2026년 8월 24일 월요일

생각정리 350 (* Debt, centralization )

부채의 시대, 성장의 조건


고령화와 정치가 Public Debt를 늘리고, AI가 국가·기업·자산의 집중을 가속하는 방식


전 세계 주요국의 Public Debt가 구조적으로 증가할 수밖에 없는 가장 큰 이유 가운데 하나는 결국 인구구조의 변화라고 생각한다.

민주주의 국가에서 고령층의 인구와 투표 비중이 커질수록 연금·의료·장기요양 지출을 줄이기는 어려워진다. 반면 이 비용을 부담할 생산연령인구는 감소하기 때문에 세수 기반과 잠재성장률은 동시에 약해진다.

과거에는 경기침체가 끝나면 재정지출도 줄어들고 재정수지가 다시 정상화될 수 있다는 믿음이 있었다. 그러나 지금 주요국이 부담하는 복지·국방·에너지 안보·전력망 투자와 이자비용은 경기가 회복된다고 자연스럽게 사라지는 지출이 아니다.

생각정리 347 (* AI Fiscal Race, Public Debt)

대충 어설픈 논리로 손바닥을 들어 하늘을 가리려 하지 말라는 뜻..

결국 2차 세계대전 이후 선진국이 누렸던 두 가지 배당이 동시에 끝나고 있다.

하나는 베이비붐 세대가 대규모 노동력과 납세자로 편입되며 만들어낸 Demographic Dividend였고, 다른 하나는 냉전 종식과 세계화가 제공한 Peace Dividend였다.

이제 베이비붐 세대는 노동시장에서 은퇴하고 있고, 세계화는 후퇴하고 있으며, 각국은 다시 국방과 에너지 안보에 더 많은 자본을 투입해야 한다. 과거의 배당이 사라지는 것을 넘어, 그 배당이 반대 방향으로 작동하는 시대에 들어서고 있다.

생각정리 139 (* The Age Of Turbulence, Alan Greenspan)


1. 고령화는 어떻게 국가부채로 바뀌는가


고령화가 국가재정으로 전달되는 첫 번째 경로는 지출이다.

Retirees ↑ → Pension·Healthcare·Long-term Care ↑ → Primary Spending ↑ → Fiscal Deficit ↑ → Sovereign Issuance ↑ → Interest Expense ↑

두 번째 경로는 성장과 세수다.

Working-age Population ↓ → Labor Supply ↓ → Potential Growth ↓ → Tax Base Growth ↓ → Debt/GDP ↑

고령화는 정부지출이라는 분자를 늘리는 동시에 GDP와 세수라는 분모의 성장속도를 떨어뜨린다. 정부가 별다른 제도변경을 하지 않아도 부채비율이 자연스럽게 높아지는 이유다.

물론 고령층에게 지출되는 자본이 아무런 경제적 가치를 만들지 않는 것은 아니다. 의료와 요양은 서비스를 생산하고 고용을 창출하며, 고령층의 건강을 유지하는 것은 가족의 돌봄 부담을 줄이는 데에도 기여한다.

그러나 연금은 기본적으로 이전지출이고, 의료·요양은 기존 인구의 건강과 생활을 유지하는 성격이 강하다. 전력망·공장·교육·연구개발처럼 미래의 생산능력과 세수 기반을 직접 확장하는 투자와는 경제적 성격이 다르다.

문제의 본질은 고령층 관련 지출이 무의미하다는 것이 아니다.

현재의 소비와 유지비용이 정부예산에서 차지하는 비중은 커지는데, 이를 미래에 부담할 노동력과 세수 기반은 줄어든다는 데 있다.

고령화가 국채시장에 미치는 영향도 시간에 따라 달라진다. 은퇴 준비 단계에서는 가계저축과 연금자산이 늘어나 채권수요가 확대될 수 있지만, 본격적인 은퇴와 자산인출 단계에서는 연금지급과 의료지출이 증가하고 장기채를 매입하던 자연 수요의 성장도 둔화한다.

결국 어느 시점부터는 **Bond Supply ↑ + Natural Buyer Growth ↓**가 동시에 나타날 수 있다. 재정적자가 국채공급을 늘리는 동안 이를 장기간 보유할 국내 저축기반의 증가세는 약해지는 구조다.


2. 사회보장 축소가 정치적으로 어려운 이유


이 문제의 경제적 처방은 비교적 분명하다. 연금의 수급연령과 급여증가율을 조정하고, 의료·복지지출의 증가속도를 낮추며, 기초재정적자를 줄여야 한다.

그러나 경제적으로 필요한 개혁과 민주주의에서 실행 가능한 개혁은 서로 다른 문제다.

인간은 미래의 불확실한 재정부담보다 현재 확실하게 받는 연금·의료·주거·보육 혜택을 훨씬 크게 평가한다. 이미 받던 혜택의 축소는 새로운 혜택을 얻지 못하는 것보다 더 강한 상실감과 저항을 일으킨다. 정치인은 이러한 인간의 본성과 유권자의 선택을 반영하는 존재다. 

(*정치인 욕할 필요 없다. 내가 속한 사회의 평균, 인간의 본성 자체가 그런 것이다.. 그저 개별 개인별로 겉으로는 안그런척 하고 살아갈 뿐이다.)

복지 확대의 수혜자는 지금 투표하지만, 그 비용을 부담할 미래세대와 아직 태어나지 않은 세대는 현재의 선거에 참여하지 못한다. 복지 축소의 손실은 특정 집단에 즉시 집중되지만, 재정건전화의 편익은 수십 년에 걸쳐 사회 전체에 분산된다.

Beneficiaries Today ↑ → Voting Power ↑ → Reform Cost ↑ → Fiscal Adjustment Delayed → Future Burden ↑

고령화가 진행될수록 이 구조는 자기강화된다. 고령층의 인구와 투표율이 높아질수록 사회보장 지출을 공개적으로 줄이겠다고 말할 정치인은 더욱 희소해질 수밖에 없다.

따라서 실제 재정조정은 투명하고 점진적인 복지 축소보다 다음과 같은 우회적인 방식으로 나타날 가능성이 높다.

  • 명목급여는 유지하지만 물가상승을 통해 실질급여를 줄인다.

  • 명목세율보다 공제·과세표준을 조정해 실질세부담을 높인다.

  • 연금 수급연령과 자격조건을 조금씩 바꾼다.

  • 국채발행을 늘려 현재의 부담을 미래로 넘긴다.

  • 위기가 발생하면 중앙은행과 금융시스템을 통해 손실을 사회 전체로 분산한다.


결국 사회보장 프로그램은 정치인의 자발적인 결단으로 축소되기보다, 채권시장이 기존 재정경로를 더 이상 받아들이지 못하는 순간에 외부적으로 조정을 강요받을 가능성이 높다.

인간은 국가의 장기 지급능력을 최우선으로 선택하도록 만들어지지 않았다. 자신과 가족의 현재 안전을 먼저 지키도록 형성돼 있다. 고령화 시대의 재정문제는 합리적인 정책을 몰라서 발생하는 문제가 아니라, 개별적으로는 합리적인 선택이 집단적으로는 지속 불가능한 결과를 만드는 정치경제적 딜레마에 가깝다.


3. 10년 뒤와 20년 뒤, 예산은 얼마나 경직되는가


각국의 공식 장기전망을 연금·공공의료·장기요양·순이자비용이라는 동일한 항목으로 재분류하면, 이들 지출이 전체 정부예산에서 차지하는 비중은 대략 다음과 같이 높아질 가능성이 있다.




위 수치는 국가별 회계범위가 서로 다르기 때문에 절대적인 복지부담의 순위를 보여주는 정밀 비교가 아니다. 각국의 공식 전망을 바탕으로 정부가 재량적으로 사용할 수 있는 예산의 공간이 얼마나 줄어드는지를 보기 위한 Base Case 추정치에 가깝다.

미국은 이미 연방예산의 상당 부분이 Social Security, Medicare를 비롯한 의료지출과 순이자비용으로 묶여 있다. CBO는 2036년 미국의 연방지출이 GDP의 24.4%, 재정적자가 6.7%, Public Debt가 120%에 이를 것으로 전망하며, 지출 증가의 중심에 사회보장·의료·이자비용이 있다고 본다.

참고자료: CBO, The Budget and Economic Outlook: 2026 to 2036

https://www.cbo.gov/publication/61882?utm_source=chatgpt.com



영국과 일본도 현재 약 절반 수준인 경직성 지출 비중이 2040년대로 갈수록 더 높아질 가능성이 크다. 영국 OBR은 인구고령화와 의료비 증가가 장기 재정수지를 악화시키며, 현행 정책이 유지될 경우 2070년대 초반 부채비율이 GDP의 270%를 넘어설 수 있다고 경고한다.

참고자료: UK OBR, Fiscal Risks and Sustainability Report 2025

독일은 복지지출의 절대 수준이 이미 높기 때문에 증가폭은 상대적으로 작아 보인다. 그러나 세금과 사회보험료 인상, 급여조건 조정으로 부채증가를 억제한다면 부담은 국채위기보다 가처분소득 감소·노동비용 상승·낮은 잠재성장률의 형태로 나타날 수 있다.

한국은 현재의 절대 부담보다 증가속도가 더 중요하다. 국회예산정책처는 현행 제도가 유지되면 의무지출이 총지출에서 차지하는 비중이 **2025년 54.4%에서 2072년 64.3%**로 상승하고, 총수입은 GDP의 **24.5%에서 22.0%**로 낮아질 것으로 전망한다.

참고자료: 국회예산정책처, 2025~2072년 NABO 장기재정전망

결국 중요한 것은 복지비가 증가한다는 사실만이 아니다.

연금·의료·이자비용이 예산을 먼저 점유하면서 국방·에너지·전력망·교육·연구개발·AI 인프라에 사용할 수 있는 재정공간을 줄인다는 것이 더 중요하다.

 


4. 부채보다 빠른 GDP를 만들 수 있는가


현재 정책과 제도가 큰 폭으로 바뀌지 않는다는 Base Case에서 각국의 Debt/GDP는 대략 다음 경로를 보일 가능성이 있다.




2036년 수치는 공식 중기전망을 중심으로 사용했고, 공식 전망 특정 연도까지만 제공되는 국가는 장기 성장률과 재정수지 경로를 연장해 2046년을 추정했다. 따라서 이 표는 특정 연도의 정밀한 Point Forecast가 아니라 현행 제도를 유지했을 때 나타나는 방향과 기울기를 보여주는 비교용 시나리오다.

한국은 국가채무의 절대 수준은 아직 주요 선진국보다 낮지만, 국회예산정책처의 현행제도 유지 시나리오에서는 Debt/GDP가 2025년 47.8%에서 2040년 80.3%, 2050년 107.7%, 2072년 173.0%로 상승한다.

같은 전망에서 한국의 실질성장률은 2030년 1.9%, 2040년 1.2%, 2050년 0.8%로 낮아진다. 부채를 안정시키기 위해 필요한 성장률은 높아지는데 실제 잠재성장률은 낮아지는 정반대의 흐름이다.

Debt/GDP가 올라가지 않으려면 결국 명목 GDP가 명목 부채와 비슷한 속도로 증가해야 한다. 앞선 부채경로와 명목 GDP 전망을 이용해 역산하면, 세금 인상이나 복지조정 없이 성장만으로 현재의 부채비율을 유지하기 위해 필요한 명목 GDP CAGR은 대략 다음과 같다.





미국은 향후 10년 동안 명목 GDP가 연평균 약 5.8% 성장해야 현재 부채비율을 유지할 수 있다. 물가상승률을 2%로 가정하면 약 3.7%의 실질성장률이 필요하며, 장기 잠재성장률보다 매년 1.5~2.0%p 높은 수준이다.

독일과 한국의 숫자는 더욱 극단적이다. 독일은 재정조정 없이 연 6% 이상의 명목성장이 필요하고, 한국은 물가를 제외하더라도 약 5%의 실질성장을 장기간 지속해야 한다.

이는 실제 달성 가능한 성장 전망이라기보다, 현재의 지출·조세·연금제도를 그대로 유지하면서 성장만으로 부채를 안정시키는 것이 사실상 불가능하다는 점을 역으로 보여주는 수치다.

국가부채의 지속가능성을 좌우하는 핵심은 결국 rg의 관계다.

부채비율 변화 ≈ 기초재정적자 + (실효금리 r − 명목성장률 g) × 기존 부채비율

gr보다 충분히 높으면 기존 부채의 부담을 성장으로 흡수할 수 있다. 반대로 r > g인 상태에서 기초재정적자까지 지속되면 부채비율은 누적적으로 상승한다.

