AI 투자는 성장을 견인하는 동시에 경제적 위험을 드러낸다

TD Securities는 뚜렷한 경제적 불균형을 지적했다. 2025년 AI 관련 프로젝트가 미국 기업 투자 증가분의 거의 4분의 3을 만들어냈다는 것이다. Google News 헤드라인은 호황을 포착하지만, 그 아래 형성되는 의존성까지는 보여주지 못한다. AI는 자본지출의 약 8%를 차지하면서도 증가분에서는 훨씬 더 큰 비중을 차지했다.

이 차이는 경제 논쟁의 구도를 바꾼다. AI가 광범위한 생산성 향상을 아직 입증하기 전부터 데이터 센터, 칩, 전력 설비, 소프트웨어, 연구에 대한 지출이 성장을 뒷받침하고 있다. 경제는 투자를 먼저 받고 있지만, 운영상 성과는 여전히 불확실하다.

따라서 핵심 충돌은 투자 주도 성장과 생산성 주도 성장 사이에 있다. Alphabet, Amazon, Meta, Microsoft 등 대형 기술 기업은 자본지출을 통해 첫 번째 엔진을 계속 가동할 수 있다. 두 번째 엔진이 작동하려면 수천 개의 일반 기업이 AI를 중심으로 업무를 재편하고 측정 가능한 성과를 내야 한다.

Google News 헤드라인이 빠뜨린 것

TD Securities가 설명하는 것은 단순히 기술 지출이 강세를 보인 한 해가 아니라, 하나의 좁은 투자 사이클에 점점 더 의존하는 경제다.

TD Economics는 2025년 AI 관련 투자가 호황 이전 추세를 넘어 약 1,370억 달러를 추가로 기여했다고 추정한다. 이 분석은 AI 구축과 연결된 장비, 구조물, 소프트웨어, 연구 지출을 합산한다.

그해 데이터 센터와 반도체 시설은 합쳐 1,250억 달러의 투자를 차지했다. TD의 방법론에 따르면 소프트웨어와 연구는 AI 관련 지출로 추정 680억 달러를 추가했다.

가장 중요한 발견은 기업 투자 전망에서 드러나는 집중도다. AI 관련 활동은 전체 자본지출의 약 8%에 불과했지만 기업 투자 증가분의 거의 4분의 3을 만들어냈다.

이 패턴이 중요한 이유는 AI 복합체 밖의 지출이 여전히 부진했기 때문이다. TD의 평가에 따르면 2025년 50개가 넘는 투자 부문 가운데 성장한 부문은 3분의 1에도 못 미쳤다.

팬데믹 기간을 제외하면 이러한 확산 폭은 2010년 이후 가장 약했다. 그렇다고 경제가 금융위기 이후의 상황으로 되돌아갔다는 뜻은 아니다. 투자 확대가 관련 없는 산업들로부터 얼마나 적은 뒷받침을 받았는지를 보여준다.

무역 불확실성과 높은 차입 비용은 그 배경의 일부를 설명한다. 금리에 민감한 기업들은 더 빡빡한 금융 여건에 직면한 반면, 대형 기술 기업들은 상당한 현금흐름으로 데이터 센터 투자를 계속 지원했다.

이 불균형은 같은 데이터를 두 가지 전혀 다른 방식으로 읽게 만든다. 한쪽에서는 민간 기업이 대규모 생산성 향상을 위한 인프라를 구축하고 있다고 본다. 다른 쪽에서는 헤드라인상의 성장이 소수 기업 집단의 지속적인 지출에 이례적으로 노출됐다고 본다.

두 해석은 일정 기간 모두 사실일 수 있다. 건설은 수요를 만들고, 장비 주문은 제조업을 뒷받침하며, 소프트웨어 개발은 투자로 집계된다. 이러한 효과는 기업들이 AI가 더 넓은 경제 전반의 산출을 높일 수 있음을 입증하기 전에 나타난다.

원문은 명칭상 구분도 필요하다. TD Securities는 TD 산하의 자본시장 사업부이며, 상세 추정치는 TD Economics의 연구에서 나온다. 헤드라인을 하나의 기업 전망으로 취급하면 이 구분이 흐려진다.

바뀐 것은 단지 투자자 열기가 아니다. AI 인프라는 이제 국가 투자 통계, 산업 공급망, 전력 계획, 경제성장 기대에 영향을 줄 만큼 커졌다.

