1120亿美元的黑洞——大型科技公司的隐形破产

Stargate项目——投入数千亿美元建设庞大的数据中心。这不是笔误：涉及的金额可与小型国家的GDP相媲美。微软、谷歌和Meta每年投入数百亿美元用于GPU基础设施：仅微软在2025年就投资了超过500亿美元用于资本支出，其中大部分用于AI。

问题隐藏在会计之中。H100一代GPU在H200、B100、B200发布后两年内就会过时——每下一代都比前一代快50-100%。但公司却将其折旧期记为5-6年，制造了会计幻觉。例如：一家公司购买了价值200亿美元的GPU。在会计账簿上，两年后它们仍“价值”130亿美元（按6年线性折旧计算）。而在现实中——它们只值约50亿美元，因为新一代产品以两倍的速度和更低的成本完成相同的工作。

这造成了一种隐性赤字：资产账面价值与其实际市场价值之间的差异——整个行业高达数万亿美元。当（不是“如果”，而是“何时”）审计师要求重估时——这可能会导致大规模减记，导致AI公司股价暴跌，并引发对整个行业的信任危机。

分析师预测，到2030年OpenAI将累计亏损约1120亿美元。这个数字并非空穴来风：它反映了集中式AI商业模式的根本性问题。

一方面，收入增长令人印象深刻：每年通过ChatGPT和API订阅获得数十亿美元。另一方面，支出增长更快。每一代新模型都需要数倍的资源：

• GPT-3 → GPT-4：训练成本增长约10倍
• GPT-4 → GPT-5：又是一个数倍的增长——呈指数曲线
• Inference：数百万用户 = 每天数十亿token = 每年数十亿美元的GPU算力消耗

这种模式只有在无限的风险资本流入下才能运作。OpenAI已经筹集了数百亿美元的投资，包括来自Microsoft和SoftBank的几轮融资。但投资者不是慈善家。迟早，他们会要求回报。问题不在于“是否”，而在于“何时”——那时建立在OpenAI API上的数百万家企业将会怎样？

对比一下：Gonka筹集了8000万美元，并且已经通过约4648个GPU组成的网络处理真实的AI请求。Inference成本为$0.0047/1M tokens。这之所以可能，是因为去中心化模型不需要去收回在数据中心上投入的万亿资金。

Gonka 不建设数据中心——它聚合了全球现有的 GPU。这不仅仅是一种替代性的商业模式——这是一种从根本上不同的经济架构，消除了泡沫的根源。

无资本支出（CapEx）：Gonka 网络不需要筹集数千亿美元进行建设。协议、区块链和软件是团队创建的全部内容。GPU 由全球各地的独立主机所有者提供，且各自承担费用。

没有 6 年的折旧期：当 H100 过时后，主机所有者只需将其替换为 H200 或下一代产品。决定由设备所有者根据市场状况做出，而不是由试图掩盖减记的企业 CFO 做出。

没有会计手段：Gonka 区块链上的所有交易都是透明的。奖励根据经 CertiK 审计的协议进行分配。不存在 5 年后在资产重估时才会显现的“隐性”成本。

分布式风险：每个主机承担自己的风险。如果某个主机因为糟糕的 GPU 投资而破产，那是他们自己的问题，而不是整个网络的问题。在中心化模型中，一笔 100 亿美元的错误决策可能导致整个公司倒闭。在 Gonka 中，这种错误在定义上是不可能的——因为没有单一参与者能够做出 100 亿美元的决策。

结果：通过 Gonka 进行 inference 的成本为 $0.0047 每百万 tokens。这比 OpenAI 便宜约 400 倍。而且这个价格是稳定的——因为它背后没有需要摊销的万亿美元基础设施。

对比两种AI基础设施模型：

Gonka在约113个参与者中运营着约4648个GPU（约582个ML-nodes）。该项目筹集了8000万美元——这比Stargate单方面消耗的资金少了几千倍。但该网络完成了同样的事情：通过Kimi K2.6神经网络处理AI请求，可通过OpenAI兼容的API进行访问。

类比：想象一下，在2000年代，有人提出：“与其为互联网建设巨型服务器，不如让每个房主都安装一个小型服务器并参与获得奖励。”这听起来像乌托邦——但这就是Airbnb在住宿领域、Uber在交通领域的运作方式，这也是Gonka在AI计算领域的运作方式。去中心化不是乌托邦——它是基础设施演进的下一个阶段。