문제는 지금 주요국이 r에는 상방압력을 받으면서 g에는 하방압력을 받고 있다는 점이다. 고령화는 노동공급과 잠재성장률을 낮추고, 복지·국방·에너지 안보는 국채공급을 늘린다. 여기에 AI 데이터센터·전력망·반도체 생산시설을 위한 민간 장기자본 수요까지 겹친다.

글로벌 채권시장은 과거보다 훨씬 많은 Sovereign Debt와 Private Infrastructure Debt를 동시에 소화해야 한다. 저축보다 자본수요가 빠르게 늘어난다면 장기금리와 기간 프리미엄은 구조적으로 높아질 가능성이 크다.


5. AI는 사실상 유일하게 남은 g의 돌파구다


명목성장을 높이는 가장 쉬운 방법은 인플레이션이다. 그러나 인플레이션은 고정금리 부채의 실질가치를 일시적으로 희석할 뿐, 시간이 지나 국채가 차환되고 임금·의료비·물가연동 급여가 조정되면 이자비용과 재정지출을 다시 끌어올린다.

Inflation ↑ → Nominal GDP ↑ → 단기 Debt/GDP 완화 → Bond Yield·Indexed Spending ↑ → Interest Expense ↑

반면 생산성 향상으로 실질성장이 높아지면 GDP뿐 아니라 기업이익·임금·세수 기반이 함께 증가한다.

Productivity ↑ → Real GDP ↑ → Profit·Wage Income ↑ → Tax Base ↑ → Primary Deficit ↓

고령화로 노동투입이 줄고 세계화의 비용절감 효과까지 약해지는 환경에서 실질성장률을 다시 끌어올릴 수 있는 사실상 유일한 대규모 돌파구는 AI다. AI가 인간의 지식노동을 보완하고 연구개발·소프트웨어·제조·물류·의료·행정 전반의 생산성을 높인다면, 주요국은 노동인구 감소에도 불구하고 더 높은 산출과 세수를 만들어낼 수 있다.

IMF의 2025년 분석에서도 향후 10년간 AI가 세계 GDP 수준을 약 1.3~4.0% 높일 수 있지만, 그 효과는 국가별로 균등하지 않았다. 미국의 산출 증가 효과는 시나리오에 따라 1.9~5.6%로 가장 크게 추정됐고, 선진국의 소득증가 효과는 저소득국의 두 배에 이를 수 있다고 보았다.

참고자료: IMF, The Global Impact of AI: Mind the Gap, April 2025

AI가 다른 범용기술과 다른 점은 소프트웨어만으로 확산되지 않는다는 데 있다. 최첨단 반도체, HBM, 첨단 패키징, 대규모 데이터센터, 전력과 송전망, 냉각설비, 토지, 자본, 데이터와 고급인력이 모두 필요하다.

이 자원들은 단기간에 무한히 늘릴 수 없다. 특히 전력과 계통연결, 첨단 반도체 생산능력, 데이터센터 부지와 자본은 공급에 긴 시간이 걸리는 물리적 병목이다.

따라서 AI 경쟁은 단순히 더 좋은 알고리즘을 만드는 경쟁으로 끝나지 않는다.

Compute·Memory·Power·Capital·Talent 확보 경쟁 → 국가 산업정책 확대 → 공급망 블록화 → AI Sovereignty 경쟁

Stanford AI Index 2026에 따르면 2025년 주목할 만한 Frontier Model의 90% 이상을 기업이 개발했고, AI 모델 생산은 여전히 미국과 중국에 집중돼 있다. 미국은 다른 어떤 국가보다 10배 이상 많은 5,427개 데이터센터를 보유하고 있으며, 선단 AI 칩 생산은 사실상 하나의 대만 파운드리에 크게 의존한다.

참고자료: Stanford HAI, The 2026 AI Index Report

AI가 국가부채 문제를 완화할 수 있는 유일한 성장 돌파구에 가까워질수록, 각국은 이를 선택 가능한 산업정책이 아니라 생존을 위한 필수투자로 받아들이게 될 것이다. 한 국가가 투자를 늦추면 단순히 한 산업의 점유율을 잃는 것이 아니라 미래의 생산성·기업이익·세수 기반 전체가 경쟁국으로 이전될 수 있기 때문이다.

결국 AI 투자경쟁은 자발적으로 멈추기 어렵다. 미국이 데이터센터와 반도체 공급망을 확대하면 중국과 유럽, 중동과 아시아도 국가자본을 투입할 수밖에 없다. 재정여력이 부족한 국가조차 경쟁에서 탈락하지 않기 위해 더 많은 보조금·세액공제·정책금융·전력망 투자를 동원하게 될 가능성이 높다.


6. r은 전염되지만 AI가 만드는 g는 집중된다


AI 경쟁이 모든 국가의 성장을 동일하게 높여주는 것은 아니다.

글로벌 국채공급과 민간 인프라 자금수요가 장기금리를 끌어올리면 높아진 r은 세계 금융시장을 통해 대부분의 국가에 전염된다. 미국 장기금리가 오르면 유럽과 아시아의 국채금리, 회사채 조달비용, 부동산 할인율도 함께 압력을 받는다.

그러나 AI가 만들어내는 g는 Compute·Power·Cloud·Model·Data를 실제로 통제하고, 이를 기업과 행정 전반에 확산시킨 국가에 더 많이 귀속된다.

r은 글로벌하게 공유되지만, AI가 만드는 g는 소수 국가와 기업에 귀속된다.

AI는 초기 고정비가 크고 규모의 경제와 네트워크 효과가 강하다. 더 많은 컴퓨트와 데이터를 보유한 기업은 더 좋은 모델을 만들고, 더 많은 사용자를 확보해 더 많은 현금흐름과 데이터를 다시 투자할 수 있다.

Capital·Compute ↑ → Model Capability ↑ → Users·Cash Flow ↑ → Reinvestment ↑ → Market Power ↑

이 과정에서 AI의 과실은 기술을 단순히 사용하는 기업보다 핵심 인프라와 플랫폼을 소유한 기업으로 집중될 가능성이 높다. 국가 간에도 마찬가지다. AI를 수입해 사용하는 국가는 일부 생산성 혜택을 얻겠지만, 초과이익·고급일자리·자본시장 가치·세수의 상당 부분은 원천기술과 인프라를 보유한 국가로 돌아갈 수 있다.

따라서 앞으로의 세계는 모든 국가가 AI를 통해 동시에 높은 성장을 누리는 모습보다, 모든 국가가 AI 경쟁을 위해 자본을 투입하지만 실제 성장과 재정개선의 과실은 일부 국가와 기업에 집중되는 모습에 가까울 가능성이 높다.

AI 경쟁에서 뒤처진 국가에는 더 불리한 조합이 남는다.

Global r ↑ + Domestic g ↓ + Welfare Burden ↑ + AI Import Cost ↑ → Debt/GDP ↑

반면 AI 인프라와 플랫폼을 지배하는 국가와 기업은 세계에서 유입되는 자본과 사용료, 데이터와 인재를 다시 흡수하며 격차를 확대할 수 있다.

(이제와서 국채 이자비용이 오른다고 AI Capex 경쟁에서 자진하차한다는 얘기는 그냥 죽겠다는 소리다.)


결론: 부채의 세계는 더 강한 자산 집중으로 끝날 수 있다


IMF의 2026년 4월 전망에 따르면 글로벌 Public Debt는 2025년 GDP의 94%에 근접했고, 2029년에는 100%에 도달할 것으로 예상된다. 이는 불과 1년 전 전망보다 1년 빨라진 경로다. 사회적 지출과 국방·전략적 자율성을 위한 비용, 그리고 증가하는 이자부담이 동시에 재정을 압박하고 있다.

참고자료: IMF, Fiscal Monitor: Fiscal Policy under Pressure, April 2026

앞으로 글로벌 Public Debt가 GDP의 100%를 넘어서는 것은 단순한 숫자의 변화가 아니다. 세계경제가 더 많은 국채공급과 이자비용, 더 높은 차환위험을 상시적으로 안고 살아가야 한다는 의미다.





여기에 AI 인프라를 위한 막대한 민간 자본수요까지 더해지면 r에는 구조적인 상승압력이 생긴다. 그러나 정치적으로 연금·의료·복지지출을 줄이기 어렵고, 국방과 에너지 안보, AI 산업정책까지 포기할 수 없다면 정부는 더 많은 재정지출과 국채발행을 선택할 가능성이 높다.

경기침체나 금융불안이 발생할 때마다 정부와 중앙은행은 다시 유동성을 공급하고, 보증과 정책금융을 확대하며, 민간의 손실을 공공부문으로 이전하려 할 것이다. 앞으로의 세계는 과거처럼 낮은 금리만으로 돈이 풀리는 세계가 아니라, 높아진 금리와 더 많은 재정지출·유동성 공급이 동시에 존재하는 세계가 될 수 있다.

이 조합은 자산을 보유하지 않은 사람보다 자산을 보유한 사람에게 훨씬 유리하게 작동한다. 인플레이션과 통화가치 하락은 현금과 고정소득의 실질가치를 깎지만, 희소한 생산자산과 가격결정력을 가진 기업은 높아진 명목가격과 이익을 흡수할 수 있다.

특히 AI는 그 자체로도 자본집약적이고 승자독식 산업이다. 최첨단 반도체·전력·데이터센터·클라우드·모델·데이터를 소유한 소수 기업은 세계의 생산성 향상에서 발생하는 지대와 현금흐름을 가져갈 수 있다. 그리고 그 기업을 보유한 주주와 해당 기업이 위치한 국가로 소득·세수·자산가치가 다시 집중된다.

결국 앞으로의 국가경쟁은 단순히 부채보다 빠른 GDP를 만드는 경쟁이 아니다.

누가 한정된 Compute·Power·Capital을 먼저 확보하고, AI가 만들어내는 g를 자국의 기업이익·임금·세수·자산가치로 전환할 수 있는지를 둘러싼 경쟁이다.

이 경쟁에서 r의 상승과 부채비용은 세계가 함께 부담하지만, AI 성장의 과실은 특정 국가와 특정 기업이 가져갈 가능성이 높다. 각국 정부는 경쟁에서 밀리지 않기 위해 더 많은 돈을 투입하겠지만, 그 돈이 만들어낸 부가 모든 국민에게 같은 비율로 돌아가지는 않을 것이다.

오히려 앞으로 우리가 목도할 가능성이 높은 것은 Public Debt의 사회화와 AI 성장 과실의 집중화다.

국가는 더 많은 부채를 떠안고, 중앙은행과 정부는 위기 때마다 더 많은 유동성을 공급하며, 그 자본은 다시 가장 높은 생산성과 시장지배력을 가진 소수의 기업과 희소자산으로 몰릴 수 있다.

다가오는 시대는 모두가 AI로 함께 부유해지는 시대가 아니라, 모두가 AI 경쟁의 비용을 부담하지만 그 과실은 소수 국가·기업·자산 소유자에게 누적되는 시대일지도 모른다. 글로벌 부채가 100%를 넘어선 이후의 세계에서 가장 빠르게 증가하는 것은 부채만이 아니라, 자산과 권력의 집중일 가능성이 높다.

 

#글을 마치며


변동성을 견딜 수 있도록 Risk Management만 제대로 해둔다면, Physical AI Infrastructure에 대한 장기투자는 결국 높은 확률로 이기는 게임에 가깝다고 생각한다.

오히려 더 큰 위험은 이처럼 비교적 명확한 구조적 변화를 AI 이전의 관성으로 해석하는 데 있다. 자본이 축적되지 않고 가격 전가력과 경쟁우위도 약한 기업에 투자한 채 평균으로의 회귀만을 기다린다면, 이전과 달리 회복을 기다릴 시간조차 주어지지 않을 수 있다.

자본과 이익이 소수의 국가·기업·자산으로 집중되는 속도가 빨라질수록 잘못 배분된 자본은 더 빠르게 가치를 잃을 가능성이 높기 때문이다. 따라서 앞으로 해야 할 일은 복잡하지 않다.

Macro Shock이 찾아올 때마다 공포에 휩쓸리기보다, AI 성장에 반드시 필요한 핵심 Physical Infrastructure 자산을 꾸준히 사 모으는 것이다.

생각정리 342 (* LPS, Where Does Value Accrue in the AI Era?)
생각정리 348 (* Power is the Inner Loop)

그러나 더 근본적인 문제는 이러한 변화가 투자시장 안에서만 끝나지 않는다는 데 있다. 열심히 일해 얻은 노동소득을 꾸준히 저축하고, 부채 없이 근검절약하면 시간이 흐를수록 삶이 안정된다는 기존의 사회적 믿음 자체가 더 이상 작동하지 않을 가능성이 커지고 있다.