AI 투자가 경제의 더 큰 부분을 떠받치고 있다

즉각적인 경제적 이익은 AI 역량을 구축하는 데서 나오지만, 지속 가능한 이익은 기업들이 궁극적으로 그 역량으로 무엇을 하느냐에 달려 있다.

데이터 센터는 긴 공급망을 가동한다. 개발업체에는 토지, 건설 인력, 전기 장비, 냉각 시스템, 서버, 네트워킹 하드웨어, 스토리지, 칩, 전력망 연결이 필요하다.

이러한 구매는 구축 기간의 투자를 늘린다. 또한 반도체 제조업체, 유틸리티 기업, 엔지니어링 회사, 클라우드 제공업체, 장비 공급업체의 매출을 뒷받침한다.

미국 경제분석국은 자본, 노동, 에너지, 자재, 서비스를 통해 이 관계를 설명한다. 해당 기관의 성장회계 프레임워크는 이런 투입 요소가 산업 산출과 국가 성장에 어떻게 기여하는지 추적한다.

정보산업 자본은 2021년부터 2024년까지 미국 실질 GDP 성장의 주요 기여 요인 가운데 하나였다. 이는 AI와 관련 서비스에 대한 상당한 지출과 부합하는 결과다.

다만 공식 통계에는 AI 투자라는 명확한 항목이 없다. AI 소프트웨어는 여러 산업에 걸쳐 있으며, 컴퓨터 구매에는 머신러닝과 무관한 장비도 포함된다.

연방준비제도도 같은 측정 문제에 직면한다. 2026년 7월의 AI 구축 분석은 AI의 기여도를 근사하기 위해 소프트웨어, 컴퓨팅 장비, 데이터 센터, 전력 인프라를 결합한다.

이 분석은 2025년부터 2026년 1분기까지 분기별 GDP 성장에 의미 있는 기여가 있었다고 밝혔다. 소프트웨어와 컴퓨터 장비가 가장 큰 긍정적 구성 요소를 제공했다.

그러나 수입은 계산을 복잡하게 만든다. 기업은 컴퓨팅 하드웨어의 상당 부분을 해외 공급업체에서 구매하면서도 대규모 국내 투자를 할 수 있다.

이 구매는 장비 투자를 늘리지만, 수입은 GDP에 대한 직접 기여의 일부를 상쇄한다. 이것이 자본지출과 국내 경제성장이 서로 다른 폭으로 움직일 수 있는 이유다.

측정의 공백은 반대 방향으로도 존재한다. 투자 회계는 건설과 장비를 비교적 쉽게 포착하지만, 의사결정, 제품 품질, 노동자 산출의 후속 개선은 포착하기 어렵다.

AI를 활용해 사례를 더 빠르게 처리하는 고객 서비스 팀은 새 서버를 구매하지 않고도 더 많은 가치를 만들어낼 수 있다. 소프트웨어 팀은 같은 인원으로 더 많은 기능을 출시할 수도 있다.

이러한 이득은 경제적으로 중요하지만, AI의 기여를 다른 변화와 분리하는 일은 여전히 어렵다. 기업마다 절감 시간, 오류율, 산출 품질, 대체된 업무를 측정하는 방식도 다르다.

따라서 현재 사이클에는 눈에 보이는 측면과 불확실한 측면이 있다. 눈에 보이는 측면에는 크레인, 칩, 변전소, 자본 예산이 포함된다. 불확실한 측면에는 조직 도입과 지속적인 생산성 향상이 포함된다.

이 때문에 Google News의 프레이밍은 검토할 필요가 있다. 이미 GDP를 형성하는 지출 호황이 AI가 경제 전반의 생산을 바꿨다는 증거는 아니다.

Big Tech 지출이 다른 기업들에 압박을 가한다

AI 투자 경제는 지금 인프라 자금을 조달할 수 있는 기업에 보상하는 한편, 비슷한 자원이 없는 소규모 기업에는 도입의 정당성을 입증하라는 압박을 가한다.

최대 기술 기업들은 현금, 클라우드 사업, 확립된 고객 기반, 글로벌 자본시장 접근성을 갖춘 채 이 사이클에 진입했다. 이러한 장점 덕분에 금리가 높아진 상황에서도 투자를 이어갈 수 있었다.

TD 연구는 주요 하이퍼스케일러의 분기별 자본지출이 2023년 약 400억 달러에서 2025년 약 1,300억 달러로 증가했다고 추정한다. 하이퍼스케일러는 광범위한 고객 수요를 충족할 만큼 큰 컴퓨팅 플랫폼을 운영한다.

