생각정리 285 (* Beyond the AI Boom)

AI를 공부하다 보면 눈앞의 기술 변화와 단기적인 투자 기회에 쉽게 시선이 빼앗긴다. 그러나 당장의 작은 이익에만 몰입하다 보면, 정작 이 기술이 장기적으로 경제와 산업, 정치와 자산가격을 어떻게 바꿀지에 대한 큰 그림을 놓칠 수도 있겠다는 생각이 들었다.

그래서 그동안 간간이 떠올렸던 상상과 가설들을 이번 기회에 하나로 엮어 기록해보려 한다. 다소 거칠고 불완전한 생각일 수 있지만, 이번 AI 사이클의 끝이 어디일지, 그리고 그 끝에 가까워질 때쯤 세상은 어떤 모습으로 바뀌어 있을지에 대한 나름의 사고 실험이다.

AI 사이클의 끝은 어디일까

이번 AI 사이클의 끝은 어디일까. 그리고 이 사이클이 끝날 때쯤 세상은 어떤 모습으로 바뀌어 있을까.

아직 누구도 확정적으로 말할 수는 없다. 그러나 지금의 흐름을 따라가다 보면 AI는 단순히 업무 효율을 높이는 도구에 머물 가능성이 낮아 보인다. AI는 점점 노동의 가치, 기업의 경쟁력, 국가 간 패권, 정치체제, 자산가격의 작동 원리를 함께 바꾸는 기술로 진화하고 있다.

내가 생각하는 이번 AI 사이클의 핵심 질문은 하나다.

AI가 인간 노동을 대체할수록, AI가 만들어낸 초과가치를 누가 소유하고 누가 배분할 것인가.

이 질문이 중요한 이유는 AI가 단순히 더 많은 상품과 서비스를 만들어내는 데 그치지 않을 수 있기 때문이다. AI가 생산의 중심이 되는 사회에서는 부가가치의 원천이 인간 노동에서 AI 모델, 반도체, 데이터센터, 전력망, 로봇, 핵심 부동산 같은 생산 인프라의 소유권으로 이동할 가능성이 높다.

결국 AI 시대의 본질은 기술 성능의 문제가 아니라, 생산수단의 소유권이 어디에 집중되는가의 문제로 이어질 수 있다.

1. AI는 이미 스스로 개선되는 방향으로 움직이고 있다

AI는 이제 사람이 시키는 일을 단순히 수행하는 수준을 넘어가고 있다. 이미 AI는 스스로 작업하고, 결과를 평가하고, 다시 개선하는 폐쇄루프 단계로 진입하고 있다.

예를 들어 사람이 AI에게 코드를 작성하라고 지시하면, AI는 코드를 만들고 오류를 찾으며 더 나은 방식으로 수정할 수 있다. 이후 실험 결과를 분석하고, 다음 실험 방향까지 제안할 수 있다. 아직 모든 과정이 완전히 자동화된 것은 아니지만, 방향성은 분명하다. AI는 점점 작업 수행자에서 개선 과정의 참여자로 바뀌고 있다.

이 흐름이 더 발전하면 recursive self-improvement, 즉 재귀적 자기개선으로 이어질 수 있다. 재귀적 자기개선이란 AI가 더 나은 AI를 만드는 과정에 직접 관여하는 구조를 뜻한다.

과거에는 더 좋은 AI를 만들기 위해 인간 연구자들이 논문을 읽고, 코드를 작성하고, 실험을 설계하고, 결과를 분석해야 했다. 그러나 AI가 이 과정의 상당 부분을 도와주기 시작하면 AI 개발 속도는 인간 연구자의 노동시간에만 묶이지 않게 된다.

이때 인간의 역할은 달라진다. 인간은 모든 과정을 직접 수행하는 사람에서 목표를 설정하고, 결과를 검증하고, 방향을 조정하는 사람에 가까워진다.

2. 강한 AI는 더 강한 AI를 만드는 데 사용된다

이 변화는 AI 산업의 경쟁 구도를 근본적으로 바꿀 수 있다.

앞선 프론티어 AI 기업은 단순히 좋은 모델을 보유한 기업에 그치지 않는다. 그 기업은 좋은 모델을 이용해 내부 연구개발 생산성을 다시 끌어올릴 수 있다. 그리고 높아진 연구개발 생산성은 더 빠른 모델 개선으로 이어질 수 있다.

즉, 강한 AI가 더 강한 AI 개발을 돕고, 그 결과 다시 더 강한 AI가 만들어지는 구조가 생긴다.

이 구조가 굳어지면 후발주자는 따라잡기 어려워진다. AI 경쟁은 단순히 자본을 많이 투입하면 따라갈 수 있는 싸움에 머물지 않을 가능성이 높다. 프론티어 모델을 만들기 위해서는 데이터, 컴퓨팅 자원, 연구인력, 반도체 공급망, 제품 배포망, 막대한 자본이 동시에 필요하다.

이 모든 요소가 결합되면 선두 기업과 후발 기업의 격차는 단순한 기술격차를 넘어 자기강화적 격차가 된다. 선두 기업은 더 좋은 AI로 더 빠르게 연구하고, 그 결과 더 좋은 AI를 다시 만들어낸다. 이 과정이 반복될수록 AI 산업은 소수 기업과 소수 국가 중심으로 집중될 가능성이 높아진다.

3. AI 패권은 미국 중심의 공급망 질서로 재편될 가능성이 높다

AI 경쟁은 기업 간 경쟁이면서 동시에 국가 간 경쟁이다.

현재 프론티어 LLM을 주도하는 기업들은 대부분 미국에 있다. AI 학습과 추론에 필요한 핵심 반도체 설계, 클라우드 인프라, 소프트웨어 생태계도 미국 중심으로 형성되어 있다.

물론 반도체 제조 자체는 미국 혼자만의 힘으로 돌아가지 않는다. 선단공정 반도체는 미국의 설계와 소프트웨어, 대만과 한국의 제조능력, 일본과 네덜란드의 소재·장비 생태계가 결합되어 만들어진다. 따라서 AI 하드웨어 패권은 미국 단독이라기보다, 미국을 중심으로 한 동북아시아 및 자유민주주의 진영의 공급망 블록에 가깝다.

중국은 제조업에서 여전히 강력한 경쟁력을 갖고 있다. 그러나 AI 모델, 선단공정 반도체, 고성능 GPU, 반도체 장비, 첨단 패키징, 글로벌 클라우드 생태계에서는 구조적 제약을 안고 있다. 이 제약은 단순한 기술격차가 아니라, AI 소프트웨어와 하드웨어를 동시에 지배하는 공급망의 병목에서 발생한다.