자산가격과 자본소득이 노동소득보다 훨씬 빠르게 증가하는 환경에서는 아무런 Risk도 지지 않는 선택이 오히려 실질적인 자산가치를 지속적으로 잃는 결과로 이어질 수 있다. 결국 앞으로는 감당 가능한 범위에서 Leverage를 활용하고 관리 가능한 수준의 부채를 유지하면서, 노동소득을 자본소득으로 끊임없이 전환해야만 현재의 경제적 위치라도 지킬 수 있는 시대가 될지 모른다.

이는 모든 사람이 더 큰 위험을 감수해야 한다는 의미가 아니다. 오히려 위험을 회피할 자유 자체가 점차 사라지고 있다는 의미에 가깝다.

더 우려스러운 것은 사회가 이러한 변화를 이해하고 새로운 기준에 적응하는 속도보다 현실의 변화가 훨씬 빠르다는 점이다. 준비된 사람은 자산과 자본소득을 통해 더 빠르게 앞서가지만, 과거의 성실함과 저축 규범을 믿고 살아온 사람은 자신의 잘못이 없음에도 계속 뒤처질 수 있다.

그리고 AI는 이러한 자산과 소득의 격차가 벌어지는 속도마저 더욱 가속할 가능성이 높다. AI는 생산성을 높이는 기술인 동시에, 기존에 존재하던 자본·소득·권력의 격차를 훨씬 빠르게 증폭시키는 장치이기 때문이다.

그런 의미에서 AI는 단순한 생산성 혁신을 넘어, 노동과 저축을 중심으로 형성됐던 기존의 사회계약을 자산 소유와 자본 배분 중심으로 재편하는 기술에 가깝지 않나 싶다.


=끝

2026년 8월 23일 일요일

생각정리 349 (* 한국 도심 아파트가격 전망)




개인적으로 현 정권이 장기적으로 정치적 동력을 유지할 수 있느냐는 결국 민생, 그중에서도 주거비와 부동산 정책의 성패에 상당 부분 달려 있다고 생각한다.

생각정리 108 (*2026년 예산안)에서 대략적으로 추정했던 서울 도심 아파트가격의 상승 경로는 이미 예상보다 훨씬 빠르게 상단으로 이탈하고 있다.

당시에는 M2 증가와 자산가격 사이의 관계를 중심으로 향후 가격을 추정했지만, 지금 돌아보면 유동성이 얼마나 늘어나는지만큼 그 돈이 누구에게 집중되는지, 그리고 시장에서 실제 거래 가능한 주택의 공급과 회전율이 어떻게 변하는지를 충분히 고려하지 못했던 것 같다.

그래서 이번에는 당시 전망과 실제 시장이 어디에서, 왜, 얼마나 달라졌는지를 다시 확인하고, 앞으로 서울 도심 부동산을 판단할 때 M2 외에 어떤 변수들을 추가로 봐야 하는지를 정리해 기록해본다.

M2보다 중요한 것


2025년 11월 1일, 2026년 예산안을 보면서 앞으로 한국 경제가 다시 한번 확장재정 → 유동성 증가 → 자산가격 상승의 경로로 들어갈 가능성이 높다고 기록한 적이 있다.

당시 가장 중요하게 봤던 변수는 M2였다.

2025년 말부터 2030년까지 M2가 약 40% 증가하고, 서울 도심 아파트가격은 M2 대비 0.4~0.6 정도의 탄력성을 가진다고 가정해 중앙값 기준 약 +18% 정도 상승할 것으로 추정했다.

약 10개월이 지난 지금 다시 보면 흥미로운 점이 있다.

M2 전망은 생각보다 크게 틀리지 않았는데, 서울 도심 아파트가격 전망은 크게 빗나가기 시작했다.

왜 그랬을까.

지금 다시 생각해보면 당시 모델에서 가장 중요한 변수 몇 가지를 빠뜨렸던 것 같다.


1. 2025년 11월 전망과 현재


당시 예상과 현재까지의 흐름을 비교하면 다음과 같다.



한국은행에 따르면 2026년 6월 M2는 전년 동월 대비 6.0% 증가했다. 당시 생각했던 7%대 중후반보다 오히려 낮다. (한국은행)

그런데 서울 아파트 실거래가격은 5월 이미 전년 대비 13.47% 상승했고, 6월에는 한 달 만에 다시 2.50% 상승했다. 6월 월간 상승률은 2021년 급등기보다도 높은 수준이다. (서울특별시)

즉 당시 사용했던

ΔHousing Price ≈ ε × ΔM2

라는 모델의 ε가 생각했던 것처럼 안정적인 값이 아니었다는 의미이다.

문제는 M2가 아니라 M2가 주택가격으로 전달되는 과정에 있었다.


2. 첫 번째 오류: M2를 원인변수처럼 너무 크게 봤다


당시에는 M2가 늘어나면 일정 비율이 주택가격으로 전이된다고 생각했다.

지금은 이 접근 자체를 수정할 필요가 있다고 본다.

M2는 경제 안에 존재하는 광의유동성의 총량을 보여주지만,

누가 그 돈을 가지고 있는지

어떤 자산을 사고 싶은지

얼마나 대출을 받을 수 있는지

시장에 실제로 몇 채가 매물로 나오는지

는 알려주지 않는다.

예를 들어 M2가 10% 증가해도 증가한 돈이 저소득층의 소비와 정기예금에 집중된다면 서울 30억원 아파트에 미치는 영향은 작다.

반대로 M2가 5%밖에 늘지 않아도 그 돈이 삼성전자·SK하이닉스 주식을 대규모로 보유한 고소득 가계에 집중되고 해당 가계의 금융자산이 수억원씩 증가한다면 서울 핵심지 주택에는 훨씬 큰 영향을 줄 수 있다.

결국 내가 당시 놓쳤던 것은 Money Supply와 Money Distribution의 차이였다.


3. 두 번째 오류: 반도체 소득이 ‘평균적인 소득’이 아니었다


현재 한국 경제가 정확히 이 모습을 보여주고 있다.

KDI는 2026년 경제성장률을 3.2%, 2027년을 2.2%로 전망하면서 성장의 핵심 원인을 글로벌 AI 투자와 메모리 반도체 호황에서 찾고 있다.

흥미로운 것은 동시에 민간소비 증가율은 2026년 2.3%, 2027년 2.0%에 그칠 것으로 전망한다는 점이다.

KDI가 직접 지적한 이유도 명확하다.

소득 증가가 반도체 부문에 편중되어 있기 때문이다. (한국개발연구원)

이 부분이 상당히 중요하다.

경제 전체의 소득이 3% 늘어나는 것과, 특정 산업 종사자·주주·자산가의 소득과 금융자산이 크게 증가하는 것은 자산시장에 전혀 다른 결과를 만든다.

이번 사이클의 구조는 오히려

AI Demand
→ Memory Price·Volume
→ Samsung·SK hynix Earnings
→ Stock Price·Dividend·Bonus
→ Household Financial Wealth
→ Seoul Prime Housing

에 가깝다.

삼성전자는 2026년 약 90조~110조원 규모의 주주환원을 발표했고, 3분기에만 약 30조원의 현금배당을 계획하고 있다. (Samsung Global Newsroom)

따라서 이번 부동산 사이클의 유동성은 2020년처럼 은행 대출에서만 만들어지는 것이 아니다.

기업의 Balance Sheet가 주식시장을 거쳐 가계의 Balance Sheet로 이동하는 과정이 동시에 진행되고 있다.

이 점을 2025년 11월 모델에서는 거의 반영하지 못했다.


4. 세 번째 오류: Housing Stock과 매물공급을 같은 것으로 봤다


당시 모델에서 가장 크게 빠진 변수는 아마 이것일 가능성이 높다.

주택가격을 생각할 때 나는 주로 입주물량을 공급으로 생각했다.

하지만 실제 가격을 결정하는 것은 전체 주택 숫자가 아니라 그 순간 시장에 실제로 나와 있는 매물이다.

이를 단순화하면 다음과 같다.

Effective Sale Supply
= Housing Stock × Willingness to Sell × Turnover Rate

주택의 물리적 재고가 그대로 존재하더라도 보유자가 팔지 않고, 갈아타기가 막히고, 거래비용이 높아지면 실제 시장의 공급은 급감할 수 있다.

이 부분을 반영하면 2026년 시장이 훨씬 쉽게 설명된다.

대출규제는 분명 수요를 줄인다.

하지만 동시에

대출규제
→ 갈아타기 어려움
→ 기존주택 매도 감소
→ Turnover Rate 하락

이라는 공급 측 효과도 만든다.

따라서

수요 -30%

가 발생했더라도

거래 가능한 공급 -50%

가 발생하면 가격은 오를 수 있다.

거래량 감소와 가격 상승이 동시에 나타나는 현상이 반드시 비정상적인 것은 아니다.


5. 거래량이 줄어드는데 가격이 오르는 이유


6월 서울의 실제 움직임도 흥미롭다.

서울시 자료에 따르면 6월 토지거래허가 신청 건수는 최고점이었던 4월 대비 약 40% 감소했다.

그런데 같은 기간 토지거래허가 신청가격은 전월 대비 2.67% 상승했다.

서울시는 다주택자 양도세 중과 유예 종료를 앞두고 나왔던 급매물이 대부분 소진된 뒤 기존 호가 중심의 거래가 이루어진 점을 이유로 설명했다. (서울특별시)

이 현상은 당시 M2 모델에는 존재하지 않았다.

과거 모델에서는 거래량이 줄어들면 대체로 수요가 약해지고 가격탄력성도 낮아질 것으로 생각했다.

그러나 실제로는

거래량 감소
≠ 수요 소멸

일 수 있다.

오히려

Low Turnover
→ Few Listings
→ Marginal Buyer Competition
→ Higher Clearing Price

가 가능하다.

결국 부동산가격을 결정하는 것은 전체 거래량보다 마지막 한 채를 놓고 경쟁하는 매수자와 매도자의 상대적 힘이다.


6. 전세의 월세화도 당시에는 과소평가했다


또 하나 생각하지 못했던 것이 전세이다.

과거 전세는 단순한 임대제도가 아니라 한국 주택시장의 독특한 민간 금융시스템이었다.

집주인은 큰 전세보증금을 사실상 저금리 장기자금처럼 사용할 수 있었고, 투자자는 이를 레버리지로 활용할 수 있었다.

따라서 전세가 줄어드는 것은 분명 주택가격에 하방요인이 될 수 있다.

Jeonse ↓
→ Gap Leverage ↓
→ Investment Demand ↓

이 경로는 여전히 유효하다.

그러나 반대쪽도 있다.

서울 아파트 임대차 시장에서 6월 월세 거래비중은 이미 **54.1%**로 전세의 45.9%를 넘어섰고, 5월 전세 실거래가격도 전월 대비 1.04% 상승했다. (서울특별시)

전세가 줄어들면서 월세가 계속 상승하면 일정 수준 이상의 자기자본을 가진 실수요자의 계산은 달라질 수 있다.

Rent Cost ↑
→ Rent vs Buy Threshold ↓
→ Buying Preference ↑

즉 전세 감소는 투자수요에는 부정적이면서도, 동시에 높은 월세를 감당해야 하는 실수요자의 매수 전환을 자극할 수 있다.

지역별로 결과가 달라질 수밖에 없는 이유이다.


7. 세제와 대출규제는 ‘가격대’를 만든다


당시에는 서울 부동산을 하나의 시장으로 봤다.

지금은 이것도 잘못된 접근이었다고 생각한다.

현재 수도권·규제지역의 주택구입 목적 주담대는

15억원 이하 → 최대 6억원

15억~25억원 → 최대 4억원

25억원 초과 → 최대 2억원

으로 크게 나뉜다. (금융위원회)

여기에 2026년 세제개편에서는 실거주 1주택자의 종부세 기본공제를 확대해 시가 약 20억원 이하를 과세대상에서 제외하고, 20억~30억원 구간의 부담은 낮추는 반면 40억~50억원 이상의 고가주택 부담은 확대하는 방향이 제시됐다. (대한민국 정책브리핑)

따라서 향후 서울은 하나의 Housing Market이 아니라

15억원 이하 Leveraged Market

20억~25억원 Upper-Middle Equity Market

25억원 이상 Cash-heavy Market

50억원 이상 UHNW Scarcity Market

으로 분리될 가능성이 높다.

특히 20억~25억원 구간은

**세 부담 상대적 우위

  • 4억원 주담대

  • 핵심지 진입 가능가격**

이 동시에 만나는 독특한 구간이다.

