[모닝효] 드디어 30년물 잡혔다! 연준의 AI관련 논문 6개를 통해서 미리본 잭슨홀 미팅

[원문 유형] 네이버 프리미엄 콘텐츠 [채널] 이효석아카데미 [게시일] 2026.08.26 [원문 URL] https://contents.premium.naver.com/hsacademy/hsacademy1/contents/260826080814446gj [제목] [모닝효] 드디어 30년물 잡혔다! 연준의 AI관련 논문 6개를 통해서 미리본 잭슨홀 미팅 [수집 기준] 구매회원 본인이 QR 로그인으로 승인한 구독 열람권을 사용해 개인 문서 보관용으로 확보했다. 목록 메타데이터가 아니라 아래 실제 본문만 분석 근거로 사용한다. [구독 원문 본문] Today's Summary | Macro | Economy | Stock | Issue 모닝효 라이브는 '효친클럽'에서만 진행됩니다~! Q&A도 진행하고 있으니, '모닝효라이브' 내용은 꼭 확인하세요~ (음성 녹음은 라이브가 끝난 이후, 8시 30분 전후로 올려드립니다)

​ [주의] 본 아티클은 외부의 부당한 압력이나 간섭 없이 작성되었으며, 아티클에서 제공하는 투자 관련 정보는 참고사항입니다. 투자에 대한 모든 결정은 투자자 본인의 책임이며 아티클에서 언급된 종목의 가격 등락에 대해 이효석아카데미는 책임지지 않습니다. (M) ​ ​ 전일 시장 요약정리 ​ 베센트가 장기국채 바이백 확대를 발표한 뒤 실제로 미국 장기금리가 다소 내려가고 있습니다. 특히 30년 국채금리와 스왑금리의 차이(swap spread)가 축소됐는데, 이는 국채 자체에 대한 수급 부담이 완화됐다는 신호입니다. 시장에서는 이를 “Bessent Put”이라고 부르기 시작했습니다. 즉, 장기금리가 너무 올라가면 재무부가 개입할 것이라는 기대입니다. TGA 자금을 활용해 장기채를 추가 매입할 수 있다는 보도까지 나오면서, 시장은 “재무부가 계속 살 수 있다”고 보기 시작했습니다. 그 결과 장기채 하락에 베팅했던 투자자들이 포지션을 되돌리면서 숏스퀴즈도 발생하고 있습니다.

옵션시장에서도 장기채 가격 상승, 즉 장기금리 급락에 대비하는 포지션이 크게 늘었습니다. ​ Citi는 베센트의 바이백과 엔화 개입 등을 두고 “목표를 위해 무엇이든 할 준비가 된 사람”이라는 평가까지 했습니다. 다만 장기금리 상승의 근본 원인인 막대한 재정적자와 국채 공급 증가 자체는 해결되지 않았습니다. 그래서 효과가 영구적일지는 논란이 있지만, 최소한 시장에는 “장기금리에는 정부가 막아주는 선이 있다”는 인식이 생기고 있습니다. 결국 이 기사의 핵심은 바이백 규모 자체보다 ‘장기금리를 계속 올려도 되는가?’라는 채권시장의 심리를 베센트가 바꾸기 시작했다는 것입니다. ​ 한 문장으로 하면: “베센트가 실제로 금리를 크게 낮춘 것보다, 장기금리가 너무 오르면 정부가 개입한다는 믿음을 심어준 것이 더 중요하다.” 오늘의 주제는 "잭슨홀 미팅"입니다. 잭슨홀 미팅을 앞두고 있는 상황에서 이런 생각을 해봤습니다.

연준에서 최근 AI와 관련된 연구들을 살펴보면, 그들이 무슨 고민을 하는 지 알 수 있지 않을까? 그래서 40개의 논문중에 6개를 뽑아서 쉽게 슬명해드리도록 할게요. ​ 10줄 요약부터 가볼게요~!!! 우리 뿐만 아니라, 연준이 지금 가장 궁금해하는 건 “AI에 이렇게 많은 돈을 쏟아붓는 게 정말 경제 전체를 더 잘 돌아가게 만들까?”입니다. 지금 미국은 아직 AI로 생산성이 크게 오른 단계라기보다, 데이터센터·GPU·전력망에 엄청나게 투자하는 단계에 가깝습니다. 연준은 AI가 단순한 유행이 아니라, 전기나 인터넷처럼 경제 전체를 바꾸는 기술이 될 가능성이 크다고 봅니다. 하지만 기대가 너무 커지면 문제가 생깁니다. AI는 계속 좋아져도 시장 기대만큼 좋아지지 않으면 투자 과잉과 버블 붕괴가 올 수 있습니다. 또 AI 투자가 너무 커지면 돈을 빌리려는 수요도 커져서, 오히려 장기금리가 올라갈 수도 있습니다.