그 결과 AI 시대의 패권은 중국 중심으로 이동하기보다 미국 중심의 AI 공급망 질서로 재편될 가능성이 높아 보인다. 중국이 기존 제조업에서 쌓아온 강점도 AI와 로봇, 자동화, 지정학적 공급망 재편이 결합되는 과정에서 일정 부분 분산될 수 있다.

결국 이번 AI 사이클은 단순한 기술 사이클을 넘어, 미국 중심의 AI 블록화와 중국의 구조적 추격 한계를 동시에 보여주는 사이클이 될 수 있다.

4. 다음 변곡점은 Physical AI다

AI가 소프트웨어 안에서만 작동할 때는 주로 지식노동과 디지털 업무를 바꾼다. 하지만 AI가 로봇이라는 몸을 갖게 되면 이야기는 달라진다. 이것이 Physical AI다.

Physical AI는 쉽게 말해 AI가 현실 세계에서 움직이고 작업하는 단계다. 휴머노이드 로봇, 물류 로봇, 제조 로봇, 청소 로봇, 돌봄 로봇, 농업 로봇, 건설 로봇 등이 여기에 포함된다.

여기서 중요한 질문은 “로봇이 모든 인간 노동을 언제 대체할 것인가”가 아니다. 더 중요한 질문은 로봇이 특정 산업에서 인간보다 싸고 안정적으로 일하기 시작하는 시점이 언제인가다.

로봇이 모든 일을 완벽하게 할 필요는 없다. 물류창고, 제조라인, 청소, 경비, 농업, 요식업 일부, 반복적인 서비스 업무에서 인간의 한계비용보다 낮은 비용으로 충분히 안정적인 작업을 수행하면 된다. 그 순간부터 기업은 사람을 고용하는 대신 로봇을 도입하는 선택지를 진지하게 검토하게 된다.

나는 이 지점이 앞으로 가장 중요한 경제적 변곡점 중 하나라고 생각한다.

AI 경쟁이 심화될수록 데이터센터, 반도체, 전력망, 에너지, 소재, 인재 확보를 위한 투자는 늘어난다. 이는 초기에는 인플레이션 압력을 높이고, 임금 상승과 인건비 증가로도 이어질 수 있다.

반면 로봇 산업은 장기적으로 정반대 방향의 비용 곡선을 그릴 가능성이 높다. 반도체, 배터리, 센서, 모터, 통신기술이 발전하고 생산 규모가 커지면 로봇의 단위 비용은 하락할 수 있다. 부품 표준화와 대량생산이 진행될수록 휴머노이드 로봇의 가격 역시 낮아질 가능성이 높다.

결국 어느 시점에는 상승하는 인간 노동비용과 하락하는 로봇 비용이 교차하는 순간이 올 수 있다. 이 교차점이야말로 로봇이 경제적으로 인간 노동을 대체하기 시작하는 진정한 변곡점일 수 있다.

초기에는 일부 산업에서만 변화가 나타난다. 그러나 가격이 내려가고, 성능이 개선되고, 유지보수 비용이 낮아지면 확산 속도는 빨라진다. 이때 로봇 확산은 완만한 직선이 아니라 J커브를 그릴 가능성이 높다.

5. 노동소득의 비중이 흔들리면 경제구조도 흔들린다

현재 세계경제에서 노동은 가장 중요한 소득 기반이다. 사람들은 노동을 제공하고 임금을 받는다. 그리고 그 임금으로 소비한다. 이 소비가 다시 기업 매출이 되고, 기업의 이익이 되고, 국가의 세수가 된다.

그런데 AI와 로봇이 인간 노동을 광범위하게 대체하면 이 구조가 흔들릴 수 있다.

전 세계 GDP에서 노동소득이 차지하는 비중은 자영업자 노동소득까지 포함하면 대략 절반 이상으로 볼 수 있다. 여기에 무급 가사노동과 돌봄노동의 경제적 가치까지 더하면 인간 노동이 만들어내는 경제적 가치는 훨씬 커진다.

따라서 AI와 로봇이 노동을 대체한다는 것은 단순히 몇몇 직업이 사라지는 문제가 아니다. 그것은 세계 GDP의 큰 부분을 차지하던 노동비용이 기계와 소프트웨어로 대체되는 사건이다.

이 변화가 본격화되면 인간 노동의 교환가치는 낮아질 수 있다. 많은 사람들이 자신의 노동을 팔아 충분한 소득을 얻기 어려워질 수 있다. 그 결과 경제의 중심축은 노동소득에서 AI 생산수단의 소유권으로 이동할 가능성이 높다.

현대 자본주의는 단순히 생산만으로 유지되지 않는다. 대규모 중산층이 노동을 통해 소득을 얻고, 그 소득으로 소비하며, 세금을 납부하고, 사회를 지탱하는 구조 위에서 작동한다. 그런데 AI가 생산의 상당 부분을 담당하게 되면, 지금까지 당연하게 여겨졌던 경제 순환 구조 자체가 흔들릴 수 있다.

결국 AI 시대의 핵심 과제는 기술 개발 그 자체에만 있지 않다. 인간 노동의 가치가 낮아지는 과정에서 사회적 안정성과 경제적 균형을 어떻게 유지할 것인가가 더 큰 문제가 될 수 있다.

6. AI 사이클 초반에는 인플레이션 압력이 커진다

AI는 장기적으로 비용을 낮출 수 있지만, 초기에는 오히려 인플레이션 압력을 만들 수 있다.

이유는 간단하다. AI를 돌리기 위해서는 엄청난 실물 인프라가 필요하다. 데이터센터를 지어야 하고, 반도체를 생산해야 하며, 전력망을 확충해야 한다. GPU, HBM, 반도체 장비, 전력기기, 냉각장치, 구리, 변압기, 발전설비 수요가 동시에 늘어난다.

즉, AI는 소프트웨어처럼 보이지만 실제로는 막대한 물리적 기반 위에서 작동한다. 이 때문에 AI 투자 사이클 초반에는 AI CAPEX가 전 세계의 소재, 장비, 전력, 건설 자원을 흡수하면서 인플레이션 압력을 만들 수 있다.

기업들은 AI 인프라를 확보하기 위해 경쟁적으로 투자한다. 국가는 AI 주권을 확보하기 위해 보조금과 정책지원을 늘린다. 전력망과 반도체 공급망 병목이 생기면 관련 가격은 더 올라간다.