반대로 가격이 25억원을 넘어가는 순간 대출한도가 4억원에서 2억원으로 줄어든다.

따라서 이 구간에서는

Price Rise
→ Mortgage Cliff
→ Demand Resistance

가 발생한다.

앞으로 특정 단지들이 24억~25억원 부근에서 호가와 거래가 집중되는 Bunching Effect가 나타날 가능성도 있다고 본다.


8. 2027년에는 여기에 재정까지 한 단계 더 커진다


2026년 재정확대만으로 끝나는 것도 아니다.

정부는 현재 2027년 예산을 800조원+α 규모로 편성하는 방향을 공식적으로 추진하고 있다.

[단독] 내년 820조 ‘수퍼 예산’…역대최대 90조 늘려 민생·미래 투자


동시에 미래대응기금을 신설해 청년·성장동력·지방·교육·인재 분야에 투자한다는 방향도 제시했다. (국무조정실)

정부, '100조+α' 미래대응기금 신설… 반도체 세수 증가분 투입

따라서 반도체 호황에서 발생하는 소득은 두 경로를 동시에 가진다.

첫 번째는

Memory Earnings
→ Corporate Cash
→ Dividend·Buyback
→ Household Wealth

이다.

두 번째는

Memory Earnings
→ Corporate Tax
→ Government Revenue
→ Fiscal Spending
→ Domestic Nominal Income

이다.

다만 이것을 단순히 “정부가 돈을 풀기 때문에 M2가 폭증한다”고 표현하는 것은 정확하지 않다.

한국은행은 이미 7월 기준금리를 2.50%에서 2.75%로 인상했다.

성장세 강화, 목표를 웃도는 물가, 금융안정 위험을 이유로 든 결정이다. (한국은행)

결국 2027년은

Fiscal Accelerator

Monetary Brake

가 동시에 작동하는 해가 될 가능성이 높다.


9. M2 전망 자체는 오히려 크게 달라지지 않았다


재미있는 것은 지금 다시 추정해도 2030년까지의 M2 총량 전망은 2025년 당시와 크게 다르지 않다는 점이다.

현재 개인적인 중앙가정은 다음과 같다.



2025년 말에서 2030년까지 누적 약 **+37%**이다.

2025년 11월 당시 전망했던 **+39.5%**와 사실 거의 차이가 없다.

이 숫자가 오히려 중요한 힌트를 준다.

M2 전망이 틀려서 서울 아파트 전망이 틀어진 것이 아닐 가능성이 높다.

M2는 비슷하게 증가했는데 부동산가격은 예상보다 훨씬 많이 올랐다.

그렇다면 틀린 것은 M2가 아니라 Housing Transmission Function이다.


10. 새로운 모델: M2보다 유효수요와 유효공급


앞으로는 서울 도심 주택가격을 다음과 같이 생각하는 편이 더 적절해 보인다.

Effective Demand

= Liquidity
× Household Equity
× Credit Availability
× Buying Urgency

반면

Effective Supply

= Housing Stock
× Willingness to Sell
× Turnover Rate

그리고 가격압력은 결국

Price Pressure
∝ Effective Demand / Effective Supply

에 의해 결정된다고 생각한다.

이 모델에서는 M2가 늘어나도 매물이 동시에 크게 늘어나면 가격반응은 약하다.

반대로 M2 증가율이 높지 않아도

주식 Wealth 증가

대출 가능한 특정 가격대로 수요 집중

전월세 상승에 따른 매수 압력

매물 회전율 감소

가 동시에 발생하면 서울 핵심지 가격은 훨씬 빠르게 오를 수 있다.

2026년은 정확히 후자의 사례에 가까워 보인다.


11. 서울 도심 아파트 전망도 다시 수정할 필요가 있다


따라서 2025년 당시의

2030년 서울 도심 +18%

전망은 폐기하는 것이 맞다.

현재 중앙 시나리오는 다음과 같다.

2025년 말 가격을 100으로 두면,



중앙값 기준 2025년 말 대비 2030년 누적 상승률은 약 **+51%**이다.

시나리오별로는 대략

  • Low:+25~30%

  • Central:+50%

  • High:+70~75%

정도의 범위를 생각하고 있다.

이는 통계적 회귀모델의 결과가 아니라 현재의 메모리 업황, 재정, 대출규제, 세제, 주택 회전율을 반영한 조건부 시나리오이다.

특히 2027~2028년에는 서울 도심의 20억~25억원대 실거주 선호 아파트가 상대적으로 가장 강할 가능성이 높다고 본다.


12. 정리: 당시 놓친 것은 돈의 양이 아니라 시장의 구조였다


2025년 11월에는 이렇게 생각했다.

Expansionary Fiscal Policy
→ M2 ↑
→ CPI 약 2%
→ Housing Price 완만한 상승

지금은 조금 다르게 생각한다.

보다 정확한 구조는

AI Demand
→ Memory Earnings
→ Shareholder Wealth

동시에

Memory Earnings
→ Tax Revenue
→ Fiscal Spending

그리고 주택시장 내부에서는

**Mortgage Regulation

  • Tax Regime

  • Jeonse-to-Monthly-Rent

  • Turnover Decline
    → Effective Supply ↓**

가 동시에 작동한다.

결국

Broad Liquidity

보다

Who Has the Money

그리고

How Many Homes Are Actually For Sale

가 훨씬 중요했다.

2025년 당시 M2 전망이 완전히 틀렸던 것은 아니다.

오히려 지금 추정해도 2030년까지 M2 누적 증가율은 당시 전망과 크게 다르지 않다.

내가 틀렸던 부분은 그 M2가 서울 도심 아파트가격으로 전달되는 탄력성을 너무 단순하고 안정적인 값으로 생각했다는 점이다.

앞으로의 서울 부동산을 볼 때는 M2 하나보다

반도체 Earnings·주주환원

가계 금융자산

가격대별 대출한도

전세·월세 구조

매물 회전율

정비사업 이주와 입주

한국은행의 반응

을 함께 봐야 할 것 같다.

결국 이번 사이클에서 가장 중요한 깨달음은 단순하다.

돈이 얼마나 풀리는지만으로는 자산가격을 설명할 수 없다.

어쩌면 더 중요한 것은

돈이 누구에게 가는가, 그리고 그 사람이 사고 싶은 자산이 실제 시장에 몇 개나 나와 있는가

인지도 모르겠다.

그리고 현재의 한국은 공교롭게도

반도체를 통해 금융자산을 가진 계층의 구매력은 커지는 동시에, 여러 부동산 규제를 통해 서울 핵심지의 거래 가능한 공급은 줄어들 수 있는 구조

로 움직이고 있다.

이 두 힘이 동시에 이어진다면 2025년 당시 생각했던 것보다 서울 도심 아파트가격의 M2 대비 탄력성이 훨씬 높은 상태가 상당기간 지속될 수도 있다고 생각한다.



https://t.me/jump0000 
해당 텔레그램 개인채널 과거 실선 그래프에서 개인적인 *점선 전망치를 덧붙임


체감상 이미 서울 중위 아파트평균 매매 가격은 이미 한 4~5억원 오른거 같은데 왜 2.6억원밖에 안올랐다고 하지?

kb부동산 통계치는 항상 뭔가 이상함..

=끝

2026.08.24 업데이트

생각정리 348 (* Power is the Inner Loop)

최근 산업재를 다시 훑어보면서 상대적으로 관심이 갔던 영역은 정유였다.

생각정리 289 (* 양극화, 쏠림, 산업재)

아이디어는 단순했다. 앞으로도 Oil Over-supply가 지속되고 중동산 원유 OSP가 낮은 수준에 머문다면, 한국 정유사들은 높은 정제마진과 막대한 FCF를 확보하고 그 상당 부분을 주주환원으로 돌려줄 수 있다는 논리였다.

다만 나는 그 대전제인 “Oil이 앞으로도 장기간 구조적인 공급과잉 상태에 머물 것인가”에 대해서는 점점 부정적인 쪽으로 기울었다.

시장은 지정학적 문제가 완화되면 다시 Oil Over-supply를 이야기하는 듯하지만, 국가 단위로 확대되는 AI CAPEX 경쟁을 보면 조금 다른 그림도 가능해 보인다. AI Data Center와 반도체 Fab, 발전설비와 송전망을 동시에 확장하려면 막대한 전력·에너지·원자재가 필요하며, 특히 전력이 부족한 현재 상황에서는 Gas와 Oil을 포함한 기존 화석에너지의 역할 역시 생각보다 오래 유지될 가능성이 높다.

여기에 각국의 재정적자와 국가부채가 누적되는 장기적인 흐름까지 더해진다. 더 많은 부채와 유동성이 필요해질수록 화폐의 상대가치는 낮아지고, 반대로 공급을 빠르게 늘리기 어려운 에너지와 실물자산에는 가치가 다시 집중될 수 있다.

생각정리 347 (* AI Fiscal Race, Public Debt)

결국 내가 보는 장기적인 방향은 비교적 단순하다.

AI CAPEX 확대 → 전력·에너지·원자재 수요 증가
재정적자·부채 증가 → 화폐가치 희석 → 실물자산의 상대가치 상승

이 두 흐름이 동시에 진행된다면, 원자재의 중심에 있는 Oil 역시 장기간 구조적인 하락압력에만 놓여 있다고 보기 어렵다.

그리고 이런 생각을 하고 나니 최근 NVIDIA와 Peter Thiel의 Capital Allocation이 조금 다르게 보이기 시작했다.

NVIDIA는 GPU에서 벌어들인 자본을 점점 Power·Land·Energy Infrastructure에 직접 투입하고 있고, Peter Thiel의 공개 포트폴리오 역시 전력·Utility·Nuclear·Oil Resource 쪽으로 눈에 띄게 이동하고 있다.

둘의 투자목적이 동일하다고 단정할 수는 없다.

다만 AI 시대의 가장 앞단에 있는 자본들이 동시에 Digital Layer 아래의 Physical Energy Layer를 바라보기 시작했다는 사실은 꽤 흥미롭다.

그래서 이번에는 전력 부족 자체를 다시 설명하기보다, 최근 NVIDIA와 Peter Thiel의 실제 Capital Allocation을 통해 왜 돈이 점점 AI Stack의 아래쪽으로 내려가고 있는지를 한번 생각해보려 한다.


Power Is the Inner Loop


앞선 글에서는 AI 산업에서 희소성의 중심이 점차 Software와 Compute를 지나 Power, Grid Connection, Energized Land, 결국 Time-to-Power로 내려갈 가능성을 길게 이야기했다.

그래서 이번에는 전력이 왜 부족한지, 데이터센터가 얼마나 많은 전기를 사용하는지 같은 이야기를 다시 반복하지 않으려 한다.

대신 최근 나타나는 자본의 실제 움직임을 조금 더 살펴보려 한다.

최근 NVIDIA는 아예 전력이 연결될 땅을 만드는 회사에 직접 투자하기 시작했고, Peter Thiel의 공개 포트폴리오는 놀라울 정도로 전력과 에너지 자산으로 재편됐다.

그리고 그 사이에서 Elon Musk는 최근 AI 산업을 First Principles의 관점에서 가장 아래까지 분해했을 때 결국 부딪히는 근본적인 제약이 무엇인지 상당히 명확하게 이야기했다.

Electricity.

서로 다른 세 사람이 전혀 다른 위치에서 움직이고 있지만, 최근에는 묘하게 같은 곳을 가리키고 있는 것처럼 보인다.

급증하는 전력수요


NVIDIA가 이번에는 ‘전력이 붙어 있는 땅’을 샀다


최근 NVIDIA는 Cloverleaf Infrastructure에 소수지분 투자를 단행했다.

투자금액은 공개되지 않았지만 WSJ는 앞서 수억달러 규모의 투자가 논의되고 있다고 보도했다. Cloverleaf는 발전소도 아니고 데이터센터 운영회사도 아니다.

https://www.wsj.com/business/deals/nvidia-in-talks-to-invest-in-data-center-power-developer-cloverleaf-infrastructure-ff94c556

전력회사·에너지 사업자와 협의해 Grid Interconnection과 전력공급 가능성을 미리 확보하고, 향후 대규모 데이터센터를 건설할 수 있는 Powered Land를 개발하는 회사에 가깝다. NVIDIA와 Cloverleaf는 8월 21일 실제 투자와 전략적 파트너십 체결을 발표했다. (The Wall Street Journal)

2024년 설립된 Cloverleaf는 이미 북미에서 7GW가 넘는 프로젝트를 데이터센터 개발사에 공급했고 10GW 이상의 추가 파이프라인을 보유하고 있다.