실제로 지금은 AI가 일부 기업의 업무 효율을 높이고 있지만, 미국 경제 전체의 생산성이 확 올라갔다고 말하기는 아직 어렵습니다. 미국은 AI 장비를 한국·대만 등에서 많이 사오기 때문에, AI 투자붐이 커질수록 미국의 무역적자와 해외 자금 의존도가 커질 수도 있습니다. 결국 미국에 가장 좋은 시나리오는 AI가 금리를 올리는 속도보다 경제 성장률을 더 빠르게 끌어올리는 것입니다. 그렇게 되면 경제가 빨리 성장하고 세금도 더 걷히면서, 미국의 막대한 정부부채 부담을 줄이기가 쉬워집니다. 그래서 미국에 정말 필요한 건 단순히 “AI는 대단해”라는 믿음이 아니라, “AI가 실제로 미국 경제를 더 강하게 만들고 있다”는 확신과 증거입니다. Michael Barr 자료는 논문이 아니라 연준 이사의 연설이고, 나머지 상당수는 FEDS Notes라서 연준 이사회 공식 견해가 아니라 연구진 개인의 분석입니다. ​

자료 시점 The State of AI Competition in Advanced Economies 2025.10.06 What Will Artificial Intelligence Mean for the Labor Market and the Economy? 2026.02.17 Generative AI: What Type of Technology? 2026.05 Do Major Technology Advancements Lead to Overinvestment? 2026.07.06 Technology Shocks, the AI Boom, and the U.S. Current Account 2026.07.14 The AI Buildout and the Economy 2026.07.17 그리고 제 결론부터 말씀드리면, 이 여섯 편의 논리는 모두 하나의 질문으로 수렴합니다.

“지금 엄청나게 진행되고 있는 AI 투자가 언제, 얼마나 큰 생산성으로 전환될 것인가?” 이것이 이번 잭슨홀에서 금리 25bp보다 훨씬 중요한 질문일 수 있습니다. ​ 1. 「Do Major Technology Advancements Lead to Overinvestment?」 Geng Li, 2026년 7월 6일 ​ ​ 이 논문은 여섯 편 가운데 현재 AI 주식시장에 가장 직접적으로 연결되는 논문입니다. 제목만 보면 “AI 버블인가?”를 묻는 것 같지만 실제 주장은 훨씬 정교합니다. 핵심은 엄청나게 좋은 기술일수록 오히려 합리적인 과잉투자가 발생할 수 있다. 입니다. ​ 즉, 버블 = 사람들이 바보가 돼서 생긴다 가 아니라, ​ 기술이 계속 예상보다 좋아지기 때문에 합리적인 투자자도 결국 너무 많이 투자할 수 있다 는 모델입니다. (연방준비제도) A = AI 기술의 생산성 K = GPU·데이터센터·전력망·반도체 팹·네트워크 등 AI 인프라

​ ChatGPT나 새로운 AI 모델이 등장하면서 A가 갑자기 위로 뛰었습니다. 문제는 현실세계의 K 엔비디아 → HBM → 데이터센터 → 전력설비 → 발전 → 변압기 → 광통신 으로 이어지는 엄청난 Capex가 바로 K0→K∗(A) https://www.federalreserve.gov/econres/notes/feds-notes/do-major-technology-advancements-lead-to-overinvestment-20260706.html Do Major Technology Advancements Lead to Overinvestment? The Federal Reserve Board of Governors in Washington DC. www.federalreserve.gov AI가 생산성을 높였다는 사실보다 더 중요한 것은, 높아진 생산성을 현실화하기 위해 경제 전체가 얼마나 많은 새로운 자본을 축적해야 하느냐이다.

이 논문의 핵심 개념: Embodied Technology 새로운 기술이 나왔다고 경제 생산성이 자동으로 올라가는 게 아닙니다. 예를 들어 AI가 아무리 좋아져도 GPU도 사고 데이터센터도 짓고 전력망도 확충하고 소프트웨어도 바꾸고 기업의 조직도 바꿔야 합니다. 즉, Technology → Capital Investment → Productivity 입니다. 저자는 Solow의 embodied technology 개념에서 출발합니다. ​ 새로운 기술의 진짜 크기를 A라고 합시다. 문제는 기업들이 A를 모른다는 것입니다. ​ “AI가 결국 얼마나 대단한 기술인지”는 투자하기 전에는 알 수 없습니다. ​ 그래서 투자합니다. 그리고 결과를 봅니다. 생각보다 생산성이 많이 증가합니다. 그러면 기업들은 생각합니다. “어? 우리가 AI를 과소평가했네?” 그래서 투자를 더 늘립니다.

또 예상보다 잘됩니다. 그러면 다시 기대치를 높입니다. 중요한 피드백 루프 ​ AI 성능 ↑ → 투자 ↑ → 생산성 ↑ → “AI가 생각보다 훨씬 크다” → 기대치 ↑ → 투자 더 ↑ → 다시 예상 상회 → 투자 가속 입니다. ​ 이게 바로 learning by investing입니다/ 그런데 여기서 버블의 씨앗이 생깁니다 중요한 것은 기대치가 계속 올라간다는 겁니다. 처음에는 시장 기대가 AI = 100 이었는데 실제 결과가 120이면 놀랍니다. 다음 기대는 150이 됩니다. 결과가 180입니다. 다음 기대는 250이 됩니다. 결과가 300입니다. ​ 그러면 다음 기대는 500이 됩니다. 이제 실제 기술이 400이 됐다고 해봅시다. ​ 기술은 엄청나게 발전했습니다. 300 → 400이니까요. 그런데 시장은 실망합니다. 왜냐하면 400 < 기대 500 이기 때문입니다.