이 국면에서 AI는 디플레이션 기술이라기보다 실물자산과 전략 인프라에 대한 초과수요를 만드는 인플레이션 기술처럼 작동할 수 있다.

7. AI 확산 이후에는 디플레이션 압력도 커질 수 있다

시간이 지나 AI가 충분히 확산되면 방향은 달라질 수 있다.

AI가 사무직 업무, 소프트웨어 개발, 고객응대, 콘텐츠 제작, 연구개발, 회계, 법률 보조, 마케팅, 교육, 의료 보조 등 다양한 영역에서 생산성을 높이면 서비스 비용이 낮아질 수 있다.

여기에 Physical AI가 결합되면 변화는 더 커진다. 로봇이 제조, 물류, 유통, 돌봄, 청소, 농업, 건설 일부를 대체하기 시작하면 노동비용이 낮아진다. 노동비용은 많은 서비스 가격의 핵심 요소이기 때문에, 로봇 확산은 장기적으로 서비스 물가 하락 압력을 만들 수 있다.

따라서 AI 시대에는 두 가지 압력이 순차적으로 나타날 가능성이 있다.

초기에는 AI CAPEX 인플레이션이 나타난다. 이후에는 AI와 로봇 확산에 따른 노동·서비스 디플레이션이 나타날 수 있다.

다만 디플레이션이 곧 사회 안정으로 이어진다고 보기는 어렵다. 물가가 내려가더라도 사람들이 일자리를 잃고, 노동소득 기반이 약해지고, 자산을 가진 사람과 그렇지 않은 사람의 격차가 커지면 사회불안은 오히려 커질 수 있다.

이 지점에서 AI 사이클은 일반적인 기술 사이클과 달라진다. 기술은 비용을 낮출 수 있지만, 그 비용 절감의 과실이 누구에게 돌아가는지는 별개의 문제다.

8. AI가 만든 풍요가 모두에게 배분된다는 보장은 없다

AI가 충분히 발전하면 세상은 물질적으로 더 풍요로워질 수 있다. 더 많은 상품과 서비스가 더 낮은 비용으로 생산될 수 있기 때문이다.

하지만 물질적 풍요가 곧 평등한 분배를 의미하지는 않는다.

역사적으로 생산력이 높아질 때마다 중요한 문제는 늘 같았다. 늘어난 생산물을 누가 소유하고, 누가 나누어줄 권한을 갖는가였다.

이 지점에서 농경사회와의 비유가 의미를 갖는다. 인류가 수렵채집사회에서 농경사회로 넘어가면서 초과생산이 생겼다. 먹고 남는 곡물이 생겼고, 그 곡물을 저장하고 관리하는 사람이 등장했다. 토지와 저장고를 누가 소유하느냐가 권력의 원천이 되었다. 정치, 국가, 계급, 제도는 이 초과생산을 둘러싼 경쟁과 조정 속에서 발전했다.

로마의 사례도 느슨한 참고가 될 수 있다. 로마의 쇠퇴를 노예제 하나로 설명할 수는 없다. 군사비 증가, 정치적 부패, 행정 비대화, 화폐가치 하락, 인구 감소, 국경 방어 비용 증가, 생산성 정체 등 복합적인 요인이 수세기에 걸쳐 누적된 결과였다. 다만 그 과정에서 토지와 부가 소수 대지주에게 집중되고, 자영농 중심의 중간계층이 약화되면서 사회적 균형이 흔들렸다는 점은 주목할 만하다.

AI 시대 역시 과거와 직접 비교할 수는 없다. AI는 노예제가 아니며, 현대 경제는 로마 시대와 비교할 수 없을 정도로 복잡하다. 그러나 두 시대가 공유하는 질문은 존재한다.

생산성이 급격히 향상될 때, 그 과실은 누구에게 돌아가는가.

AGI와 Physical AI가 만들어낼 미래도 비슷한 문제를 안고 있다. 다만 이번에는 초과생산의 규모가 훨씬 크고, 생산수단의 집중도도 훨씬 높을 가능성이 있다.

농업혁명이 토지와 곡물 저장고를 권력의 원천으로 만들었다면, AI 혁명은 AI 모델, 반도체 생산시설, 데이터센터, 전력망, 로봇 생산능력을 권력의 원천으로 만들 수 있다.

결국 AI 시대의 핵심 갈등은 AI가 만들어낸 막대한 초과이윤을 누가 소유하고, 누가 배분할 권한을 가지는가로 모인다.

9. 정치체제는 새로운 시험대에 오른다

AI의 혜택이 소수에게 집중되면 정치적 긴장은 커질 수밖에 없다.

특히 자유민주주의 국가는 표를 통해 권력이 이동한다. AI 확산으로 청년 실업, 구조적 실업, 자산 격차, 지역 격차, 세대 갈등이 커지면 분배를 요구하는 정치세력이 부상하기 쉬워진다.

이 자체가 이상한 일은 아니다. 노동소득이 약해진 사회에서는 복지, 기본소득, 재교육, 공공 AI 인프라, 의료·돌봄 지원 같은 정책 요구가 커질 수밖에 없다.

다만 문제는 그 다음이다. 분배를 내세운 정치권력이 항상 좋은 결과로 이어진다는 보장은 없다.

AI 시대의 국가는 단순히 세금을 걷고 복지를 나누는 기관에 머물지 않을 수 있다. 국가는 AI 접근권한, 데이터 통제권, 안보 인프라, 반도체 공급망, 에너지 배분, 로봇 사용규칙까지 결정하는 권한을 가질 수 있다.

이 권한이 특정 정치집단에 집중되면 새로운 형태의 권력 사유화가 나타날 수 있다. 민주주의의 이름으로 권력을 얻었지만, 실제로는 AI와 데이터, 세금징수권, 안보 권한을 이용해 자신들의 이익을 극대화하는 정치집단이 등장할 수 있다.

따라서 AI 시대의 정치는 두 방향으로 갈 수 있다.

하나는 AI가 만든 풍요를 제도적으로 재분배하는 복지국가의 확장이다. AI가 창출한 생산성과 부가가치를 사회 전체가 공유할 수 있도록 복지, 교육, 의료, 기본소득, 공공 AI 인프라 등을 강화하는 방향이다.

다른 하나는 AI 접근권한과 분배권한을 장악한 새로운 통제국가의 등장이다. AI와 데이터, 감시 인프라를 통제하는 정치집단이 기술이 만들어낸 부를 배분하는 권한까지 독점하면서 권력을 더욱 강화하는 방향이다.