이 지출은 첨단 칩과 데이터 센터 역량에 대한 수요를 뒷받침한다. 동시에 모델, 클라우드 서비스, AI 애플리케이션을 구축하는 기업의 경쟁 기준도 높인다.

소규모 개발업체가 데이터 센터를 직접 건설할 필요는 없다. 하지만 대체로 더 큰 제공업체가 통제하는 인프라에 의존하며, 사용량이 늘수록 컴퓨팅 비용을 지불한다.

기업 구매자들은 또 다른 압박에 직면한다. 경영진은 AI가 생산성을 높일 것이라는 말을 들었지만, 많은 기업은 여전히 산출 품질과 경제적 수익을 평가할 신뢰할 만한 절차가 없다.

모델 접근권을 구매하는 것은 초기 단계에 불과하다. 기업은 데이터를 연결하고, 워크플로를 재설계하며, 검토 규칙을 정하고, 직원을 교육하고, 인간의 승인이 계속 필요한 지점을 결정해야 한다.

이러한 보완 투자는 제품 시연에서 좀처럼 드러나지 않는다. 하지만 AI가 운영 인프라가 될지, 활용되지 않는 구독 서비스에 머무를지를 결정한다.

TD의 캐나다 생산성 연구는 이 구분을 분명히 한다. 해당 기관의 생산성 평가는 초기 미국의 이득이 광범위한 조직 변화보다 주로 자본심화에 반영된다고 말한다.

자본심화는 노동자가 더 많거나 더 나은 장비를 받는 상황에서 발생한다. 이는 측정된 산출을 높일 수 있지만, 새로운 범용 기술을 중심으로 생산을 재편하는 것과는 다르다.

2025년 4분기 미국의 정보처리 장비 실질 투자는 전년 대비 약 28% 증가했다. 컴퓨터 및 주변기기 투자는 약 72% 늘었다.

TD가 인용한 수치에 따르면 미국 데이터 센터 건설 착공도 2025년 약 190% 증가했다. 이 수치들은 이례적인 역량 확대를 보여준다.

그러나 병원이 행정 지연을 줄였는지, 제조업체가 불량률을 개선했는지는 보여주지 않는다. 이러한 결과는 각 조직 내부의 구현에 달려 있다.

TD가 인용한 설문조사는 미국, 영국, 독일, 호주의 경영진 약 6,000명을 대상으로 했다. 이 설문은 폭넓은 도입이 이뤄지고 있지만 AI에 기인한 실현 생산성 개선은 제한적이라는 결과를 냈다.

이 격차는 기술 공급업체에도 압박을 가한다. 이들은 오류, 보안 노출, 감독 비용을 통제하면서 고객을 실험 단계에서 반복 가능한 배포 단계로 이끌어야 한다.

지식 노동자에게 주는 교훈은 실용적이다. 더 나은 모델은 도움이 되지만, 신뢰할 수 있는 가치는 종종 해당 모델에 제공되는 정보를 어떻게 정리하느냐에 달려 있다.

잘 관리된 AI 지식 베이스는 프로젝트 맥락을 찾는 데 드는 시간을 줄일 수 있다. 다만 그 비즈니스 가치는 정확성, 접근 제어, 일관된 사용에 달려 있다.

각 참여자에게 요구되는 대응은 다르다. 대형 기술 기업은 인프라 활용률을 높게 유지해야 한다. 기업 구매자는 수익을 입증해야 하며, 소규모 공급업체는 임차한 컴퓨팅 역량 위에서 차별화된 제품을 구축해야 한다.

이 압박은 현재의 지출 사이클 이후에도 지속될 것이다. 인프라는 비교적 빠르게 자금을 조달하고 구축할 수 있지만, 조직 변화는 예산, 정책, 직원 행동을 거쳐 진행된다.

메커니즘은 데이터 센터에서 생산성으로 이어진다

AI 지출은 인프라가 더 저렴한 컴퓨팅, 더 폭넓은 도입, 다양한 산업 전반의 높은 산출을 뒷받침할 때에만 지속 가능한 경제성장이 된다.

이 사이클은 예상 수요에서 시작된다. 기술 기업들은 훈련과 추론의 사용 증가를 예상하는데, 추론은 AI 모델을 훈련한 후 운영하는 것을 뜻한다.

이에 따라 기업들은 칩을 주문하고, 시설을 건설하며, 전력을 확보한다. 공급업체들은 이러한 주문이 자체 투자를 정당화할 만큼 지속 가능해 보일 때 역량을 확대한다.