​ 저자는 바로 이 순간에 overinvestment가 나타날 수 있다고 설명합니다. 너무 많은 자본이 이미 설치돼 있기 때문에 자본의 한계생산성이 시장금리보다 아래로 떨어집니다. ​ 즉, MPK < r 가 됩니다. ​ 그러면 데이터센터·GPU·전력·광섬유 중 일부가 경제적으로 필요 없는 자본이 됩니다. 이게 지금 AI 시장에 굉장히 중요한 이유 논문은 미국의 IP + Equipment Investment / GDP 가 2025년부터 급격히 상승해 2026년 1분기에는 2024년보다 약 0.8%p 높아졌고, 2000년 IT 버블 최고점 바로 아래까지 올라왔다고 지적합니다 ​ 그런데 표현이 굉장히 재미있습니다. 저자는 이것을 보고 AI 투자를 막아야 하는가? 라고 묻고, “Not necessarily.” 라고 답합니다. ​ ​ 왜냐하면 과잉투자가 생긴다는 것은 역설적으로 말하면 그 이전까지 기술이 계속 기대를 뛰어넘을 정도로 좋았다는 뜻이기 때문입니다.​

​ 결론 AI 강세장이 유지되려면 AI가 좋아지기만 해서는 안 됩니다. ​ AI가 계속 높아지는 기대보다 더 빨리 좋아져야 합니다. 이게 Rubin 이후가 중요한 이유와도 정확히 연결됩니다. Blackwell이 좋았다. Rubin은 더 좋아야 합니다. ​ 그 다음 세대는 단순히 Rubin보다 좋아야 하는 것이 아니라, Rubin을 보고 시장이 다시 높여놓은 기대치보다 좋아야 합니다. 그래서 기술 혁명의 후반부에는 기술 발전 속도가 여전히 놀라워도 주가는 무너질 수 있습니다. 2. 「Generative AI: What Type of Technology?」 Baily, Byrne, Kane, Soto ​ https://www.frbsf.org/research-and-insights/publications/board-of-governors/2026/06/generative-ai-what-type-of-technology/?utm_source=chatgpt.com

Generative AI: What Type of Technology? - San Francisco Fed Generative AI (genAI) has expanded the scope of artificial intelligence, raising both hopes and fears that it could rapidly change the structure of the www.frbsf.org ​ 이 논문은 오히려 AI 낙관론의 이론적 근거입니다. 저자들은 기술을 세 종류로 나눕니다. 비유 기술의 성격 생산성 효과 Light Bulb (전구) 하나의 훌륭한 발명 Level ↑, 성장률 효과는 일시적 Dynamo (전기모터) General Purpose Technology 장기간 성장률 ↑ Microscope Invention in the Method of Invention

새로운 발명의 속도 자체 ↑ 그리고 결론은 놀랍게도 GenAI = Dynamo + Microscope 일 가능성이 높다는 것입니다. (Federal Reserve Bank of San Francisco) 1) Light Bulb의 의미 전구는 엄청난 발명입니다. 전구가 보급되면서 노동생산성이 올라갑니다. 하지만 전구가 모든 공장에 설치된 이후에는? 전구 때문에 매년 생산성이 더 빨리 올라가지는 않습니다. 즉, 생산성 수준은 100 → 120 이 되지만 이후 성장률은 다시 원래대로 돌아갑니다. 2) Dynamo가 다른 이유 전기 모터는 단순히 기존 증기기관을 교체한 게 아닙니다. 공장 배치 자체를 바꿨습니다. 새로운 제조방식이 생겼고, 새로운 제품이 생겼고, 새로운 조직이 만들어졌습니다. ​ 그래서 GPT가 되려면 세 가지 조건이 필요합니다. 1)광범위한 확산 +

2) complementary/knock-on innovation + 3) 핵심 기술의 지속적 발전 입니다. ​ 저자들은 GenAI가 세 조건을 모두 갖추고 있다고 평가합니다. 특히 agents, robotics, user interface, digital twins, 조직 재설계 같은 AI 위에 만들어지는 2차 혁신이 중요합니다. 3) 더 중요한 것은 Microscope입니다 여기가 제가 가장 높게 평가하는 부분입니다. AI가 사람의 일을 빨리 처리하는 정도라면 GPT일 수 있습니다. 하지만 AI가 새로운 발명을 더 빨리 만들어내게 한다면 이야기가 완전히 달라집니다. ​ 이를 IMI — Invention in the Method of Invention 이라고 합니다. ​ 예를 들어 현미경이 있습니다. 현미경의 경제적 가치는 현미경 판매량에 있지 않습니다. 현미경을 이용해

세균을 발견하고 의약품을 만들고 생명과학을 발전시키는 후속 발견에 있습니다. AI도 마찬가지라는 겁니다. ​ 저자들은 AI가 연구의 네 가지 영역을 모두 개선한다고 봅니다. Observation → Analysis → Communication → Organization ​ 이게 왜 폭발적인가? 일반적인 AI 생산성 효과는 AI → 노동생산성 ↑ 입니다. ​ 하지만 IMI라면 AI → R&D 생산성 ↑ → 신기술 ↑ → 다시 생산성 ↑ → 더 좋은 AI/기술 ↑ 가 됩니다. ​ 그런데 더 중요한 것은 Microscope입니다 이 경우 단순히 AI가 GDP를 한 번 +5%, +10% 높이는 것이 아니라, 잠재성장률 자체에 장기적으로 영향을 줄 수 있습니다. 저자들이 AI를 GPT이면서 IMI라고 판단하는 이유입니다. GenAI가 노동생산성 수준을 의미 있게 높일 것이라는 것이

modal forecast지만, 크기와 시점의 범위는 매우 넓다. ​ 3. Michael Barr — 「What Will AI Mean for the Labor Market and the Economy?」 2026년 2월 17일. https://www.federalreserve.gov/newsevents/speech/barr20260217a.htm 이번 잭슨홀을 해석하는 데 더 중요할 수도 있습니다. 왜냐하면 연준 이사가 연구를 통화정책으로 번역해놓은 자료이기 때문입니다. Barr는 AI의 미래를 세 시나리오로 나눕니다. 시나리오 결과 정상적 GPT 확산 생산성 ↑, 일부 고용 이동, 실질임금 ↑ 초고속 AI 발전 Jobless Boom AI 발전 정체 과잉투자 → AI bust → 금융불안 현재까지의 데이터는 첫 번째 시나리오에 가장 가깝다고 평가합니다.