AI beyond Inperfection

대런 아세모글루와 사이먼 존슨의 『권력과 진보』가 던지는 경고도 이 지점과 맞닿아 있다. 기술 발전의 혜택은 자동으로 사회 전체에 공평하게 분배되지 않는다. 기술을 누가 소유하고, 어떤 제도 안에서 운영하느냐에 따라 기술은 풍요의 기반이 될 수도 있고, 통제와 권력 집중의 도구가 될 수도 있다.

AI 역시 예외가 아닐 수 있다. AI가 만들어낸 풍요가 시민사회 전체로 확산될 수도 있지만, 반대로 AI가 제공하는 데이터 분석 능력과 감시 능력, 자동화된 의사결정 시스템이 권력 집중을 더욱 강화하는 도구로 사용될 가능성도 존재한다.

어느 방향이 되든 AI는 정치체제를 당분간 더 큰 갈등 속으로 밀어 넣을 가능성이 높다. AI가 만든 풍요를 어떻게 나눌 것인가라는 문제는 결국 민주주의, 국가권력, 조세제도, 복지제도, 안보정책을 모두 흔드는 의제가 될 수 있다.

10. 인플레이션 이후에도 유동성은 쉽게 줄지 않을 수 있다

일반적으로 기술이 발전하고 생산성이 높아지면 물가는 내려가고 사회는 안정될 것처럼 보인다. 그러나 AI 시대에는 그렇게 단순하게 흘러가지 않을 수 있다.

AI로 가는 초기 단계에서는 데이터센터, 전력망, 반도체, 소재, 장비 투자가 늘어나며 인플레이션 압력이 커진다. 이 과정에서 생활비 부담과 자산 격차가 커지면 사회불안이 발생한다. 국가는 이를 완화하기 위해 재정지출과 유동성 공급을 늘릴 수 있다.

이후 AGI와 로봇이 확산되어 서비스 물가가 낮아지면 디플레이션 압력이 커질 수 있다. 그러나 그 과정에서 노동소득 기반이 무너지고 실업과 양극화가 심해지면, 국가는 다시 복지지출과 이전지출을 늘릴 수밖에 없다.

결국 AI 시대에는 방향이 다른 두 압력이 모두 유동성을 자극할 수 있다.

초기에는 AI CAPEX 인플레이션이 사회불안을 만들고, 후기에는 노동가치 하락과 디플레이션이 또 다른 사회불안을 만들 수 있다.

인플레이션과 디플레이션은 서로 반대 방향의 현상이지만, 둘 다 정치적으로는 재정지출과 유동성 공급을 요구할 수 있다. 이것이 AI 사이클이 단순한 경기 사이클로 끝나지 않을 수 있는 이유다.

11. AGI 시대의 최종 자산은 희소한 실물 인프라일 수 있다

그렇다면 AI 시대의 끝에서 가장 중요한 자산은 무엇일까.

내 생각에는 항상 초과수요가 존재하지만 공급은 제한된 실물자산이 될 가능성이 높다.

AI가 아무리 발전해도 모든 것이 무한히 늘어날 수는 없다. 좋은 입지, 안정적인 전력, 선단공정 반도체 생산능력, 대규모 데이터센터 부지, 냉각수, 송전망, 에너지 자원, 전략 광물은 모두 제한되어 있다.

AI 시대의 핵심 자산은 크게 다섯 가지로 나누어볼 수 있다.

첫째, 연산 인프라다. AI Factory, 데이터센터, GPU 클러스터, 초고속 네트워크가 여기에 해당한다. AI가 더 많이 쓰일수록 연산 수요는 늘어난다.

둘째, 생산 인프라다. IDM, 파운드리, 반도체 장비, HBM, 첨단 패키징, 소재 생태계가 중요해진다. AI가 발전할수록 더 많은 고성능 반도체가 필요하다.

셋째, 전력·에너지 인프라다. AI와 로봇은 전기를 먹고 움직인다. 발전소, 원전, 가스, 전력망, 변압기, ESS, 냉각 인프라의 중요성은 커질 수밖에 없다.

넷째, 핵심 부동산이다. AI 시대에도 입지는 중요하다. 전력 접근성, 통신망, 세제, 규제 안정성, 인재 접근성, 생활 인프라가 결합된 부동산은 희소성이 더 커질 수 있다.

다섯째, 정치적 희소자산이다. AI 주권, 데이터 통제권, 전략 광물, 에너지 자원, 안보 인프라가 여기에 속한다. 이 자산들은 단순한 경제재가 아니라 국가 안보와 패권의 문제로 다뤄질 가능성이 높다.

결국 AI 시대의 최종 자산은 추상적인 기술 그 자체보다, 그 기술을 생산하고 작동시키는 실물 기반일 수 있다.

12. 에너지는 AI 패권의 핵심 조건이 된다

AI와 로봇이 확산될수록 전력 수요는 늘어난다. 인간 노동을 로봇이 대체한다는 것은, 과거 사람이 쓰던 에너지를 기계와 데이터센터가 대신 쓰게 된다는 의미이기도 하다.

따라서 AI 시대에는 에너지를 안정적으로 확보한 국가와 지역의 중요성이 커진다. 값싸고 안정적인 전력을 확보하지 못하면 대규모 AI Factory와 로봇 인프라를 유지하기 어렵다.

이 과정에서 에너지 자원을 보유한 국가, 전력망이 안정적인 지역, 원전과 가스 발전을 결합할 수 있는 국가, 전략 광물을 확보한 지역은 AI 패권국들이 반드시 주목하는 공간이 될 수 있다.

AI 시대의 지정학은 단순히 군사력이나 인구의 문제가 아닐 수 있다. 전력, 반도체, 데이터센터, 에너지 자원, 핵심 인프라를 누가 소유하고 통제하느냐가 새로운 패권의 기준이 될 수 있다.

이 경우 국가라는 단위의 의미도 일부 달라질 수 있다. 중요한 것은 국경 자체보다, AI 시스템을 유지하는 데 필요한 자원을 누가 통제하는가가 된다.

13. 이 시나리오가 직선적으로 전개된다는 보장은 없다

물론 이 전망이 반드시 그대로 실현된다고 단정할 수는 없다.

Physical AI 확산은 생각보다 느릴 수 있다. 로봇의 하드웨어 비용, 안전 규제, 사고 책임, 유지보수 문제, 에너지 병목, 사회적 저항이 확산 속도를 늦출 수 있다.