앞으로는 NVIDIA의 DSX 플랫폼까지 적용해 부지 선정 단계에서부터 Power·Cooling·Compute Infrastructure를 함께 최적화할 계획이다. (Investing.com)

나는 오히려 이 점이 앞서 있었던 NVIDIA의 다른 Infrastructure 투자보다 더 재미있다.

Cloverleaf가 판매하는 것은 엄밀히 말하면 전기도 아니고 데이터센터도 아니다.

“앞으로 전기를 사용할 수 있을 가능성이 높은 장소와 시간”을 선점하고 상품화하는 사업이다.

즉 NVIDIA가 이제 GPU가 들어갈 데이터센터에 투자하는 것을 넘어, 그 데이터센터가 아직 존재하지도 않는 시점부터 미래 Compute Capacity가 태어날 수 있는 위치를 선점하기 시작한 셈이다.

GPU 공급업체가 전력회사의 Interconnection과 부지 개발 단계까지 직접 자본을 넣어야 할 정도라면, AI Infrastructure에서 무엇이 점점 중요한 Constraint가 되고 있는지를 굳이 복잡하게 설명할 필요도 없어 보인다.

NVIDIA 입장에서는 GPU 한 개를 더 판매하는 것만큼이나,

3년 뒤 자사 GPU 수십만 개를 실제로 꽂아 전원을 켤 수 있는 1GW를 오늘 만들어 놓는 것이 중요해진 것이다.

최근 NVIDIA가 Apollo·BlackRock·Blackstone·Brookfield·Goldman Sachs·KKR 등과 함께 장기적으로 $500bn 이상의 외부자본을 AI Compute Infrastructure로 끌어들이는 금융 플랫폼을 만들겠다고 발표한 것도 같은 맥락으로 보인다. (NVIDIA Newsroom)

Jensen Huang이 말하듯 이제 AI Factory 자체를 하나의 생산적 Infrastructure Asset으로 금융상품화하려는 단계까지 온 것이다.


First Principles로 내려가면 무엇이 남을까


여기서 최근 Elon Musk의 인터뷰를 함께 보면 상당히 흥미롭다.

Musk가 오랫동안 강조해 온 사고방식 중 하나가 First Principles Thinking이다.

남들이 지금 무엇을 하고 있는지, 과거에 산업이 어떻게 움직였는지를 그대로 연장하는 대신 문제를 더 이상 쪼갤 수 없는 가장 근본적인 요소까지 내려간 뒤 거기서부터 다시 사고하는 방식이다.

AI 산업 역시 같은 방법으로 볼 수 있다.

우리는 보통 AI를 생각하면 먼저 Model을 떠올린다.

Model을 만들려면 Compute가 필요하고,

Compute를 만들려면 GPU가 필요하다.

GPU에는 HBM과 Advanced Packaging, Networking이 필요하다.

그런데 여기서 한 단계씩 계속 아래로 내려가면 결국 모든 Hardware는 한 가지 조건을 충족해야 한다.

전원이 켜져야 한다.

전력 없이 GPU는 계산하지 못하고, 냉각이 없으면 그 전력을 지속적으로 사용할 수도 없다.

그래서 First Principles로 AI를 끝까지 분해하면 결국 아주 단순한 물리 문제로 돌아간다.

Energy → Compute → Intelligence

이다.


Musk가 말한 AI의 ‘Innermost Loop’


2026년 1월 공개된 Peter Diamandis의 Moonshots 인터뷰에서 이 문제가 상당히 직접적으로 등장했다.

Diamandis는 Musk가 자주 사용하는 표현인

“Physics is the law. Everything else is a recommendation.”

을 언급하며 AI·Energy·Space가 빠르게 확장될 때 가장 근본적인 Bottleneck이 무엇인지를 물었다.

Musk의 대답은 길지 않았다.

“Electricity generation is the limiting factor.”

Diamandis가 이를 “The innermost loop”라고 표현하자 Musk도 동의했다. 그는 사람들이 새로운 전력을 실제로 Online 상태로 만드는 어려움을 과소평가하고 있다고 설명했다.

발전만 하면 끝나는 것도 아니다.

전기를 만들고, Transformer를 통해 컴퓨터가 사용할 수 있는 전압으로 변환하고, 다시 그 컴퓨터에서 발생하는 막대한 열을 냉각해야 한다.

그래서 Musk는 적어도 당분간 AI의 제한요인은 결국 Electricity Generation과 Cooling이라고 설명했다. 해당 인터뷰는 2025년 12월 22일 녹화돼 2026년 1월 공개됐다. (YouTube)

나는 이 대목이 꽤 중요하다고 생각한다.

전력이 중요하다는 주장은 이미 너무 흔하다.

하지만 Musk의 관점은 단순히

“AI 데이터센터가 전기를 많이 먹는다.”

가 아니다.

문제를 가장 근본적인 물리적 Input까지 내려가 보면, AI 산업 전체의 성장속도는 결국 가장 느리게 증가하는 Input의 속도 이상으로 올라갈 수 없다는 것이다.

이것은 일종의 Bottleneck Function이다.

아무리 Model Algorithm이 발전하고,

TSMC가 더 많은 Wafer를 생산하고,

NVIDIA가 더 많은 GPU를 만들어도,

마지막에 꽂을 전력이 없다면 Compute Capacity는 Revenue Capacity가 되지 못한다.

그래서 AI의 실제 생산량은 궁극적으로

Model Capability가 아니라 가장 부족한 Physical Input에 의해 결정될 수 있다.


그리고 7개월 뒤 Musk는 더 명확하게 말했다


흥미로운 것은 이것이 일회성 발언이 아니라는 점이다.

2026년 1월 Davos에서 Larry Fink가 AI 확장을 위해 Compute·Chip·Fab·Power 중 무엇이 가장 큰 병목인지를 묻자 Musk는 다시 이렇게 말했다.

“The limiting factor for AI deployment is fundamentally electrical power.”

AI Chip 생산량은 기하급수적으로 늘고 있는 반면 새로운 전력이 Online으로 들어오는 속도는 훨씬 느리기 때문에, 머지않아 생산한 AI Chip을 모두 켤 수 없는 상황에 도달할 수 있다는 설명이었다. (World Economic Forum)


그리고 2026년 7월 The Economist와의 인터뷰에서는 한 단계 더 구체적으로 이야기했다.

Musk는 Digital Intelligence의 경쟁력을 결국

얼마나 많은 AI Compute를 가지고 있는가
→ 얼마나 많은 AI Chip을 가지고 있는가
→ 그리고 얼마나 많은 Electricity를 가지고 있는가

라는 구조로 설명했다.

그런데 현재 중국 외 지역에서는 오히려 Power와 Cooling의 제약이 AI Chip보다 조금 더 심하다고 평가했다.

“The constraint right now, I think, is actually slightly more on power and cooling than it is on AI chips.”

반대로 중국에서는 막대한 전력 증설이 가능하지만 최첨단 반도체 접근이 제한되어 있기 때문에 Chip이 병목이다.

즉 Musk가 보는 AI 패권 역시 단순한 반도체 경쟁이 아니다.

AI의 생산량은 어느 나라가 현재 가장 부족한 Limiting Factor를 얼마나 빠르게 해소할 수 있느냐의 문제다. (Elon Musk Archive)

이것이 First Principles 사고와 연결되는 지점이라고 생각한다.

표면적으로 보면 AI 경쟁은 OpenAI와 Anthropic, NVIDIA와 TPU, CUDA와 ASIC의 경쟁처럼 보인다.

그러나 한 단계씩 밑으로 내려가면 경쟁의 모습이 달라진다.

Intelligence
→ Compute
→ Silicon
→ Data Center
→ Cooling
→ Electricity

결국 가장 아래에 있는 자원이 충분하지 않다면 그 위의 모든 Capacity가 제약받는다.

NVIDIA가 Cloverleaf 같은 Powered Land 개발사에 직접 투자하기 시작한 것도 이 관점에서 보면 별로 이상하지 않다.

First Principles로 발견한 Constraint를 자본이 직접 해결하기 시작한 것에 가깝다.


그런데 Peter Thiel의 포트폴리오는 더 노골적이다


마침 비슷한 시기에 훨씬 흥미로운 공시가 하나 나왔다.

Peter Thiel이 운용하는 Thiel Macro가 2026년 6월 말 기준 보유한 미국 상장주식 포트폴리오는 총 $418.7mn이었다.

그런데 8개 종목을 뜯어보면 구성이 상당히 특이하다.

https://www.instagram.com/p/DcP2shOjjza/

가장 큰 종목은 Amazon으로 $118.0mn, 28.2%다.

급증하는 aws 수주잔고
QualTrim

급증하는 GCP
Qualtrim

그다음은 아르헨티나 Vaca Muerta의 Vista Energy가 $75.9mn, 18.1%, Vistra가 $59.1mn, 14.1%다.

이어 American Electric Power 10.1%, DTE Energy 9.6%, FirstEnergy 9.5%, CMS Energy 9.4%, X-Energy 0.9%가 들어가 있다. (HedgeCo)

계산해보면 Amazon을 제외한 **나머지 7개 전력·에너지 관련 기업이 공개 13F 포트폴리오의 약 71.8%**를 차지한다.

더 재미있는 것은 그 안에서도 한 종류의 에너지에 베팅하지 않았다는 점이다.

발전자산을 보유한 Vistra가 있고,

송배전망과 규제자산을 가진 AEP·DTE·FirstEnergy·CMS가 있으며,

미래 발전원인 X-Energy가 있고,

그 바깥에는 Vaca Muerta라는 거대한 탄화수소 자원을 보유한 Vista Energy까지 있다.

그러니 이것을 단순히

“AI 때문에 전력회사 주식을 샀다.”

정도로 이해하는 것은 오히려 너무 좁은 해석일 수 있다.

포트폴리오 전체를 보면 훨씬 넓은 Energy Scarcity와 Physical Asset에 대한 베팅처럼 보인다.

물론 13F만으로 Thiel의 의도를 단정해서는 안 된다.

13F는 미국 상장 Long Position만 보여줄 뿐 현금·사모투자·Short Position과 상당수 파생상품은 나타내지 않는다.

그럼에도 공개된 상장주식 포트폴리오 자체가 이렇게 극단적으로 한 방향을 향하고 있다는 사실은 꽤 흥미롭다. (HedgeCo)


더 흥미로운 것은 1년 전 포트폴리오와의 차이다


사실 Thiel이 Vistra를 처음 산 것도 아니다.

2026.08.07 Vistra Corp.

2025년 1분기 Thiel Macro는 NVIDIA $38.8mn과 Vistra $24.5mn을 동시에 보유했다. 당시 Vistra 보유량은 208,747주였다. (미국 증권 거래 위원회)

2025년 2분기에는 공개 포트폴리오가 사실상 Tesla·NVIDIA·Vistra 세 종목 중심으로 압축됐고 NVIDIA가 약 40%, Vistra가 약 19%를 차지했다. (미국 증권 거래 위원회)

반면 2026년 2분기에 다시 나타난 공개 포트폴리오에서는 NVIDIA가 사라지고,

Amazon + Vista Energy + Vistra + Utilities + Nuclear

라는 훨씬 넓은 구조가 만들어졌다. (13F Hub)

물론 이를 두고 Thiel이

“GPU 시대가 끝났으니 전력을 사자.”

고 판단했다고 주장할 근거는 없다.

하지만 Exposure가 어디로 이동했는지를 보는 것 자체는 재미있다.

2025년에는

NVIDIA + Vistra

라는 형태로 Compute + Power를 동시에 가지고 있었다면,

2026년에는

Amazon + Vistra + Utilities + Nuclear + Vista Energy

라는 AI Demand + Energy Infrastructure + Physical Resource에 훨씬 가까운 형태가 됐다.

적어도 공개 포트폴리오에서 확인되는 자산의 무게중심은 Silicon 자체에서 이를 현실 세계에서 작동시키는 Energy System 쪽으로 크게 내려왔다.




Vistra와 Vista는 서로 다른 두 종류의 희소자산이다


여기서 개인적으로 가장 흥미로운 것은 Vistra와 Vista Energy를 동시에 보유했다는 점이다.

2026.08.07 Vista Energy


이름은 비슷하지만 두 회사는 전혀 다른 사업을 한다.

그리고 오히려 그렇기 때문에 함께 보는 것이 재미있다.

Vistra — 이미 연결되어 있는 Electron


Vistra에 대한 Thesis는 비교적 이해하기 쉽다.