채택 속도는 굉장히 빠르다 ​ 2025년 12월 기준 Census 조사에서 미국 기업의 AI 사용률은 17%. 250명 이상 기업은 약 30%. McKinsey의 대기업 중심 조사에서는 AI 사용 경험이 88%, GenAI 사용은 2023년 33% → 2025년 79%까지 올라왔습니다. ​ ​ 하지만 여기서 중요한 단어가 breadth ≠ depth 입니다. ​ AI를 “쓴다”는 기업은 많지만, 기업 전체 조직을 AI에 맞게 재편한 기업은 아직 많지 않습니다. Barr가 직접 연준 내부 사례도 공개합니다 연준의 데이터베이스 현대화 작업에서 AI를 사용했더니 작업시간이 50% 감소하고, 테스트 과정에서 30% 더 많은 문제를 탐지·해결했다고 합니다. ​ 즉 미시적 효과는 이미 상당합니다. 하지만 macro 데이터에서는 아직 작습니다. 노동시장에서는 가장 먼저 신입이 맞는다

Barr가 굉장히 중요하게 보는 것이 young workers입니다. AI 노출도가 높은 직업의 초기경력 노동자, 예를 들어 software developer customer service 등에서 상대적 고용 감소가 나타나고 있습니다. ​ 흥미로운 것은 대규모 해고가 아니라 채용 감소 형태로 먼저 나타난다는 것입니다. ​ 기업 입장에서는 “기존 직원을 해고하고 AI로 대체” 보다 “예전 같으면 신입 10명을 뽑았을 것을 5명만 뽑는다” 가 훨씬 쉽기 때문입니다. 그런데 Barr 발언에서 제일 중요한 것은 노동시장이 아닙니다 r*입니다. ​ Barr는 AI가 성공하면 기업의 투자수요가 증가하고, 미래소득 증가를 예상한 가계는 저축을 줄일 수 있기 때문에 r*가 올라갈 수 있다고 명시합니다. ​ 심지어 Barr 자신은 높은 생산성을 반영해 자신의 장기 r* 추정치를 이미 상향했다고 밝힙니다.

( 그리고 결정적인 표현이 있습니다. AI boom은 정책금리를 낮출 이유가 될 가능성이 낮다. ​ 왜냐하면 초기 AI 투자는 데이터센터 전력 건설 반도체 자본 수요를 폭증시켜 오히려 인플레를 만들 수 있기 때문입니다. 4. 「The AI Buildout and the Economy」 2026년 7월 17일 저는 잭슨홀 전 자료 중 이 논문이 가장 중요하다고 봅니다. 왜냐하면 연구 목적 자체가 AI가 지금 경제 사이클의 어디까지 왔는지를 실시간으로 측정하자 이기 때문입니다. 그리고 저자들은 GPT의 발전단계를 명확하게 세 단계로 정의합니다. ① Capability & Cost ↓ ② Investment & Adoption ↓ ③ Productivity & Labor ​ 그리고 현재 미국은 어디에 있느냐? 2단계입니다. ​ 즉, Buildout phase.

아직 productivity phase가 아닙니다. Capability는 무서울 정도로 좋아지고 있다 저자들은 METR의 agentic task horizon을 사용합니다. AI가 50% 확률로 해결할 수 있는 “사람 기준 작업시간” 이 얼마나 길어지는지를 측정합니다. ​ 2026년 중반 현재 이 시간은 몇 달마다 대략 두 배씩 증가하고 있습니다. 이 속도가 계속되면 수년 내 AI가 사람이 일주일 걸리는 종류의 소프트웨어 작업도 수행할 가능성이 있다는 겁니다. 물론 추세가 그대로 지속된다는 보장은 없습니다. 동시에 비용도 떨어진다 GPU의 $/TFLOP $/memory bandwidth 가 장기적으로 급락합니다. 이건 매우 중요합니다. ​ AI 자동화의 경제성은 AI capability / AI cost 이기 때문입니다. ​ ​ 그런데 저자들이 재미있는 것을 봅니다.

HBM입니다. AI 비용 감소를 막는 새로운 bottleneck으로 memory를 지목하고, 삼성전자와 SK하이닉스가 DRAM/HBM의 지배적 공급자이기 때문에 한국의 반도체 수출가격을 AI input cost의 실시간 지표로 사용합니다. 한국 투자자 입장에서는 상당히 재미있는 부분입니다. Capex는 이미 엄청나다 연준은 hyperscaler CAPEX data center construction computer & peripheral investment semiconductor production 을 같이 봅니다. ​ 2025~2026년 1분기 AI 관련 투자 항목은 미국 GDP 성장에 의미 있게 기여했습니다. 하지만 중요한 함정이 있습니다. 상당 부분이 수입입니다. 따라서 미국 기업이 GPU를 $100B 샀다고 미국 GDP가 $100B 올라가는 것이 아닙니다. 수입이기 때문입니다.