프론티어 모델의 성능 개선 속도가 둔화될 가능성도 있다. 오픈소스 모델이 충분히 발전해 독점적 초과이윤을 낮출 가능성도 있다. 각국 정부가 AI 독점을 견제하고, 공공 AI 인프라를 확대하면서 소수 기업의 지배력을 제한하려 할 수도 있다.

그러나 이런 변수가 존재하더라도 장기 방향성은 크게 달라지지 않을 가능성이 높다. AI와 로봇은 노동비용을 낮추고, AI 인프라는 전략자산이 되며, 생산수단의 소유권은 더 중요해질 수밖에 없다.

핵심은 하나다.

AI가 보편화될수록 기술을 사용하는 사람보다, 기술을 생산하고 운영하는 인프라를 소유한 주체의 힘이 더 커질 수 있다.

14. AI CAPEX boom의 끝은 어디인가

지금의 AI CAPEX boom은 단순한 데이터센터 투자 사이클로 끝나지 않을 수 있다.

초기에는 GPU와 서버, 데이터센터 투자가 주목받는다. 이후에는 전력망, 냉각, 변압기, 발전설비, 반도체 장비, 첨단 패키징, HBM, 소재, 부동산, 에너지 자산으로 관심이 확산될 가능성이 높다.

더 길게 보면 AI CAPEX boom의 끝은 AI Factory, IDM, 전력망, 핵심 부동산, 에너지 자산의 재평가로 이어질 수 있다.

인간 노동의 교환가치가 낮아지고, AI와 로봇이 더 많은 생산을 담당하는 사회에서는 생산수단을 소유한 자가 더 많은 부가가치를 가져간다. 이때 생산수단은 과거의 공장만을 의미하지 않는다. AI 시대의 생산수단은 Frontier LLM, 반도체, 데이터센터, 전력망, 로봇, 에너지, 부동산을 모두 포함한다.

따라서 지금의 주식 자본시장은 이 변화를 아직 초기 단계로만 반영하고 있을 가능성이 있다. 시장은 AI를 소프트웨어와 반도체 사이클로 보고 있지만, 장기적으로는 훨씬 더 넓은 실물자산 재평가 사이클로 확장될 수 있다.

15. 결론: AI 시대의 질문은 소유권의 문제다

이번 AI 사이클의 끝은 더 좋은 챗봇이나 더 빠른 반도체만의 문제가 아닐 수 있다.

AI가 충분히 발전하면 인간 노동의 경제적 지위는 낮아지고, AI가 만들어낸 초과가치는 생산수단의 소유자에게 집중될 가능성이 높다. 이때 사회의 핵심 질문은 기술 성능이 아니라 소유와 배분이 된다.

누가 AI 모델을 소유하는가. 누가 반도체를 생산하는가. 누가 데이터센터와 전력망을 통제하는가. 누가 로봇 생산능력을 갖는가. 누가 AI가 만든 초과이윤을 배분할 권한을 가지는가.

이 질문에 대한 답이 AI 시대의 경제질서와 정치질서를 결정할 가능성이 높다.

내 생각에 AI 시대의 최종 자산은 추상적인 기술 그 자체보다, 그 기술을 생산하고 운영하며 전력을 공급하는 희소한 실물 인프라일 가능성이 높다.

결국 이번 AI 사이클의 끝은 IDM, AI Factory, 전력망, 핵심 부동산, 에너지 자산으로 수렴할 수 있다. 그리고 더 근본적으로는, 우리가 당연하게 받아들여온 자본주의와 자유민주주의가 AI가 만든 풍요와 권력 집중 앞에서 얼마나 버틸 수 있는지 시험받는 과정이 될 수 있다.

AI 시대의 본질은 “AI가 인간을 대체할 것인가”라는 질문에만 있지 않다. 더 중요한 질문은 이것이다.

노동의 가치가 낮아지는 세계에서 무엇이 새로운 가치가 되는가?
그리고 AI가 만든 풍요를 누가 소유하고, 누가 나누어줄 것인가?

위와 같은 질문들을 곱씹어볼수록 정말 어려운 문제이다..

지금 자산시장에서 나타나는 특정 AI 단일 섹터/ 기업으로의 자금 집중은 어쩌면 이 거대한 변화의 매우 초기 신호일지도 모른다.

AI가 소프트웨어를 넘어 반도체, 데이터센터, 전력망, 로봇, 에너지, 핵심 부동산으로 확장될수록 자본은 더 넓은 AI 인프라 생태계로 이동할 가능성이 높다.

그 과정에서 AI 생산성 향상과 연결되지 못하는 자산, 기업, 산업의 상대적 무가치함도 점점 더 선명하게 드러날 수 있다.

결국 AI CAPEX boom이 한 차례 일단락된 이후 시장이 마주하게 될 질문은 단순히 “AI가 과열되었는가”에 머물지 않을 것이다. 더 본질적인 질문은 무엇이 AI 시대의 생산수단으로 남고, 무엇이 AI 바깥에서 가치의 중심부로부터 밀려날 것인가에 가까울 것이다.

지금의 AI 집중화는 끝을 향해 나아가는 마지막 국면이 아니라, 오히려 AI 기술이 특정 산업을 넘어 자산시장과 사회 전체로 확산되기 시작하는 출발점일지도 모르겠다.

=끝

Eng

When studying AI, it is easy to get distracted by the technological changes and short-term investment opportunities right in front of us. But if we focus only on immediate small gains, we may miss the larger picture of how this technology could reshape the economy, industries, politics, and asset prices over the long run.

So I wanted to take this opportunity to bring together the ideas and hypotheses I have occasionally thought about and record them in one place. These thoughts may be somewhat rough and incomplete, but they are a kind of thought experiment about where this AI cycle may end, and what the world may look like by the time we get closer to that endpoint.

Where Does the AI Cycle End?

Where does this AI cycle end? And by the time this cycle reaches its end, what kind of world will we be living in?

No one can say for certain yet. But if we follow the current trajectory, it seems unlikely that AI will remain merely a tool for improving work efficiency. AI is increasingly evolving into a technology that changes the value of labor, corporate competitiveness, geopolitical power, political systems, and even the way asset prices function.

The core question of this AI cycle, in my view, is this.

As AI replaces human labor, who will own the surplus value created by AI, and who will have the authority to distribute it?

This question matters because AI may not simply produce more goods and services. In a society where AI becomes the center of production, the source of value added is likely to shift from human labor to ownership of production infrastructure such as AI models, semiconductors, data centers, power grids, robots, and prime real estate.