역량이 늘어나면 시간이 지나며 컴퓨팅 비용이 낮아질 수 있다. 낮아진 비용은 개발자가 AI 기능을 추가할 수 있게 하고, 기업이 더 많은 업무를 경제적으로 수행하게 한다.

AI의 보급 확대는 이후 생산성 향상 기회를 만듭니다. 근로자는 조사 속도를 높이고, 기록을 요약하며, 초안을 작성하고, 데이터를 검토하거나 프로세스의 정해진 일부를 자동화할 수 있습니다.

그러나 이 메커니즘의 각 연결 고리는 약해질 수 있습니다. 전력망 지연은 건물을 완공하지 못하게 하거나, 완공된 시설이 완전 가동에 이르는 것을 막을 수 있습니다.

칩 부족은 비용을 올리고 납기 일정을 연장할 수 있습니다. TD는 수요가 제한된 공급과 충돌하면서 2025년 하반기에 반도체 가격 상승세가 가속화됐다고 관찰했습니다.

소프트웨어 경제성은 또 다른 불확실성을 만듭니다. 고객이 더 높은 지출을 꺼리거나 광범위한 인간 검증을 요구한다면, 컴퓨팅 비용 하락이 수익성 있는 애플리케이션을 보장하지는 않습니다.

마지막 단계인 조직 전환이 가장 어렵습니다. 이전의 범용 기술에는 기술, 경영, 인프라, 재설계된 프로세스에 대한 보완적 투자가 필요했습니다.

기업들이 처음으로 모터를 연결했을 때 전기가 공장 생산성을 즉시 바꾸지는 않았습니다. 많은 성과는 관리자가 분산형 전력을 중심으로 생산 방식을 재설계한 뒤에 나타났습니다.

컴퓨터도 비슷한 경로를 밟았습니다. 기업들은 정보 흐름, 공급망, 행정 업무를 어떻게 재구성할지 익히기 전에 하드웨어를 구매했습니다.

AI도 같은 타이밍 문제를 안고 있으며, 여기에 신뢰성 우려까지 더해집니다. 모델은 유창한 결과물을 생성할 수 있지만, 그 안에는 잘못된 사실, 누락된 맥락 또는 보안상 취약한 권고가 포함될 수 있습니다.

이는 경제학자들이 흔히 생산성 J-커브라고 부르는 현상을 만듭니다. 조직이 무형자산에 투자하고 업무를 재설계하는 동안 측정된 생산성은 처음에는 기대에 못 미칠 수 있습니다.

이후의 성과는 그러한 변화가 지속 비용보다 더 많은 산출을 만들어낼 때에만 나타납니다. 교육, 거버넌스, 데이터 준비, 인간 검토는 모두 이 계산에 포함됩니다.

이 메커니즘은 혜택도 불균등하게 분산합니다. 대형 데이터센터 클러스터 인근의 건설 시장은 직접 투자를 받지만, 다른 지역은 즉각적인 이익을 거의 경험하지 못합니다.

AI 인접 산업의 근로자는 더 높은 수요의 혜택을 받을 수 있습니다. 다른 직원들은 업무 흐름의 변화나 고용주가 자신의 역할 일부를 자동화할지에 대한 불확실성에 직면합니다.

그 결과 경제는 두 개의 시계에 의해 움직입니다. 인프라 시계는 발표된 자본 예산과 건설 일정을 따라 움직입니다.

생산성 시계는 실험, 신뢰, 프로세스 재설계, 측정된 결과를 따라 움직입니다. 데이터센터가 하나 더 문을 연다고 해서 자동으로 빨라지지는 않습니다.

이 구분은 AI 투자 경제 데이터를 더 유용하게 만듭니다. 이는 역량을 구축하기 위해 지출된 자금과 지속적인 사용을 통해 창출된 가치를 분리합니다.

가동률이 상승하고 기업 성과가 개선된다면, 오늘의 건설은 장기 성장의 토대가 됩니다. 도입이 정체된다면, 같은 인프라는 고가의 운영 요건을 지닌 과잉 역량이 됩니다.

투자 수치가 여전히 증명할 수 없는 것

가장 강력한 증거는 대규모 AI 건설 사이클을 뒷받침하지만, 아직 광범위한 생산성 전환이나 충분한 투자 수익을 입증하지는 못합니다.

첫 번째 불확실성은 정의에 관한 문제입니다. 정부 계정은 AI를 별도로 분리하지 않기 때문에, 분석가들은 AI와 비AI 활동을 모두 포함하는 범주에서 추정치를 구성합니다.

