền vững — vì đằng sau nó không có cơ sở hạ tầng trị giá hàng nghìn tỷ đô la cần phải thu hồi vốn.

Hãy so sánh hai mô hình hạ tầng AI:

Tại Gonka, có khoảng 4,648 GPU đang hoạt động thuộc sở hữu của ~113 người tham gia (~582 ML-node). Dự án đã huy động $80M — thấp hơn hàng nghìn lần so với số tiền một dự án như Stargate chi tiêu. Nhưng mạng lưới vẫn thực hiện cùng một chức năng: xử lý các yêu cầu AI thông qua mạng thần kinh Kimi K2.6, có sẵn thông qua API tương thích với OpenAI.

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 đặt 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 vận tải, và đó chính là cách Gonka hoạt động cho tính toán AI. Phi tập trung không phải là không tưởng — đó là giai đoạn tiếp theo của quá trình tiến hóa hạ tầng.