실제로 일부 분기에는 IT 장비 수입 증가가 AI 투자의 GDP 기여를 상당 부분 상쇄했습니다. ​ 이 부분이 바로 3일 전 나온 Current Account 논문과 연결됩니다. 그런데 생산성 데이터는? 여기가 진짜 중요합니다. AI 노출이 높은 산업 Information Finance Professional & Business Services 의 생산성이 상대적으로 좋긴 합니다. ​ 그러나 장기 추세로 보면 고·중·저 AI 노출 산업의 생산성 패턴이 아직 크게 갈라지지 않았습니다. 연준의 표현대로라면 micro-level productivity gains are not yet adding up in aggregate. 입니다. ​ 예를 들어 코딩 업무 하나가 20% 빨라져도 회의 결재 고객 승인 법률 검토 다른 병목 이 그대로면 회사 전체 생산량은 20% 증가하지 않습니다.

저는 이 논문의 이 문장이 가장 중요하다고 봅니다 연준 연구진은 현재 금융시장은 AI narrative에 매우 민감하게 반응하지만, aggregate output & labor data에는 아직 broad transformation이 제한적이라고 명시합니다. ​ 즉, Market Belief > Macro Evidence 입니다. 이게 우리가 말했던 AI credibility gap입니다. 5. 「The State of AI Competition in Advanced Economies」 2025년 10월 6일 이 논문은 다른 논문과 성격이 다릅니다. 거의 AI 국가경쟁력 보고서입니다. 그리고 결론은 상당히 미국 중심적으로 명확합니다. 미국은 여전히 AI 전쟁에서 압도적으로 유리하다. 특히 compute와 capital에서 그렇습니다. (연방준비제도) https://www.federalreserve.gov/econres/notes/feds-notes/the-state-of-ai-competition-in-advanced-economies-20251006.html

The State of AI Competition in Advanced Economies The Federal Reserve Board of Governors in Washington DC. www.federalreserve.gov 미국의 Compute Advantage 2025년 자료 기준 전 세계 관측 가능한 고성능 AI supercomputer compute 중 미국 74% 중국 14% EU 4.8% 입니다. ​ 미국의 데이터센터 숫자와 server base도 압도적입니다. 즉 현재 AI 전쟁의 핵심 생산요소인 Compute Capital 을 미국이 장악하고 있습니다. Capital Advantage도 압도적 2013~2024 누적 민간 AI 투자: 미국 $470B+ EU 약 $50B UK $28B Canada $15B Japan $6B 입니다.

GenAI VC 투자에서도 미국이 전 세계의 75% 이상을 차지합니다. ​ 미국의 AI 강점이 기술만이 아니라 Wall Street + Silicon Valley + hyperscaler 의 결합이라는 뜻입니다. 그런데 치명적인 약점 하나 Electricity. ​ 중국 발전설비: 약 3,200GW 미국: 약 1,293GW 입니다. ​ 2024년 중국은 한 해에 429GW를 추가했습니다. 미국보다 15배 이상 많은 규모입니다. ​ 게다가 미국 데이터센터는 이미 미국 평균 전력사용량의 약 8.9%에 해당하는 전력을 사용합니다. 그리고 2030년까지 미국 전력수요 증가의 약 절반이 데이터센터에서 발생할 것으로 예상합니다. ​ 그래서 미국 AI 패권의 가장 큰 bottleneck은 GPU가 아니라 Electricity 가 될 수 있습니다. 이것을 미국 정책과 연결하면 재미있습니다

이 자료가 말하는 미국의 비교우위는 Compute Capital Markets R&D Software AI diffusion 이고, 비교열위는 Energy capacity 입니다. ​ 따라서 미국이 AI 패권을 지키려면 전력망 발전소 원전 가스 데이터센터 투자를 정책적으로 지원할 이유가 매우 큽니다.. ​ 이건 단순히 NVDA를 돕는 산업정책 문제가 아닙니다. 미국의 잠재성장률을 지키는 국가전략 이 됩니다. 6. 「Technology Shocks, the AI Boom, and the U.S. Current Account」 Fiori, Lipa, Nuenninghoff, 2026년 7월 14일 ​ AI 혁명이 좋은 기술이라면 미국 경제에 무조건 좋을 것 같지만, 단기적으로는 오히려 미국 경상수지를 악화시킵니다. 왜냐하면 AI 장비의 약 90%를 해외에서 조달하기 때문입니다.

​ 주요 공급국은 한국 대만 멕시코 동아시아 입니다. 논문의 핵심 구분 기술충격을 두 종류로 나눕니다. ​ 1) Investment-Specific Technology Shock 새로운 기술을 쓰려면 새 자본을 사야 합니다. AI가 현재 여기에 해당합니다. GPU를 사고 HBM을 사고 데이터센터를 짓고 네트워크를 구축해야 합니다. 2) Neutral Technology Shock 기존 경제 전체의 생산성이 그냥 올라갑니다. 이게 우리가 기다리고 있는 AI 생산성 혁명 2단계입니다. 현재는 어느 쪽인가? 논문의 답은 명백합니다. Investment-specific shock.입니다. ​ 아직 neutral productivity shock이 아닙니다. 이게 정말 중요한 표현입니다. 논문의 SVAR 결과 1993~2019년 미국 데이터를 이용해 구조적 VAR을 돌립니다.