In the end, the essence of the AI era may not be a question of technological performance, but a question of where ownership of the means of production becomes concentrated.

1. AI Is Already Moving Toward Self-Improvement

AI is now moving beyond the stage of simply carrying out tasks assigned by humans. It is already entering a closed-loop phase in which it works on its own, evaluates the results, and improves them again.

For example, when a person tells AI to write code, AI can generate the code, find errors, and revise it in a better way. It can then analyze experimental results and even suggest the direction of the next experiment. Not every part of this process has been fully automated yet, but the direction is clear. AI is gradually shifting from a task executor to a participant in the improvement process.

If this trend advances further, it could lead to recursive self-improvement. Recursive self-improvement refers to a structure in which AI directly participates in the process of creating better AI.

In the past, building better AI required human researchers to read papers, write code, design experiments, and analyze results. But once AI begins to assist with a significant part of this process, the pace of AI development is no longer constrained only by the working hours of human researchers.

At that point, the role of humans changes. Humans become less like people who directly perform every step of the process, and more like people who set goals, verify results, and adjust direction.

2. Strong AI Will Be Used to Build Even Stronger AI

This change could fundamentally alter the competitive structure of the AI industry.

A leading frontier AI company is not merely a company that owns a good model. It can use that model to raise its internal R&D productivity again. Higher R&D productivity can then lead to faster model improvement.

In other words, strong AI helps develop even stronger AI, and that, in turn, creates still stronger AI.

Once this structure becomes entrenched, latecomers will find it difficult to catch up. AI competition is unlikely to remain a fight that can be won simply by investing more capital. To build frontier models, data, computing resources, research talent, the semiconductor supply chain, product distribution channels, and enormous capital are all required at the same time.

When all these elements are combined, the gap between leading companies and latecomers becomes more than just a technology gap. It becomes a self-reinforcing gap. Leading companies use better AI to conduct research faster, and as a result, they build better AI again. As this process repeats, the AI industry is likely to become increasingly concentrated around a small number of companies and a small number of countries.

3. AI Hegemony Is Likely to Be Reorganized Around a U.S.-Centered Supply Chain Order

AI competition is competition among companies, but it is also competition among nations.

Most of the companies currently leading frontier LLMs are based in the United States. The core semiconductor design, cloud infrastructure, and software ecosystems required for AI training and inference are also formed around the United States.

Of course, semiconductor manufacturing itself does not operate through the power of the United States alone. Leading-edge semiconductors are produced through a combination of U.S. design and software, Taiwanese and Korean manufacturing capabilities, and the materials and equipment ecosystems of Japan and the Netherlands. Therefore, AI hardware hegemony is not purely American dominance, but rather something closer to a supply chain bloc centered on the United States and supported by Northeast Asia and the liberal democratic camp.

China still has powerful competitiveness in manufacturing. However, it faces structural constraints in AI models, leading-edge semiconductors, high-performance GPUs, semiconductor equipment, advanced packaging, and the global cloud ecosystem. These constraints are not just a simple technology gap. They arise from bottlenecks in the supply chain that simultaneously governs AI software and hardware.

As a result, AI-era hegemony seems more likely to be reorganized around a U.S.-centered AI supply chain order than to shift toward China. China’s strengths accumulated in traditional manufacturing may also be partially dispersed as AI, robotics, automation, and geopolitical supply chain restructuring become intertwined.

Ultimately, this AI cycle may become more than a simple technology cycle. It may become a cycle that simultaneously reveals U.S.-centered AI bloc formation and the structural limits of China’s catch-up.

4. The Next Inflection Point Is Physical AI

When AI operates only inside software, it mainly transforms knowledge work and digital tasks. But once AI gains a body in the form of robots, the story changes. This is Physical AI.

Physical AI, simply put, is the stage in which AI moves and performs work in the real world. Humanoid robots, logistics robots, manufacturing robots, cleaning robots, care robots, agricultural robots, and construction robots all belong to this category.

The important question here is not, “When will robots replace all human labor?” The more important question is when robots begin to work more cheaply and more reliably than humans in specific industries.

Robots do not need to do everything perfectly. It is enough for them to perform sufficiently stable work at a cost below the marginal cost of human labor in warehouses, manufacturing lines, cleaning, security, agriculture, parts of the food service industry, and repetitive service tasks. From that moment on, companies will begin to seriously consider the option of adopting robots instead of hiring people.

I think this point will become one of the most important economic inflection points ahead.

As AI competition intensifies, investment in data centers, semiconductors, power grids, energy, materials, and talent acquisition will increase. In the early phase, this can raise inflationary pressure and also lead to wage increases and higher labor costs.

By contrast, the robotics industry is likely to draw a cost curve that moves in the opposite direction over the long run. As semiconductors, batteries, sensors, motors, and communication technologies advance, and as production scale expands, the unit cost of robots can fall. As component standardization and mass production progress, the price of humanoid robots is also likely to decline.

Eventually, there may come a point when rising human labor costs and falling robot costs intersect. This intersection may be the true inflection point at which robots begin to economically replace human labor.

In the beginning, change will appear only in some industries. But as prices fall, performance improves, and maintenance costs decline, the pace of diffusion will accelerate. At that point, robot adoption is more likely to follow a J-curve than a gentle straight line.

5. If the Share of Labor Income Is Shaken, the Economic Structure Will Also Be Shaken

In the current global economy, labor is the most important income base. People provide labor and receive wages. They then consume with those wages. This consumption becomes corporate revenue, corporate profit, and government tax revenue.

But if AI and robots broadly replace human labor, this structure could be shaken.

If we include the labor income of the self-employed, labor income can be seen as accounting for roughly more than half of global GDP. If we also add the economic value of unpaid household labor and care work, the economic value created by human labor becomes much larger.

Therefore, AI and robots replacing labor is not simply a matter of a few jobs disappearing. It is an event in which labor costs, which have accounted for a large portion of global GDP, are replaced by machines and software.

Once this change begins in earnest, the exchange value of human labor may decline. Many people may find it difficult to earn sufficient income by selling their labor. As a result, the center of the economy is likely to shift from labor income to ownership of AI means of production.

Modern capitalism is not sustained by production alone. It operates on a structure in which a large middle class earns income through labor, consumes with that income, pays taxes, and supports society. But if AI takes charge of a significant portion of production, the economic circulation structure that has long been taken for granted may itself be shaken.

Ultimately, the core challenge of the AI era does not lie only in technological development itself. The bigger question may be how to maintain social stability and economic balance as the value of human labor declines.