AI 시대에 신규 발전소를 만드는 것도 중요하지만, 더 가치 있는 것은 경우에 따라 이미 존재하고 이미 Grid에 연결되어 지금 당장 사용할 수 있는 발전 Capacity다.

AI 기업에게 2032년에 받을 수 있는 1GW와 2027~2028년에 사용할 수 있는 1GW는 동일한 자산이 아니다.

앞선 글에서 계속 이야기했던 Time-to-Power가 바로 이 차이다.

Vistra가 보유한 기존 발전자산의 흥미로운 점도 여기에 있다.

건설해야 할 발전소가 아니라 이미 존재하는 발전설비이며, AI 데이터센터 사업자와 장기계약을 체결해 비교적 빠르게 Monetization할 수 있다.

결국 Vistra가 보유한 핵심 자산은 단순한 MW가 아니라

Grid-connected MW + Availability + Time

이다.

Musk가 말한

“AI Chip은 있는데 전원을 켤 수 없다.”

는 문제가 현실화될수록 이미 연결된 Electron의 Option Value는 커질 수밖에 없다.


Vista Energy — 땅속에 이미 존재하는 Molecule


Vista Energy는 전혀 다른 이야기다.

Vista는 AI 데이터센터에 전기를 판매하는 회사가 아니다.

그러니 Vista까지 억지로 AI 수혜주로 묶는 것은 맞지 않는다.

하지만 Thiel의 투자 전체를 조금 더 넓은 Physical Scarcity라는 관점에서 보면 오히려 Vista의 위치가 재미있어진다.

Vista가 보유한 것은 Vaca Muerta라는 대규모 저원가 Energy Resource다.

전력 Grid처럼 이것 역시 Software처럼 새로 복사해서 만들어낼 수 있는 자산이 아니다.

이미 지질학적으로 존재하는 Resource를 확보하고,

Infrastructure를 설치하고,

생산해,

Pipeline으로 운반한 뒤

세계시장에 판매해야 한다.

따라서 Vista의 가치창출 경로는 AI 데이터센터와 직접 연결되기보다

Underground Resource
→ Infrastructure Unlock
→ Export Capacity
→ Production Growth
→ Hard Currency Revenue
→ FCF

에 가깝다.

Vistra가 이미 Grid에 연결된 Electron을 가지고 있다면,

Vista는 이미 땅속에 존재하는 저원가 Molecule을 가지고 있는 셈이다.

두 자산의 현금흐름 Driver는 다르다.

하지만 한 가지 공통점이 있다.

쉽게 복제할 수 없는 Physical Asset을 이미 확보하고 있다는 것이다.

2026.08 Vista energy


2026.08 Vista energy


2026.08 Vista energy



그래서 Musk, NVIDIA 그리고 Thiel을 같이 보는 것이 재미있다


이 셋이 동일한 투자 Thesis를 공유한다고 말할 생각은 없다.

Elon Musk는 자신이 실제 AI Factory를 건설하는 Operator의 관점에서 이야기한다.

NVIDIA는 GPU를 더 많이 판매해야 하는 AI Infrastructure 공급자의 입장에서 움직인다.

Peter Thiel은 공개된 13F에서 에너지와 전력자산에 상당한 Capital을 Allocation하고 있다.

그런데 세 방향을 이어 보면 묘하게 같은 곳에서 만난다.

Musk는 First Principles로 AI를 가장 아래까지 내려가 Electricity Generation을 Innermost Loop라고 부른다.

NVIDIA는 실제로 그 병목을 해소하기 위해 Powered Land와 Energy Infrastructure에 직접 자본을 집어넣는다.

Thiel의 공개 포트폴리오는 Amazon이라는 거대한 Compute 수요자를 제외하면 대부분 Power Generation·Utility·Grid·Nuclear·Oil Resource에 놓여 있다.

즉,

First Principles → Physical Constraint → Capital Allocation

이 순서로 연결해 볼 수 있다.

그래서 최근 NVIDIA의 Cloverleaf 투자를 보면서 개인적으로는 “앞으로 전력이 부족하다”는 사실 자체보다 자본이 그 사실을 행동으로 옮기기 시작했다는 점이 더 중요하게 느껴졌다.

산업의 진짜 Bottleneck이 어디에 있는지는 사람들이 무엇을 이야기하는가보다 결국 가장 영리한 자본이 어디에 미리 자리 잡는가를 보는 편이 빠를 수도 있다.


결국 AI도 물리법칙을 벗어날 수 없다


AI는 역사상 가장 Digital한 기술 중 하나다.

하지만 역설적으로 규모가 커질수록 가장 Physical한 산업이 되어간다.

Model의 Parameter와 Token은 Digital이지만,

그것을 계산하는 Chip은 물리적이고,

그 Chip을 담는 Data Center도 물리적이며,

그 Data Center를 냉각하고 움직이는 전력 역시 물리적이다.

Software는 몇 개월 만에 수십 배 확장할 수 있다.

AI Chip 생산도 막대한 CAPEX를 통해 상당히 빠르게 증가할 수 있다.

하지만 발전소·송전망·변전소·Gas Pipeline·Grid Connection·Powered Land는 그렇게 움직이지 않는다.

결국 모든 산업을 First Principles까지 내려가면 마지막에는 물질과 에너지, 그리고 시간이 남는다.

아마 Musk가 전력을 AI의 가장 근본적인 Bottleneck으로 보는 이유도 여기에 있을 것이다.

AI의 성능이 아무리 빠르게 발전하더라도 전력망의 건설속도까지 Moore's Law로 움직이지는 않는다.

그래서 앞으로 AI의 성장속도와 Physical Infrastructure의 성장속도 사이의 괴리가 커진다면,

그 차이에서 가장 큰 Scarcity Rent가 발생할 가능성이 있다.

NVIDIA가 GPU 판매로 벌어들인 현금을 다시 Power와 Land에 집어넣고,

Peter Thiel의 공개 포트폴리오에서 70%가 넘는 자본이 Energy와 Power Asset에 위치하고,

정작 세계에서 가장 공격적으로 AI Compute를 증설하고 있는 Elon Musk가 AI의 근본적인 제약은 Electricity라고 반복해서 말하고 있다면, 적어도 한 번쯤은 이들의 행동을 같이 놓고 생각해 볼 필요가 있지 않을까 한다.


Power is the inner loop.


=끝

2026년 8월 21일 금요일

생각정리 347 (* AI Fiscal Race, Public Debt)

내 나름대로 최근의 흐름을 연결해 정리한 매크로 생각을 기록해본다.

r은 세계화되고, g는 AI 인프라를 따라간다


최근 다시 매크로 이슈가 부각되면서 시장이 조정을 받고 있다.  

미국채를 시작으로 일본과 유럽의 장기 국채금리가 동시에 고점권으로 올라서자, 높은 금리가 AI CAPEX를 둔화시킬 것이라는 우려도 다시 커지는 모습이다.

https://tradingeconomics.com/united-states/30-year-bond-yield

그러나 조금만 더 생각해보면, 지금의 장기금리 상승은 단순히 AI 투자 사이클이 끝날 것인지를 판단하는 문제가 아니다.

오히려 왜 각국이 높은 자본비용을 감수하면서도 AI CAPEX 경쟁에서 물러서기 어려운지, 그 정당성을 다시 생각하게 만드는 주제에 가깝다.

무엇보다 먼저 인정해야 할 것은, 현재의 Public Debt 증가가 더 이상 일반적인 경기 사이클의 문제가 아니라는 점이다.

과거에는 경기침체기에 재정지출이 늘어나더라도 이후 경기가 회복되면 지출을 줄이고 재정수지를 정상화할 수 있다는 믿음이 있었다.

하지만 지금 주요국이 부담하는 지출은 경기가 좋아진다고 자연스럽게 사라지는 비용이 아니다.

Welfare and Aging

Defense

Energy Security

Strategic Autonomy

Climate and Grid Investment

그리고 이미 누적된 부채에서 발생하는 Interest Expense까지 대부분 구조적으로 증가하는 지출이다.

평화의 배당 시대는 이미 저물었다.

러시아-우크라이나 전쟁과 중동 불안은 각국에 더 많은 국방비와 에너지 안보 투자를 요구한다. 고령화는 연금과 의료비를 구조적으로 끌어올리고, 기존 부채에 더 높은 금리가 적용되기 시작하면서 이자비용 자체가 다시 재정적자를 확대한다.

IMF의 2026년 Fiscal Monitor에 따르면 전 세계 Public Debt는 2025년 GDP의 약 **94%에서 2029년 약 100%**까지 상승할 것으로 전망된다. 유럽에서는 Pension, Healthcare, Climate, Defense와 관련된 추가 재정지출이 매년 GDP의 약 **5.75%**에 이를 수 있으며, 이러한 지출 부담은 2050년까지 지속될 가능성이 있다.


따라서 정부가 일부 재량지출을 줄인다고 해도 Public Debt의 구조적인 증가 방향 자체를 바꾸기는 쉽지 않다.

이제 문제는 경기가 회복되면 부채도 다시 줄어드는지가 아니다.

계속 증가할 수밖에 없는 부채와 이자비용을 어떤 성장으로 감당할 것인가에 가깝다.

생각정리 27 (*No Free meal)
생각정리 30 (*US Debt)
생각정리 36 (*Germany)
생각정리 34 (*대한민국 QE)
생각정리 76 (* 모피아)
생각정리 117 (* 생산성 전환)


요약 :

Global Public deStructural Debt ↑

→ Global Duration Supply ↑
r
→ Fiscal Adjustment Politically Constrained
g가 유일한 완충장치
→ AI가 가장 유력한 Productivity Shock
→ AI CAPEX가 단기적으로 다시 r
→ AI Adoption + AI Factory가 중장기 g
→ Infrastructure를 내재화한 국가가 Productivity Rent와 Tax Base를 더 많이 Capture


Q1. 지금의 장기금리 상승은 각국의 개별적인 재정문제일까, 아니면 하나의 글로벌 현상일까?


처음에는 미국 30년물 국채금리가 5%를 넘어서는 모습을 보면서 미국의 막대한 재정적자와 이자비용 증가가 어디까지 지속될 수 있을지가 궁금했다.

미국은 이미 기존 저금리 국채를 더 높은 금리로 차환하고 있다. 그 결과 이자비용이 증가하고, 증가한 이자비용은 다시 재정적자를 키우며, 더 많은 국채 발행을 필요로 한다.

Debt ↑
→ Interest Expense ↑
→ Fiscal Deficit ↑
→ Sovereign Issuance ↑
→ Debt ↑

라는 자기강화 구조다.

하지만 미국만 놓고 보면 지금의 장기금리 상승을 충분히 설명할 수 없다.

일본의 장기금리가 오르면 일본 보험사와 연기금 입장에서는 미국채보다 자국 JGB의 상대적 매력이 높아진다.

일본 자금이 본국으로 돌아오면 미국채의 한계수요는 약해진다.

JGB Yield ↑
→ Japanese Capital Repatriation
→ UST Demand ↓
→ UST Yield ↑

라는 경로가 만들어진다.

미국채 금리가 오르면 다시 독일 Bund, 영국 Gilt, 프랑스 OAT, 이탈리아 BTP의 상대가치가 바뀐다. 글로벌 투자자는 같은 장기자금 안에서 미국채와 유럽채, 일본채를 비교하기 때문이다.

결국 각국의 국채는 서로 다른 통화로 발행되지만, 이를 사주는 보험사·연기금·은행·국부펀드·채권형 자산운용사는 상당 부분 동일한 글로벌 자금 Pool에 속해 있다.

따라서 UST, JGB, Bund, Gilt, OAT, BTP의 r을 각각 독립된 시장가격으로 보기보다, 하나의 Global Duration Market 안에서 상호작용하는 변수로 보는 편이 자연스럽다.

이런 관점에서 보면 베센트가 일본의 엔화 강세와 BOJ의 점진적인 금리 정상화를 지지한 이유도 이해할 수 있다.

일본 금리 상승은 장기적으로 미국채 수요에 부정적일 수 있다.

그러나 엔화 약세를 방치해 일본의 수입물가와 기대인플레이션이 급등하고, JGB 시장이 비질서적으로 무너지면 미국채에 미치는 충격은 더 커질 수 있다.

일본 민간자금은 더 빠르게 본국으로 돌아갈 수 있고, 일본 정부는 엔화 방어를 위해 미국채를 매각해야 할 수도 있다.

베센트가 원하는 것은 일본 금리의 무조건적인 상승이 아니라,

BOJ의 완만한 정상화
→ 미·일 금리차 축소
→ 엔화 안정
→ 일본 수입물가와 장기 기대인플레이션 안정
→ JGB 시장의 비질서적 매도 방지

에 가깝다.