​ investment-specific technology shock이 발생하면 대략 투자 +2% output 약 +0.5% 경상수지/GDP 약 -0.2%p import price 약 +1% 의 반응이 나타납니다. ​ 그리고 investment-specific shock이 경상수지 변동의 약 60%를 설명한다고 추정합니다. ​ 물론 이 숫자를 현재 AI에 그대로 적용하면 안 됩니다. 1993~2019년 데이터를 기반으로 한 역사적 식별이기 때문입니다. 하지만 방향은 중요합니다. AI 투자의 초기 단계 AI 성능 ↑ → 새로운 GPU 필요 → 미국 CAPEX ↑ → 한국·대만 반도체 수입 ↑ → 미국 무역적자 ↑ → Current Account 적자 ↑ → 해외 자금조달 필요 ↑ 가 됩니다. ​ 더구나 반도체 가격이 예전처럼 계속 떨어지는 것도 아닙니다.

연준 연구진은 코로나 이후 컴퓨터·반도체 수입가격이 과거의 장기 하락추세에서 벗어나 상승하고 있다는 점도 위험요인으로 지적합니다. ​ 한국에는 반대 효과입니다 미국 AI capex shock은 한국과 대만의 GDP 제조업 수출 에 상당한 positive spillover를 줍니다. ​ 논문은 캐나다처럼 미국과 전체 교역이 큰 국가보다 한국·대만처럼 Technology Supply Chain에 특화된 국가의 효과가 더 크다 ​ ​ 한국 증시에서 AI capex cycle이 이렇게 중요한 이유를 연준이 매크로 데이터로 설명한 셈입니다. 이제 여섯 편을 하나로 연결해보겠습니다 여기가 가장 중요합니다. 연준 연구를 시간 순서가 아니라 AI 경제 사이클 순서로 배치하면 이렇게 됩니다.​ 단계 연준 자료 경제 현상 ① AI 성능 발전 Generative AI: What Type?

GPT + IMI 가능성 ② 미국이 선점 State of AI Competition Compute·자본·R&D 미국 우위 ③ 엄청난 CAPEX AI Buildout 데이터센터·GPU·전력 투자 ④ 초기 부작용 Current Account 수입↑, 물가압력↑, CA 악화 ⑤ 금리 상승 압력 Barr 투자수요↑ → r*↑ ⑥ 기대 계속 상승 Overinvestment 기술이 계속 기대를 이겨야 투자 지속 ⑦ 최종 시험 ??? CAPEX → aggregate productivity 우리는 지금 ③~⑤ 사이에 있습니다. 아직 ⑦이 확인되지 않았습니다. 그래서 금융억압과의 연결을 다시 생각해보면 이은택 팀장의 금융억압 논리와 이것을 연결하면 상당히 재미있습니다. ​ 미국의 문제는 결국

Debt / GDP 입니다. 대략적으로 정부부채 동학은 Debt ratio ↑ if r > g 입니다. ​ 반대로 g > r 을 오래 만들면 부채비율을 낮추기가 쉬워집니다. ​ 금융억압은 이것을 r를 인위적으로 낮춤 으로 해결합니다. ​ 그런데 AI는 g를 높이는 카드 입니다. ​ 그래서 처음에는 굉장히 궁합이 좋아 보입니다. 하지만 Barr 논문 때문에 조건 하나를 추가해야 합니다 AI는 동시에 r*도 올립니다. 따라서 미국이 원하는 것은 단순히 AI → g ↑ 가 아닙니다. Δg > Δr 이어야 합니다. ​ 그리고 더 정확히 말하면, AI가 만들어내는 명목 GDP·세수 증가가 미국 정부의 평균 자금조달비용 상승을 압도해야 합니다. 이게 성공하면 금융억압은 훨씬 부드러워집니다. 성공 시나리오 AI CAPEX → AI diffusion

→ 기업 조직 재편 → 노동생산성 ↑ → R&D 생산성 ↑ → 새로운 혁신 ↑ → TFP ↑↑ → 잠재성장률 ↑ → 임금·기업이익·세수 ↑ → g > r → Debt/GDP ↓ 이 경우 미국 정부는 아주 극단적인 YCC를 하지 않아도 됩니다. 실패 시나리오 AI 기대 ↑ → CAPEX 폭증 → GPU·HBM·전력 수요 ↑ → import ↑ → 경상적자 ↑ → inflation ↑ → r* ↑ → 장기금리 ↑ 그런데 aggregate productivity는 안 나옴. ​ 그러면 → AI 기대 하락 → Capex cut → 데이터센터 과잉 → corporate bond stress → equity crash 가 됩니다. Barr가 언급한 railroad와 dark fiber 시나리오이고, Geng Li의 overinvestment 논문과 정확히 같습니다.