6. In the Early Stage of the AI Cycle, Inflationary Pressure Increases

AI may lower costs in the long run, but in the early stage, it can actually create inflationary pressure.

The reason is simple. Running AI requires enormous physical infrastructure. Data centers must be built, semiconductors must be produced, and power grids must be expanded. Demand for GPUs, HBM, semiconductor equipment, power equipment, cooling systems, copper, transformers, and generation facilities rises at the same time.

In other words, AI looks like software, but in reality it operates on a massive physical foundation. For this reason, in the early phase of the AI investment cycle, AI CAPEX can absorb global resources in materials, equipment, power, and construction, creating inflationary pressure.

Companies invest competitively to secure AI infrastructure. Governments increase subsidies and policy support to secure AI sovereignty. If bottlenecks emerge in power grids and semiconductor supply chains, related prices rise further.

In this phase, AI may function less like a deflationary technology and more like an inflationary technology that creates excess demand for real assets and strategic infrastructure.

7. After AI Diffusion, Deflationary Pressure May Also Increase

As time passes and AI becomes sufficiently widespread, the direction can change.

If AI increases productivity in various areas such as office work, software development, customer service, content creation, R&D, accounting, legal assistance, marketing, education, and medical assistance, the cost of services may fall.

If Physical AI is added to this, the change becomes even larger. If robots begin to replace parts of manufacturing, logistics, distribution, care, cleaning, agriculture, and construction, labor costs will decline. Because labor costs are a key component of many service prices, the spread of robots can create long-term downward pressure on service prices.

Therefore, in the AI era, two types of pressure are likely to appear sequentially.

In the early phase, AI CAPEX inflation appears. Later, labor and service deflation may emerge as AI and robots spread.

However, it is difficult to assume that deflation directly leads to social stability. Even if prices fall, if people lose jobs, the labor income base weakens, and the gap between those who own assets and those who do not widens, social instability may instead grow.

This is where the AI cycle differs from ordinary technology cycles. Technology can lower costs, but who receives the fruits of that cost reduction is a separate question.

8. There Is No Guarantee That the Abundance Created by AI Will Be Distributed to Everyone

If AI develops sufficiently, the world may become materially more abundant. More goods and services can be produced at lower cost.

But material abundance does not automatically mean equal distribution.

Historically, whenever productive capacity increased, the important question was always the same. Who owns the increased output, and who has the authority to distribute it?

This is where the analogy with agricultural society becomes meaningful. As humanity moved from hunter-gatherer society to agricultural society, surplus production emerged. Grain remained after people had eaten, and people appeared who stored and managed that grain. Ownership of land and granaries became the source of power. Politics, states, classes, and institutions developed amid competition and coordination over this surplus production.

The case of Rome can also serve as a loose reference. The decline of Rome cannot be explained by slavery alone. It was the result of complex factors accumulating over centuries, including rising military costs, political corruption, administrative expansion, currency debasement, population decline, higher costs of border defense, and stagnant productivity. Still, it is worth noting that in this process, land and wealth became concentrated in the hands of a small number of large landowners, while the middle class centered on independent farmers weakened, shaking the social balance.

The AI era cannot be directly compared with the past. AI is not slavery, and the modern economy is far more complex than the Roman economy. But there is a question shared by both eras.

When productivity improves rapidly, who receives the fruits?

The future created by AGI and Physical AI carries a similar issue. This time, however, the scale of surplus production may be far larger, and the concentration of the means of production may also be much higher.

If the agricultural revolution made land and grain storage the sources of power, the AI revolution may make AI models, semiconductor production facilities, data centers, power grids, and robot production capacity the sources of power.

In the end, the core conflict of the AI era converges on who owns the enormous surplus profits created by AI, and who has the authority to distribute them.

9. Political Systems Are Entering a New Test

If the benefits of AI become concentrated among a small number of actors, political tension will inevitably increase.

This is especially true in liberal democracies, where power shifts through votes. If AI diffusion increases youth unemployment, structural unemployment, asset inequality, regional inequality, and generational conflict, political forces demanding redistribution are likely to rise.

There is nothing strange about this itself. In a society where labor income weakens, demands for welfare, basic income, retraining, public AI infrastructure, and medical and care support will inevitably grow.

The problem comes next. There is no guarantee that political power advocating redistribution will always lead to good outcomes.

In the AI era, the state may no longer remain merely an institution that collects taxes and distributes welfare. The state may gain authority over AI access, data control, security infrastructure, semiconductor supply chains, energy allocation, and rules for robot use.

If this authority becomes concentrated in a particular political group, a new form of privatized power may emerge. Political groups may come to power in the name of democracy, while in practice using AI, data, tax-collection rights, and security authority to maximize their own interests.

Therefore, politics in the AI era may move in two directions.

One direction is the expansion of the welfare state that institutionally redistributes the abundance created by AI. This path strengthens welfare, education, healthcare, basic income, and public AI infrastructure so that society as a whole can share the productivity and value added created by AI.

The other direction is the emergence of a new control state that captures AI access and distribution authority. In this path, political groups that control AI, data, and surveillance infrastructure also monopolize the authority to distribute the wealth created by technology, thereby strengthening their power further.

The warning raised by Daron Acemoglu and Simon Johnson in Power and Progress also connects with this point. The benefits of technological progress are not automatically distributed fairly across society. Depending on who owns technology and within what institutions it is operated, technology can become a foundation for abundance or a tool for control and concentration of power.

AI may not be an exception. The abundance created by AI could spread across civil society as a whole. Conversely, AI’s data analysis capabilities, surveillance capabilities, and automated decision-making systems could be used as tools that further strengthen the concentration of power.

Whichever direction it takes, AI is likely to push political systems into greater conflict for some time. The question of how to divide the abundance created by AI may ultimately become an agenda that shakes democracy, state power, tax systems, welfare systems, and security policy all at once.

10. Even After Inflation, Liquidity May Not Easily Decline

In general, when technology advances and productivity rises, prices seem likely to fall and society seems likely to stabilize. But in the AI era, things may not unfold so simply.

In the early stage of the transition toward AI, investment in data centers, power grids, semiconductors, materials, and equipment increases, raising inflationary pressure. If this process increases the cost of living and widens asset inequality, social instability emerges. To ease this, governments may expand fiscal spending and liquidity supply.

Later, if AGI and robots spread and service prices fall, deflationary pressure may increase. But if the labor income base collapses in that process and unemployment and polarization intensify, governments will again have no choice but to increase welfare spending and transfer payments.