컴퓨터와 주변 장비에는 일반적인 업무용 기기가 포함됩니다. 전력 인프라는 AI 시설과 함께 가정, 공장, 교통, 기존 데이터 서비스를 지원합니다.

Fed는 관련 없는 추세가 같은 범주에 영향을 미치면서 2023년 이전 기준선을 외삽하는 방식의 신뢰도가 떨어진다고 경고합니다. 따라서 모든 추정치는 포함 범위와 귀속에 관한 가정에 의존합니다.

두 번째 불확실성은 집중도와 관련됩니다. 현금이 풍부한 소수 기업이 주도하는 투자 확대는 강하게 유지될 수 있지만, 폭은 제한적입니다.

TD는 2025년에 성장한 기업 투자 범주가 3분의 1 미만이었다고 밝혔습니다. 이는 전체 투자가 하이퍼스케일러의 예산 결정에 더 민감해진다는 뜻입니다.

세 번째 불확실성은 수익화입니다. 인프라 운영자는 칩, 전력, 냉각, 유지보수, 네트워킹, 금융 비용을 충당할 만큼 충분한 유료 수요가 필요합니다.

소비자 열기가 반드시 기업 매출로 이어지는 것은 아닙니다. 기업 고객은 배포를 확대하기 전에 보안, 정확성, 통합 비용, 측정 가능한 수익을 평가합니다.

네 번째 불확실성은 금융시장과 관련됩니다. 높은 기술주 밸류에이션은 가계 자산을 통해 소비를 뒷받침할 수 있지만, 가격 하락은 그 경로를 역전시킬 수 있습니다.

TD는 시장 스트레스 분석에서 이 위험을 모델링했습니다. 가정에 따르면 S&P 500이 가상으로 30% 조정될 경우 연간 성장률은 1%포인트 이상 낮아집니다.

같은 시나리오는 연말까지 실업률을 5% 이상으로 끌어올립니다. TD는 이 정도 규모의 조정을 중심 전망이 아닌 꼬리 위험으로 설명했습니다.

모델에서 10% 조정은 훨씬 작은 영향을 냈습니다. 이 대비는 단순히 시장 변동성이 발생하는 것보다 재평가의 규모가 왜 더 중요한지를 보여줍니다.

TD는 순환 금융과 부채 의존도 증가도 잠재적 취약성으로 지목했습니다. 순환 구조는 참여자가 자사 제품을 구매하는 고객이나 파트너에게 자금을 제공할 때 발생합니다.

이러한 계약은 인프라 배포를 가속할 수 있습니다. 하지만 자본, 컴퓨팅 계약, 공급업체 매출이 동일한 상업 네트워크 안에서 움직일 경우 독립적인 수요를 가릴 수도 있습니다.

전력은 또 다른 제약입니다. 글로벌 데이터센터 용량에는 발전, 송전, 변전소, 그리고 긴 연결 절차가 필요합니다.

TD는 전 세계 설치된 데이터센터 전력 수요가 2020년 약 60기가와트에서 2024년 약 100기가와트로 증가한 것으로 추정합니다. 미국과 중국이 이 확대를 주도했습니다.

전력망 제약 보고서는 일반 전력 소비자에게 불합리한 비용을 전가하지 않으면서 각 지역이 프로젝트를 연결해야 한다고 주장합니다.

이 문제는 투자를 정치적 갈등으로 바꿀 수 있습니다. 지역사회는 세수와 건설 일자리를 토지 이용, 물 소비, 송전망 업그레이드, 전기요금과 비교합니다.

이러한 위험 중 어느 것도 AI 투자 논지를 무효화하지는 않습니다. 대신 그 논지가 성공하기 위해 필요한 조건을 정의합니다.

증거는 강한 인프라 수요와 기업 투자에 대한 의미 있는 효과를 뒷받침합니다. 경제 전반의 생산성에 관한 주장은 더 직접적인 운영 증거를 필요로 합니다.

따라서 독자는 세 가지 진술을 구분해야 합니다. AI 지출은 크다, AI 지출은 성장을 뒷받침한다, AI 도입은 생산성을 전환했다는 서로 다른 주장입니다.

처음 두 가지에는 상당한 증거가 있습니다. 세 번째는 자본지출 총액만으로는 결론낼 수 없는 열린 검증 과제로 남아 있습니다.

다음 단계를 결정할 세 가지 신호

다음 단계는 더 큰 지출 발표만이 아니라 투자 폭, 인프라 가동률, 검증된 생산성 향상으로 평가될 것입니다.