그래서 처음 말씀하신 “AI에 대한 믿음”이라는 표현이 굉장히 재미있습니다 ​ 미국은 AI에 대한 Faith가 필요한 것이 아니라, AI Productivity에 대한 Credibility가 필요하다. Faith는 현재까지 이미 충분합니다. ​ 주가가 올랐고, 기업들이 수천억 달러를 투자하고, 은행과 채권시장이 AI 인프라에 돈을 빌려주고 있습니다. ​ 즉 믿음은 이미 있습니다. 문제는 이제 그 믿음을 Evidence 로 바꾸는 것입니다. ​ 이번 잭슨홀을 이 프레임으로 보겠습니다 Warsh가 AI를 언급한다면 단순히 “AI is transformative” 는 별 의미가 없습니다. ​ 진짜 중요한 것은 어느 단계라고 보느냐입니다. Bullish / 장기금리에도 긍정적인 AI “productivity gains are broadening”

“potential output is increasing” “AI is expanding productive capacity” “supply-side benefits are materializing” 같은 표현입니다. ​ 이건 Investment Shock → Productivity Shock 전환을 인정하는 것입니다. 반면 “strong investment demand” “power constraints” “capital formation” “productivity gains remain uncertain” “neutral rate” 를 강조한다면, ​ 아직 AI는 생산성 혁명보다는 금리를 올리는 CAPEX boom이라는 의미입니다. ​ 우리의 질문은 “미국은 왜 AI를 반드시 성공시켜야 하는가?” 에서 “미국은 AI가 성공했다고 시장을 계속 믿게 만들어야 한다”

​ 그리고 마지막에는 이렇게 결론 내릴 수 있습니다. 1940년대 금융억압에는 자본통제가 필요했다. 2020년대 금융억압에는 자본통제보다 먼저 ‘미국을 떠날 이유가 없게 만드는 성장자산’이 필요할 수도 있다. ​ 지금 그 역할을 하고 있는 것이 AI다. 하지만 AI가 투자에서 생산성으로 넘어가지 못하는 순간, 그 믿음은 오히려 미국의 가장 큰 리스크가 된다. ​ ⚡️변동성 지표 📈 주식 (Stocks) ​ 💵 환율 (Currencies) 🏦 채권 (Bonds) ₿ 가상자산 (Cryptocurrencies) ​ 🛢️ 원자재 (Commodities) ​ ​ ​ ​ (S) 전 지수 상승 마감 상승종목(53%) > 하락종목(42%) ​ ​ S&P500 map https://finviz.com/map.ashx 반도체 상승 (NVDA +2.19%, AVGO -0.56%, MU +2.48%, AMD +4.91

%) 소프트웨어 혼조 (MSFT +0.90%, ORCL +1.62%, PLTR -1.80%, GOOGL -0.32%) 유틸리티 상승 (GEV -1.63%, ETN +0.13%, CEG +1.82%, VST +2.48%) ​ ​ 52주 신고가 <헬스케어> - 머크앤드컴퍼니 - 암젠 - Halozyme Therap - Travere Therapeutics - 써모 피셔 사이언티픽 - 버텍스 파마슈티컬 ​ <귀금속/원자재> - 뉴몬트 골드코프 코퍼레이션 - BHP 빌리턴 ​ <금융> - 비자(V) ​ SOX (필라델피아 반도체) +0.18% ​ DRAM(메모리반도체) +3.61% ​ XLF (금융) +0.15% ​ CLOU (클라우드 소프트웨어) -0.79% ​ XLV (헬스케어) +0.34% ​ BTC (비트코

인) -0.44% NVIDIA Corporation (NVDA)(+2.19%) 🔴 주요 내용 요약 엔비디아 베라루빈 첫 테스트 딥시크 처리량 30배 급증 벤치마크 : "1메가와트당 토큰 수" : GB300 대비 전력당 처리량 최대 30배 전력효율 : GB300대비 2배~30배 개선 응답속도 : GB300대비 초저지연 성능 제공 GB300이 감당 못 하는 고속 응답 영역(160 이상)을 Vera Rubin은 실용적인 효율로 처리 엔비디아 베라루빈 첫 테스트 딥시크 처리량 30배 급증 https://developer.nvidia.com/blog/nvidia-vera-rubin-and-blackwell-set-a-new-standard-for-agentic-ai-performance-per-watt/ 벤치마크 : "1메가와트당 토큰 수" 데이터센터는 전력이 곧 비용이자

한계 "얼마나 빠른가"보다 "같은 전기로 얼마나 많이 처리하는가"가 중요한 지표 단, 너무 느려지면 안 되니 사용자 체감 속도(첫 글자까지 걸리는 시간, 총 응답 시간)를 함께 봄 *모델이 클수록 격차가 더 벌어진다는 점이 중요 비교 결과 Vera Rubin NVL72 vs GB300 NVL72 전력당 처리량 최대 30배 GB300 NVL72 vs H200 NVL8 전력당 처리량 최대 15배, 토큰당 비용 1/10 초대형 모델(Kimi K3 2.8T)에서는 최대 80배 ​ 이걸 가능하게 한 기술 NVLink: GPU 72개를 한 덩어리처럼 묶는 초고속 연결 MoE 최적화: 거대 모델의 '전문가' 조각들을 여러 GPU에 잘 나눠 돌리는 기술 Dynamo: 입력 처리 단계와 답변 생성 단계를 분리해 각각 최적화, 이미 계산한 컨텍스트는 재활용해서 낭비

