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-g다
국가부채의 지속가능성을 결정하는 것은 부채의 절대금액만이 아니다.
정부가 기존 부채에 부담하는 실효금리 r과 명목 GDP 성장률 g의 관계가 더 중요하다.
g가 r보다 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
과
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 ↑
와
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 g는
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.