미국채 Buyback 역시 같은 맥락에서 볼 수 있다.

규모 면에서는 미국의 수십조 달러 Public Debt와 매년 누적되는 재정적자를 해결할 수 없다. 국채 Buyback은 순부채를 줄이는 정책이라기보다 비유동 국채를 관리하고 시장의 Microstructure를 보완하는 조치에 가깝다.

그럼에도 장기금리가 급등한 시점에 이를 확대했다는 사실은 미 재무부 역시 Long-end Yield 상승을 불편하게 보고 있음을 드러낸다.

즉 최근의 정책 대응은 구조적 부채문제를 해결하는 Exit Plan이라기보다, Global Duration Market이 급격히 무너지는 것을 막기 위한 단기적 안정화 조치에 가깝다.


기존의 Sovereign Duration Supply는 줄어들 가능성이 거의 없다


여기서 더 중요한 것은 주요국의 국채 발행 필요가 앞으로 줄어들 가능성이 크지 않다는 점이다.

미국은 Social Security와 Medicare, 국방비와 이자비용을 감당해야 한다.

일본은 고령화와 막대한 정부부채, BOJ 정상화에 따른 이자비용 상승에 직면해 있다.

유럽은 러시아에 대응하기 위한 방위비와 우크라이나 지원, 에너지 안보, 전력망 투자, 복지와 의료비를 동시에 부담해야 한다.

독일은 과거처럼 Bund를 희소하게 공급하는 국가로만 남기 어렵다. 프랑스와 영국은 낮은 성장률과 높은 재정적자, 상승하는 이자비용을 동시에 감당해야 한다.

이들 지출은 모두 경기회복 이후 자연스럽게 사라지는 Cyclical Spending이 아니다.

고령화 역시 과거와는 다르게 볼 필요가 있다.

과거에는 고령화를

Aging
→ Household Savings ↑
→ Pension Fund Accumulation ↑
→ Bond Demand ↑
→ Real Rate ↓

로 설명했다.

은퇴를 준비하는 가계가 저축하고, 보험사와 연기금이 그 자금을 장기채에 투자했기 때문이다.

그러나 인구구조가 자산의 축적 단계에서 인출 단계로 넘어가면 상황이 달라진다.

은퇴자가 늘어나면 정부의 Pension과 Healthcare 지출은 증가한다. 동시에 가계는 저축보다 소비와 자산인출을 늘리고, 연기금은 신규자산 축적보다 연금지급에 더 많은 현금을 사용하게 된다.

결국 어느 지점을 지나면

Bond Supply ↑ + Natural Buyer Growth ↓

가 동시에 발생할 수 있다.

즉 고령화는 더 이상 단순한 금리하락 요인이 아니라, 국채공급을 늘리면서 이를 받아줄 구조적 수요의 성장까지 약화시키는 변수로 변하고 있다.


Q2. AI CAPEX는 왜 국채금리를 올리면서도, 동시에 높아진 금리를 감당할 거의 유일한 성장수단이 되는가?


과거 장기채시장의 가장 큰 발행자는 정부였다.

정부는 복지, 의료, 국방, 에너지, 경기부양을 위해 국채를 발행했고, 글로벌 보험사·연기금·은행·중앙은행이 이를 흡수했다.

특히 1990년대부터 2010년대까지는

Japanese Savings

Chinese FX Reserves

Pension Accumulation

Bank Regulation

Central Bank QE

Disinflation

이 장기 국채에 대한 강한 수요를 만들어냈다.

정부가 국채를 발행해도 이를 받아주는 Price-insensitive Buyer가 충분했다.

그러나 지금은 상황이 달라졌다.

기존 Sovereign Duration Supply는 줄지 않는데, AI 시대에는 민간에서도 전에 없던 규모의 장기채 공급이 나타나고 있다.

Hyperscaler는 AI 데이터센터를 짓기 위해 회사채를 발행한다.

데이터센터 개발사는 Project Finance를 일으킨다.

발전소, 송전망, 변압기, 냉각설비와 같은 주변 인프라에도 새로운 Infrastructure Debt가 필요하다.

GPU와 서버에는 Leasing과 ABS가 붙고, 일부 자금은 Private Credit과 CMBS 형태로 조달된다.

따라서 현재의 장기채 시장에서는 동일한 투자자에게

UST

Bund

JGB

Gilt

OAT

뿐 아니라

Hyperscaler Bonds

Data Center Project Finance

Power Infrastructure Debt

가 동시에 제시된다.

기업채 투자자는 국채금리에 Credit Spread를 더한 수익률을 요구한다.

그렇다면 민간 장기채의 공급이 늘어날수록 Sovereign도 동일한 Marginal Buyer를 확보하기 위해 더 높은 Yield를 제공해야 한다.

AI CAPEX ↑
→ AI Debt Supply ↑
→ Corporate Duration Supply ↑
→ Competition for Long-duration Capital ↑
→ Sovereign Clearing Yield ↑

라는 새로운 경로다.

아직 AI Debt가 실제로 국채시장을 대규모로 구축했다고 단정하기는 어렵다.

그러나 적어도 과거에는 존재하지 않았던 새로운 Marginal Pricing Pressure가 생기기 시작했다는 점은 분명해 보인다.

결국 지금 Global Bond Market의 수급방정식은 다음처럼 변하고 있다.

Sovereign Duration Supply

US Fiscal Deficit

  • European Defense

  • Welfare and Aging

  • Energy Security

  • Japan Fiscal Spending

  • Climate and Grid CAPEX

Private Duration Supply

AI Hyperscaler Bonds

  • Data Center Project Finance

  • Power Infrastructure

  • Private Credit

  • ABS and CMBS

반면 수요 측에서는

Japanese Repatriation Risk

  • China Reserve Accumulation 둔화

  • QT

  • Aging and Dissaving

  • 경쟁하는 다른 Sovereign Yield 상승

이 나타난다.

즉,

Global Duration Supply ↑↑

에 비해

Price-insensitive Duration Demand ↓

라는 변화가 진행되고 있다.



결국 문제는 Debt 자체보다 r-g


국가부채의 지속가능성을 결정하는 것은 부채의 절대금액만이 아니다.

정부가 기존 부채에 부담하는 실효금리 r과 명목 GDP 성장률 g의 관계가 더 중요하다.

gr보다 충분히 높다면 부채 원금이 늘더라도 Debt/GDP는 안정되거나 하락할 수 있다.

반대로

r > g

상태에서 Primary Deficit까지 지속되면 Debt/GDP는 계속 상승한다.

문제는 현재 선진국이 r에는 상방압력을 받으면서, 동시에 g에는 하방압력을 받고 있다는 점이다.

복지와 국방비는 Sovereign Issuance를 늘린다.

에너지 충격은 물가와 Term Premium을 높인다.

고령화는 노동공급과 잠재성장률을 떨어뜨린다.

규제는 직접적인 재정지출은 아니지만 기업투자와 창업, 노동과 자본의 재배치를 어렵게 해 생산성 g를 낮춘다.

특히 유럽은

Defense ↑

Welfare ↑

Energy Security CAPEX ↑

를 피하기 어려운데,

동시에

Aging

Regulatory Friction

Weak Productivity

라는 문제를 안고 있다.

잘못하면 유럽은

r ↑ / g ↓

라는 가장 불편한 조합에 들어갈 수 있다.

여기에 민주주의 국가 특유의 정치경제 문제도 존재한다.

부채를 줄이는 가장 직접적인 방법은 복지와 연금, 의료비를 줄이거나 세금을 크게 올리는 것이다.

그러나 고령화가 진행될수록 복지의 수혜자이자 투표권을 가진 인구가 늘어난다.

강한 긴축을 선택한 정부는 정권을 잃을 가능성이 크고, 그 자리를 더 많은 지출을 약속하는 정치세력이 차지할 수 있다.

국방비와 에너지 안보 지출 역시 현재의 지정학적 환경에서는 쉽게 줄이기 어렵다.

결국 어느 주요 민주주의 국가도 계속 늘어나는 Debt에 대한 명확한 Exit Plan을 제시하지 못한다.

그렇다면 가장 현실적인 선택은 부채의 절대금액을 줄이는 것보다

Debt보다 GDP를 더 빠르게 키우는 것

에 가까워진다.

그리고 현재 존재하는 기술 가운데 선진국의 잠재생산성을 구조적으로 높일 가장 강력한 후보가 AI다.

AI가 노동생산성을 높이고 더 많은 산출과 이익, 임금과 세수를 만들어낸다면

Productivity ↑
→ Real GDP ↑
→ Corporate Profit ↑
→ Wage ↑
→ Tax Base ↑
→ Nominal GDP g

로 이어질 수 있다.

AI가 부채를 없애주는 것은 아니다.

Primary Deficit이 구조적으로 지속된다면 아무리 높은 생산성도 부채문제를 완전히 해결할 수 없다.

다만 AI가 충분히 높은 g를 만들어준다면 정부가 감당해야 할 증세와 복지조정의 규모를 줄이고, Debt/GDP를 안정시킬 시간을 벌어줄 수 있다.

즉 AI는 Fiscal Reform의 대체재라기보다, Fiscal Reform을 정치적으로 가능한 수준으로 낮춰주는 수단이다.


AI 시대의 역설: 비용은 먼저 오고, 생산성은 나중에 온다


문제는 AI CAPEX 자체가 r을 높인다는 점이다.

AI의 생산성은 즉시 나타나지 않는다.

기업이 AI를 업무에 적용하고, 조직을 바꾸며, 사람이 하던 일을 Agent에 넘기고, 새로운 산업과 Business Model을 만드는 데는 시간이 필요하다.

반면 AI를 위한 자본지출은 지금 당장 발생한다.

GPU를 주문하고,

데이터센터를 짓고,

발전소와 송전망을 확보하고,

변압기와 냉각설비를 설치하며,

이를 위해 회사채와 Project Finance를 조달해야 한다.

따라서 초기에는

AI CAPEX ↑
→ Private Duration Supply ↑
→ Global Capital Competition ↑
→ r ↑

가 먼저 나타난다.

반면

AI Adoption
→ Productivity
→ g ↑

에는 시간이 걸린다.

한동안은

r 상승 속도 > g 상승 속도

가 될 수 있다.

일종의 AI Fiscal J-Curve다.

따라서 AI 경쟁의 핵심은 누가 가장 많은 CAPEX를 집행하는지에만 있지 않다.

그 CAPEX를 얼마나 빨리 기업과 사회 전체의 생산성으로 전환할 수 있는지가 더 중요하다.

AI CAPEX를 대규모로 집행하면서도 생산성 확산에 실패하면 높은 r이라는 비용만 남는다.

반대로 AI를 빠르게 산업 전체에 확산시키는 국가는 초기의 자본비용 상승을 이후의 g 증가로 상쇄할 수 있다.



여기서 미국과 유럽의 차이가 생길 가능성이 높다.

미국은 막대한 AI CAPEX로 글로벌 r을 끌어올리지만, 데이터센터와 Cloud, 모델기업, Application 기업과 사용자기업 상당수가 미국 내부에 존재한다.

따라서

AI CAPEX → r ↑

라는 비용과 함께

AI Productivity → g ↑

라는 보상도 미국에 귀속될 가능성이 높다.

반면 유럽이 AI 투자와 도입에서 뒤처진다면 Global r의 상승은 피하지 못하면서, 정작 AI가 만들어내는 g는 충분히 가져가지 못할 수 있다.

여기서 중요한 차이가 생긴다.

r은 세계화되지만, g는 그렇지 않다.

r은 글로벌 채권시장을 통해 서로 전염된다.

그러나 g는 AI를 실제로 도입하고 산업에 확산시킨 국가가 가져간다.


Q3. 그렇다면 AI 생산성의 내재화는 결국 Physical Infrastructure 경쟁으로 귀결되는 것 아닐까?


점점 그렇게 보인다.

AI는 Software로 보이지만, AI가 실제로 지능을 생산하는 과정은 매우 물리적이다.

기존 Software는 한 번 개발한 뒤 복제하는 데 들어가는 Marginal Cost가 거의 0에 가까웠다.

하지만 AI는 다르다.

사용자가 Agent를 한 번 더 실행하고,

모델이 더 오래 Reasoning하고,

영상과 음성을 만들고,

기업이 더 많은 Workflow를 자동화할수록

추가적인

GPU

HBM

Networking

Storage

Electricity

Cooling

이 필요하다.

즉 AI의 Intelligence는 Software지만,

Intelligence의 대량생산은 Physical Industry다.

LLM과 알고리즘이 완전히 복제 가능하다는 의미는 아니다.