제거 ​ 핵심 차트 (Figure4) : "사용자를 얼마나 빠르게 응대하면서, 같은 전기로 얼마나 많이 처리할 수 있나" <차트설명> 가로축 = 사용자 체감 속도 (1인당 초당 토큰)오른쪽으로 갈수록 사용자에게 글자가 빨리 뿌려짐 세로축 = 전력 효율 (MW당 초당 토큰). 위로 갈수록 같은 전기로 더 많이 처리 같은 가로축 위치에서 곡선이 얼마나 위에 있나 (= 몇 배 효율적인가) 곡선이 오른쪽으로 어디까지 뻗나 (= 얼마나 빠른 응답까지 감당 가능한가) <차트해석> 전력효율 : GB300대비 2배~30배 개선 응답속도 : GB300대비 초저지연 성능 제공 GB300이 감당 못 하는 고속 응답 영역(160 이상)을 Vera Rubin은 실용적인 효율로 처리 ​ 엔비디아 실적 발표 예정 (한국시간 8/27 목요일 오전

6시) 🔴 주요 내용 요약 엔비디아 실적 발표 예정 (한국시간 8/27 목요일 오전 6시) 매출 예상치 : 922억달러 (전년 동기 대비 +97%) EPS 예상치 : 2.09달러 (전년 동기 대비 +99%) 매출총이익률 : 75% ​ 실적 주요 체크 포인트 ✅ 실적 예상치 BEAT(상회) 여부 ✅ 매출총이익률 75% 부합 ✅ 3분기 가이던스 상향 폭 ✅베라 루빈 출하 계획, 수익성 ✅ AI인프라 생태계 확장 자금 계획 ✅ 하이퍼스케일러 VS 그 외 매출 비중 엔비디아 실적 발표 예정 (한국시간 8/27 목요일 오전 6시) 항목 예상치 전년 동기 대비 % 2Q 매출 예상치 922억 달러 +97% 2Q EPS 예상치 2.09달러 +99% 매출총이익률 75% 전년 동기

72% 3Q 매출가이던스 1,040억달러 +82% 실적 주요 체크 리스트 ✅ 실적 예상치 BEAT(상회) 여부 ✅ 매출총이익률 75% 부합 ✅ 3분기 가이던스 상향 폭 ✅베라 루빈 출하 계획, 수익성 ✅ AI인프라 생태계 확장 자금 계획 ✅ 하이퍼스케일러 VS 그 외 매출 비중 ​ 모건스탠리 2Q 프리뷰 ​ “실적 자체는 좋을 가능성이 높지만, 주가를 결정할 포인트는 숫자보다 $500B 파이낸싱 플랫폼, Rubin 램프, 마진, Agentic AI용 CPU 수요” $500B 고객 파이낸싱 플랫폼 Nvidia와 금융 파트너들이 AI 인프라 구축을 지원하기 위한 $500B 규모 파이낸싱 플랫폼 발표 Nvidia가 프로젝트별로 최대 약 25%의 residual-value support를 제공할 가능성 투자자 핵심 관

심사는 Nvidia의 실제 최대 자본 투입 규모 다운사이드 발생 시 손실 부담 범위 Buyback·배당 등 기존 자본환원 정책에 미치는 영향 Goldman은 이 부분이 이번 실적 콜의 가장 중요한 주가 변수 중 하나라고 판단 ​ Rubin 램프 3Q부터 Rubin 제품 램프가 시작될 것으로 전망 투자자들은 단순 출시보다 3Q와 2027년의 램프 속도에 주목 기존 Hyperscaler뿐 아니라 AI labs, Neoclouds, Sovereign customers로 고객층이 확장되는지 Blackwell + Blackwell Ultra + Rubin의 2025~2027 누적 매출 $1T 가이던스에 대한 업데이트 ​ GPU 수급 미국 Hyperscaler들의 2026년 CapEx 전망이 계속 상향 단기 GPU 공급 부족 관련 코멘트도 이어지고

있음 Goldman은 여전히 GPU 공급/수요가 타이트한 상태라고 판단 실적 Beat 가능성은 높지만, 최근 주가가 2주간 +12% 올라 기대치 자체도 상당히 높아진 상황 ​ Gross Margin Nvidia는 최근 2개 분기 연속 75%+ Gross Margin 기록 다만 HBM을 중심으로 원가 상승 압력이 확대 투자자들은 향후 1년간 75% 수준의 마진을 얼마나 유지할 수 있을지에 주목 Goldman 채널체크상 일부 Rubin 서버에서 HBM 탑재량을 최대 50% 줄이는 방안을 추진 중 성공 시 HBM 비용 및 공급 병목 완화에 긍정적 ​ Hyperscaler ROI / Monetization Goldman은 실적 이후 시장의 관심이 단순 CapEx 증가에서 AI 투자 → Monetization → ROI로 이동할 것으로

전망 Hyperscaler들의 수익성 개선이 확인돼야 지속적인 AI CapEx 증가를 정당화할 수 있음 Emerging neocloud 고객들의 실행력도 중요 체크포인트 ​ 하이퍼스케일러 고객 매출 비중 vs 그 외 고객 매출 비중 지난 5월 실적 발표 에서 하이퍼스케일러 기업들을 나머지 기업들과 구분하기 위해 보고 방식을 변경 1분기에는 두 부문의 매출이 거의 비슷, 이번 분기 매출원의 다각화가 가속화될 수 있을지 주목 황 CEO는 5월 실적 발표 ”가장 쉬운 시장 진출 대상은 당연히 하이퍼스케일러입니다. 그런 기업은 다섯, 여섯 개 정도밖에 없기 때문이죠.” ”나머지 기업들, 즉 업계의 나머지 기업들은 전 세계적으로 25만 개에 달합니다.” ​