첫 번째 신호는 기업 투자의 폭입니다. 분석가들은 AI 외 장비, 구조물, 지식재산 범주가 더 많이 확대되기 시작하는지 지켜봐야 합니다.

더 폭넓은 성장은 경제가 집중된 구축 단계를 넘어설 수 있다는 TD의 견해를 강화할 것입니다. 지속적인 부진은 AI가 유난히 고립된 버팀목으로 남아 있음을 보여줄 것입니다.

이 지표는 자본지출에 관한 향후 Google News 헤드라인에도 맥락을 제공합니다. 여러 기술 기업을 넘어 참여가 확산될 때 총액 증가는 더 건전하게 보입니다.

두 번째 신호는 데이터센터 건설, 장비 주문, 전력 연결, 실제 가동률 간의 관계입니다. 이 지표들은 동일한 인프라 사이클의 서로 다른 단계를 추적합니다.

반도체 생산과 활발한 컴퓨팅 수요를 동반한 지속적인 건설은 투자 논지를 뒷받침할 것입니다. 가동 없는 건설은 과잉 역량 위험을 높일 것입니다.

전력망 접근성은 이 신호에 포함됩니다. 계획된 시설은 단순히 공사가 시작됐다고 생산적인 시설이 되는 것이 아니기 때문입니다. 연결 지연은 자본을 묶어두고 발표된 용량을 왜곡할 수 있습니다.

Fed는 특히 물리적 건설을 컴퓨팅 장비 및 반도체 생산과 비교할 것을 권고합니다. 차이는 공급 제약이나 변화하는 지출 구성을 드러낼 수 있습니다.

세 번째 신호는 기술 부문 밖에서 검증된 생산성입니다. 기업은 일반적인 운영 검증을 견뎌낼 수 있는 산출, 품질, 주기 시간 또는 비용 개선을 보고해야 합니다.

재고 계획 시간을 단축한 소매업체, 행정 업무를 줄인 병원, 유지보수를 개선한 제조업체는 도입 설문조사만으로는 얻기 어려운 더 강력한 증거를 제공할 수 있습니다.

측정에는 구현 비용이 포함돼야 합니다. 조직이 절감한 직원 시간을 추가 산출이나 더 나은 서비스로 전환하지 못한다면, 절감된 시간은 제한적인 가치만 가집니다.

이 세 번째 신호는 AI가 경제 전반의 범용 기술이 되는지를 결정합니다. 또한 초기 구축 이후 인프라 소유자가 지속적인 수요를 확보하는지도 결정합니다.

개발자의 과제는 실제 비즈니스 제약 안에서 안정적으로 작동하는 시스템을 만드는 것입니다. 모델 역량과 함께 정확성, 보안, 통합, 인간 감독이 중요해질 것입니다.

기업 구매자는 배포 전에 기준선을 요구해야 합니다. 어떤 지표가 변할지, 어떻게 검증할지, 개선에 어떤 새로운 비용이 따르는지 알아야 합니다.

지식 근로자도 더 작은 규모에서 같은 규율을 적용할 수 있습니다. AI 워크플로가 검색 시간을 줄이고, 완전성을 개선하며, 반복 업무의 납품을 가속하는지 추적해야 합니다.

투자자는 이 검증의 더 광범위한 버전에 직면합니다. 지속적인 자본 배치가 뒷받침하는 매출과 수익성 있는 최종 사용자 수요가 뒷받침하는 매출을 구분해야 합니다.

TD Securities는 경제 논의를 모델 성능에서 자본 배분으로 옮기는 데 기여했습니다. 이 전환은 이제 투자가 성장, 전력 시장, 공급망, 금융 위험에 영향을 미치기 때문에 가치가 있습니다.

질문은 더 이상 AI가 막대한 지출을 끌어들이는지 여부가 아닙니다. 그 지출이 기업이 지속 가능한 수준으로 사용할 생산적 역량을 창출하는지 여부입니다.

다음 투자 보고서, 인프라 가동률 공시, 기업 생산성 증거를 함께 지켜보십시오. 세 가지가 모두 개선된다면 현재의 집중은 구조적 약점이 아니라 초기 단계가 됩니다.

지출만 증가한다면 Google News 서사는 여전히 불완전합니다. 독자는 어떤 산업이 더 많은 산출을 내는지, 누가 그 이익을 가져가는지, 그리고 그 이익이 건설 이후에도 지속되는지를 물어야 합니다.