Pre-training data, Reinforcement Learning 환경, 사용자 데이터, 연구조직의 역량은 여전히 차별화 요소다.

하지만 소프트웨어 기술의 확산속도는 물리적 인프라의 확산속도보다 훨씬 빠르다.

MoE, Quantization, KV Cache Optimization, Speculative Decoding, Agent Architecture와 같은 기술은 한 회사가 성공하면 경쟁사도 논문과 제품을 통해 비교적 빠르게 학습할 수 있다.

Distillation과 Open-weight 모델 역시 모델 간 성능격차를 좁히는 방향으로 작용한다.

반면 수 GW 규모의 AI 데이터센터는 그렇지 않다.

Land
→ Permitting
→ Power
→ Generation
→ Grid Connection
→ Transformer
→ Cooling
→ Fiber
→ GPU and HBM
→ Financing
→ Construction
→ Commissioning

을 거쳐야 한다.

각 단계마다 수년이 걸리고, 상당수 자원은 원하는 만큼 즉시 늘릴 수 없다.

따라서 장기적인 해자는 데이터센터 건물 자체보다

희소한 물리적 자원을 먼저 확보해 하나의 작동하는 AI Factory로 묶어내는 능력

에서 발생할 가능성이 높다.




Cloud의 해자는 Physical Asset과 Software Control Plane의 결합에서 나온다


이런 관점에서 보면 Cloud의 의미도 달라진다.

AWS, Azure, Google Cloud, Oracle, CoreWeave 같은 사업자는 단순한 Software Company가 아니다.

이들의 사업은

Land + Power + Data Center + GPU/HBM + Network

라는 Physical Asset 위에

Scheduler + Runtime + Developer Tools + Customer Workloads

라는 Software Control Plane을 얹은 구조다.

물리적 자산만 가지고 있으면 낮은 가동률의 인프라 사업자가 된다.

소프트웨어만 가지고 있으면 핵심 Compute를 타인에게 의존해야 한다.

두 계층을 결합해

GPU Utilization ↑
→ Tokens/GPU ↑
→ Revenue/GPU ↑
→ GP/GPU ↑
→ Asset Turnover ↑
→ ROIC ↑

를 만들어내는 사업자가 가장 강한 경제적 해자를 갖게 된다.

AI Cloud가 점차 철도·전력망·통신망 같은 산업 인프라의 성격을 띠는 이유다.

모델의 성능 격차가 좁아지고 Intelligence가 점차 풍부해질수록, 역설적으로 그 Intelligence를 생산하는 데 필요한 희소한 물리적 자산의 가치는 더 커질 수 있다.




미국의 데이터센터 반대는 단순한 지역민원이 아니다


이런 점에서 최근 미국 내 AI 데이터센터 건설 반대 여론은 단순한 지역민원 이상의 의미를 가진다.

지역 주민의 입장에서 반대할 이유는 충분하다.

전력가격이 오를 수 있고,

송전망에 부담을 줄 수 있으며,

소음과 물 사용, 환경 문제가 발생할 수 있다.

그러나 국가 차원에서는 문제가 달라진다.

미국이 데이터센터를 짓지 않는다고 AI 데이터센터 자체가 사라지는 것은 아니다.

다른 주나 다른 국가에 지어질 뿐이다.

최근 Citadel의 Ken Griffin이 데이터센터 건설 반대 여론에도 불구하고 국가 차원에서는 미국 안에 AI 데이터센터를 건설해야 한다고 강조한 것도 같은 맥락으로 볼 수 있다.

Citadel's Ken Griffin on the need for the US to build data centers locally
"We better damn well build the data centers in america"

만약 미국이 AI 투자에 따른 높은 글로벌 자본비용은 부담하면서 정작 국내 데이터센터 건설은 막는다면, 그 투자에서 발생하는

Cloud Profit

Data Center Rent

Energy Investment

Employment

Corporate Tax

Infrastructure Ecosystem

을 해외로 넘길 수 있다.

가장 좋지 않은 결과는

Globalized r + Outsourced g

다.

물론 국내에 데이터센터가 없다고 AI 생산성 효과를 전혀 얻지 못하는 것은 아니다.

한국 기업이 미국 Cloud의 Agent를 사용해 직원 한 명이 하던 일을 절반의 시간에 처리한다면 한국 GDP에도 일부 생산성 효과가 남는다.

따라서

AI Adoption

AI Infrastructure Ownership

은 구분해야 한다.

해외 AI를 사용해도 사용자의 Productivity Dividend는 얻을 수 있다.

하지만 국내에 Compute Infrastructure가 있으면 그 위에 생산자잉여까지 가져온다.

Cloud Profit과 데이터센터 Rent, 전력과 장비 투자, 인프라 고용과 법인세, 데이터 주권과 전략적 자율성이 국내에 남는다.

즉 AI를 사용하는 국가와 AI를 생산하는 국가 사이에는 장기적으로 Value Capture의 차이가 발생한다.

그래서 데이터센터 경쟁은 단순한 부동산이나 Cloud 점유율 경쟁이 아니다.

AI 생산성으로 발생한 경제적 잉여 가운데 얼마나 많은 부분을 국내에 귀속시킬 것인가의 문제다.

국가 단위의 AI 경쟁에서 장기적으로 더 중요한 질문도 바뀔 수 있다.

누가 가장 좋은 LLM을 먼저 만들었는가

보다

누가 Intelligence를 가장 큰 규모와 가장 낮은 비용으로 산업화할 수 있는가

가 더 중요해질 가능성이 높다.

모델의 우위는 시간이 지나며 좁혀질 수 있다.

하지만 이미 확보한 전력과 부지, 송전망, 데이터센터와 Cloud 고객은 단기간에 복제하기 어렵다.

결국 AI 시대의 국가경쟁은 점차

Model Race에서 AI Factory Race로 이동할 가능성

이 있다.

추가로 데이터센터가 예상보다 다양한 방식으로 지역경제를 활성화하고 있다는 분석도 나오고 있다.

미국에서 데이터센터가 위치한 카운티와 그렇지 않은 카운티를 비교하면, 데이터센터가 들어선 지역에서 다음과 같은 특징이 관찰된다.

  • 신규 주택 건설 증가, 주택가격 상승
  • 고용 증가율 상승
  • 실업률 하락
  • 생산·건설·설비 등 Blue-collar 근로자의 임금 상승
  • 기술자(Technician), 엔지니어, 운영인력(Operator) 역시 동일 직종의 다른 지역 근로자보다 높은 임금을 받는 경향

즉 데이터센터의 경제적 효과가 단순히 전력 소비와 건설투자에 그치는 것이 아니라,

Data Center Investment → Construction & Infrastructure Demand → Local Employment → Wage Growth → Housing Demand & Asset Values

라는 경로를 통해 지역경제 전반으로 확산될 가능성이 있다는 의미다.

https://x.com/glocalinvestor/status/2090857113807380670


https://x.com/glocalinvestor/status/2090857113807380670

https://x.com/glocalinvestor/status/2090857113807380670



결국, r은 세계화되고 g는 AI Factory를 따라간다


처음에는 미국 30년물 국채금리 5%가 문제의 시작이었다.

그러나 미국만 보고서는 설명되지 않았다.

일본 금리가 오르면 일본 투자자의 미국채 수요가 줄어들고, 미국채 금리가 오르면 유럽 장기금리에도 영향을 미친다.

유럽은 전쟁과 에너지 안보, 국방비와 복지비 때문에 더 많은 국채를 발행해야 한다.

미국과 일본도 고령화와 이자비용에서 자유롭지 않다.

무엇보다 이러한 Public Debt 증가는 더 이상 경기가 회복되면 자연스럽게 사라지는 사이클의 문제가 아니다.

평화의 배당이 끝나고,

고령화와 복지비가 늘어나며,

국방과 에너지 안보 지출이 구조적으로 증가하고,

누적된 부채에 더 높은 금리가 적용되면서

Public Debt와 Interest Expense가 서로를 다시 키우는 국면에 들어서고 있다.

여기에 AI CAPEX라는 새로운 민간 장기채 공급까지 등장했다.

따라서 앞으로의 세계는

Sovereign Duration Supply ↑

Private AI Duration Supply ↑

가 동시에 나타나는 방향으로 움직일 가능성이 높다.

반면 과거 이를 받아주던 중앙은행 QE, 중국 외환보유고 축적, 일본의 초저금리, 연금자금의 빠른 축적과 같은 Price-insensitive Demand는 예전만큼 강하지 않을 수 있다.

결국 Global r에는 구조적인 상방압력이 남는다.

그런데 어느 주요 민주주의 국가도 계속 증가하는 Debt에 대한 명확한 Exit Plan을 제시하지 못하고 있다.

복지와 연금, 의료비를 크게 줄이는 것은 정치적으로 어렵다.

국방비와 에너지 안보 지출 역시 쉽게 줄이기 어렵다.

그렇다면 현실적인 선택은 Debt의 절대금액을 줄이는 것보다

GDP의 성장속도를 Debt보다 빠르게 만드는 것

에 가까워진다.

그리고 현재 그 역할을 할 수 있는 가장 강력한 후보가 AI다.

하지만 AI의 생산성은 자동적으로 모든 국가에 동일하게 분배되지 않는다.

AI CAPEX가 만들어내는 높은 r은 글로벌 채권시장을 통해 전 세계가 상당 부분 공유한다.

반면 AI가 만들어내는 g

Compute

Power

Data Center

Cloud

Enterprise Adoption

을 실제로 확보한 국가에 더 많이 귀속된다.

결국 지금까지의 생각을 한 문장으로 압축하면 이렇게 정리할 수 있을 것 같다.

r은 세계화되고 있지만, g는 AI 생산성을 물리적으로 내재화한 국가에 귀속된다.

그리고 그 g를 내재화하는 가장 중요한 물리적 장치 가운데 하나가 앞으로는 AI Data Center와 Cloud를 중심으로 한 AI Factory가 될 가능성이 높다.

따라서 AI 데이터센터 경쟁은 단순한 기술기업들의 CAPEX 경쟁이 아니다.

어쩌면 그것은 구조적으로 높아지는 글로벌 자본비용을 감당할 명목성장률을 어느 국가가 확보할 것인가를 둘러싼 경쟁, 더 나아가 아직 뚜렷한 Exit Plan이 보이지 않는 각국의 Public Debt를 장기적으로 감당할 수 있을지를 결정하는 경쟁으로 변하고 있는지도 모른다.


결론 : New Normal은 높아진 r의 구조다


결국 중요한 것은 특정 금리 수준이 아니라, 2010년대와 같은 저금리 체제로 자연스럽게 되돌아갈 것이라는 전제 자체가 흔들리고 있다는 점이다.

당시에는 QE, Global Savings Glut, 중국의 외환보유고 축적, 일본의 초저금리, Disinflation, Peace Dividend가 동시에 장기금리를 눌렀다.

반면 지금은 Public Debt와 Sovereign Issuance가 구조적으로 늘어나고 있다. 고령화·복지·국방·에너지 안보 지출에 누적된 이자비용까지 더해지며 재정적자는 쉽게 줄어들기 어려운 구조가 됐다.

여기에 AI Infrastructure를 위한 대규모 Private Duration Supply까지 새롭게 추가됐다. 결국 Global Bond Market은 과거보다 훨씬 많은 장기채를 소화해야 한다.

따라서 앞으로의 New Normal은 특정 금리 숫자가 아니라, 장기 r의 균형수준 자체가 과거보다 높아진 체제에 가깝다고 생각한다.

경기침체가 오면 금리는 다시 내려갈 수 있다. 다만 그것을 곧바로 과거 저금리 체제로의 복귀라고 보기는 어려울 수 있다.

문제는 이렇게 높아진 r을 각국이 글로벌 채권시장을 통해 함께 부담하는 반면, 이를 감당할 g는 자동적으로 공평하게 배분되지 않는다는 점이다.

AI를 실제 산업에 빠르게 확산시키고 Compute, Power, Data Center, Cloud를 확보한 국가가 더 많은 생산성·기업이익·세수를 가져갈 가능성이 높다.

결국 r은 세계화되고 그 구조적 중심축은 높아지는 반면, 이를 감당할 g는 AI 생산성을 실제로 내재화한 국가에 더 많이 귀속된다.

어쩌면 앞으로의 AI 인프라 경쟁은 단순히 누가 더 좋은 모델을 만드는가의 경쟁이 아니라, 높아지는 자본비용과 누적되는 Public Debt를 감당할 만큼 더 빠른 명목성장을 누가 만들어낼 수 있는가의 경쟁에 가까워지고 있는지도 모른다.

=끝