In the end, in the AI era, two pressures moving in opposite directions can both stimulate liquidity.

In the early phase, AI CAPEX inflation can create social instability. In the later phase, the decline in labor value and deflation can create another form of social instability.

Inflation and deflation are phenomena moving in opposite directions, but politically, both can demand fiscal spending and liquidity supply. This is why the AI cycle may not end as a simple business cycle.

11. The Final Assets of the AGI Era May Be Scarce Physical Infrastructure

Then what will be the most important assets at the end of the AI era?

In my view, they are likely to be real assets where excess demand always exists but supply is limited.

No matter how much AI advances, not everything can increase infinitely. Good locations, stable power, leading-edge semiconductor production capacity, large-scale data center sites, cooling water, transmission grids, energy resources, and strategic minerals are all limited.

The core assets of the AI era can be divided into five broad categories.

First is computing infrastructure. AI Factories, data centers, GPU clusters, and ultra-high-speed networks belong here. As AI is used more, demand for computation rises.

Second is production infrastructure. IDMs, foundries, semiconductor equipment, HBM, advanced packaging, and materials ecosystems become important. As AI advances, more high-performance semiconductors are needed.

Third is power and energy infrastructure. AI and robots run on electricity. The importance of power plants, nuclear power, gas, power grids, transformers, ESS, and cooling infrastructure will inevitably increase.

Fourth is prime real estate. Even in the AI era, location matters. Real estate that combines access to power, communication networks, tax systems, regulatory stability, talent access, and living infrastructure may become even scarcer.

Fifth is politically scarce assets. AI sovereignty, data control rights, strategic minerals, energy resources, and security infrastructure belong here. These assets are likely to be treated not merely as economic goods, but as issues of national security and hegemony.

Ultimately, the final assets of the AI era may be less about abstract technology itself and more about the physical foundation that produces and operates that technology.

12. Energy Becomes a Core Condition of AI Hegemony

As AI and robots spread, power demand increases. Replacing human labor with robots also means that machines and data centers begin to use the energy that humans previously used in a different form.

Therefore, in the AI era, the importance of countries and regions that can secure stable energy will grow. Without cheap and stable power, it is difficult to maintain large-scale AI Factories and robot infrastructure.

In this process, countries with energy resources, regions with stable power grids, countries capable of combining nuclear power and gas-fired generation, and regions that secure strategic minerals may become spaces that AI hegemonic powers must pay attention to.

The geopolitics of the AI era may not simply be a question of military power or population. Who owns and controls power, semiconductors, data centers, energy resources, and core infrastructure may become the new standard of hegemony.

In this case, the meaning of the nation-state as a unit may also change in part. What matters is not the border itself, but who controls the resources required to maintain AI systems.

13. There Is No Guarantee That This Scenario Will Unfold in a Straight Line

Of course, we cannot assert that this outlook will necessarily materialize exactly as described.

The diffusion of Physical AI could be slower than expected. Hardware costs, safety regulations, liability for accidents, maintenance issues, energy bottlenecks, and social resistance could slow the pace of adoption.

The pace of performance improvement in frontier models may also slow. Open-source models may advance enough to reduce monopolistic surplus profits. Governments around the world may try to restrain AI monopolies and expand public AI infrastructure, limiting the dominance of a small number of companies.

Even with these variables, however, the long-term direction is unlikely to change greatly. AI and robots will lower labor costs. AI infrastructure will become a strategic asset. Ownership of the means of production will inevitably become more important.

The core point is this.

As AI becomes more universal, the power of those who own the infrastructure that produces and operates the technology may become greater than the power of those who merely use the technology.

14. Where Does the AI CAPEX Boom End?

The current AI CAPEX boom may not end as a simple data center investment cycle.

In the early stage, GPU, server, and data center investments receive attention. Later, attention is likely to spread to power grids, cooling, transformers, generation facilities, semiconductor equipment, advanced packaging, HBM, materials, real estate, and energy assets.

Over a longer horizon, the end of the AI CAPEX boom could lead to a revaluation of AI Factories, IDMs, power grids, prime real estate, and energy assets.

In a society where the exchange value of human labor declines and AI and robots take on more production, those who own the means of production capture more value added. At that point, the means of production do not refer only to traditional factories. In the AI era, the means of production include models, semiconductors, data centers, power grids, robots, energy, and real estate.

Therefore, today’s equity capital markets may still be reflecting this change only in its early stage. The market views AI as a software and semiconductor cycle, but over the long term, it may expand into a far broader revaluation cycle for real assets.

15. Conclusion: The Question of the AI Era Is a Question of Ownership

The end of this AI cycle may not be only about better chatbots or faster semiconductors.

If AI develops sufficiently, the economic status of human labor may decline, and the surplus value created by AI is likely to become concentrated among the owners of the means of production. At that point, the core question for society becomes not technological performance, but ownership and distribution.

Who owns the AI models? Who produces the semiconductors? Who controls the data centers and power grids? Who has robot production capacity? Who has the authority to distribute the surplus profits created by AI?

The answers to these questions are likely to determine the economic and political order of the AI era.

In my view, the final assets of the AI era are likely to be not abstract technology itself, but scarce physical infrastructure that produces and operates that technology and supplies it with power.

Ultimately, the end of this AI cycle may converge toward IDMs, AI Factories, power grids, prime real estate, and energy assets. More fundamentally, it may become a process in which the capitalism and liberal democracy we have taken for granted are tested against the abundance and concentration of power created by AI.

The essence of the AI era does not lie only in the question, “Will AI replace humans?” The more important questions are these.

In a world where the value of labor declines, what becomes the new source of value?

And who will own the abundance created by AI, and who will distribute it?

The more I dwell on these questions, the more difficult they become.

The concentration of capital into specific AI sectors and companies now visible in asset markets may be a very early signal of this enormous transformation.

As AI expands beyond software into semiconductors, data centers, power grids, robots, energy, and prime real estate, capital is likely to move into a broader AI infrastructure ecosystem.

In that process, the relative worthlessness of assets, companies, and industries that cannot connect themselves to AI-driven productivity improvement may become increasingly clear.

After the AI CAPEX boom reaches an initial pause, the question facing the market will probably not remain limited to, “Is AI overheated?” The more fundamental question will be closer to this: what will remain as a means of production in the AI era, and what will be pushed outside the center of value?

Today’s concentration around AI may not be the final phase moving toward an endpoint. It may instead be the starting point at which AI technology begins to spread beyond specific industries and into asset markets and society as a whole.

=The end.