FIXED INCOME / FIELD NOTES

The AI investment race

AI 설비투자가 생산성 기대보다 앞서갈 때 신용위험은 어떻게 커지는가?

AI 인프라 경쟁에서는 각 기업이 전체 산업의 수익성보다 먼저 규모를 확보하려 한다. 논문은 소수 승자가 대부분의 수익을 가져가는 동적 경쟁게임을 만들고, 기업 재무제표와 공개된 투자거래에 맞춰 매개변수를 보정했다. 기준 모형의 총투자는 사회계획자가 선택할 효율적 수준의 약 1.5배였고, AI 서비스 수요가 가격에 덜 반응하는 경우에는 약 세 배까지 늘었다.

취약성은 투자규모와 자금조달이 맞물리면서 생긴다. 앞서기 위해 부채로 전문화된 GPU·데이터센터 자산을 먼저 늘리지만, 생산성 실현이 약하면 여러 기업이 동시에 같은 자산을 처분해야 한다. 자연스러운 매수자인 다른 대형 사업자도 같은 충격을 받아 회수시장이 얇아진다. 보정된 모형에서 관측된 채권·리스 공시는 초기 투자 중 부채 비중이 30~40%라는 범위와 맞았다.

모형에서는 초기 설비투자가 약 3조 달러가 되는 지점부터 총산출에서 자본비용을 뺀 기대 순경제잉여가 음수가 됐다. 순환출자와 구매관계도 한 기업의 충격을 다른 기업의 자산가치와 자금여건으로 전달했다. 이 수치는 투자경쟁의 민감도를 보여주는 보정 결과이며 실제 산업의 필연적 붕괴 예측으로 볼 수 없다. 생산성, 수요탄력성, 담보 회수율을 바꾸는 스트레스 범위로 읽어야 한다.

SCOPE기업 재무제표와 공개 거래자료로 보정한 이론모형이다. 과잉투자 배수와 3조 달러 임계는 가정에 민감하며, 특정 발행사의 부도확률이나 실제 회수율을 추정한 결과가 아니다.

Evidence & verification ↓

Sources & evidence

Original passages appear only when checked against the publication. Earlier briefing records are identified separately.

The AI investment race5 primary · 0 archived +
F1 · PRIMARY RECORD

모형은 AI 기업 재무제표와 공개된 투자거래 자료로 보정했다.

ORIGINAL PASSAGE
balance sheets and to the public deal records
BIS Working Paper No. 1367, §1, printed p. 4, accessed 2026-10-08
F2 · PRIMARY RECORD

기준 모형의 투자는 효율적 수준의 약 1.5배다.

ORIGINAL PASSAGE
around 1.5 times
BIS Working Paper No. 1367, abstract, printed p. 1, accessed 2026-10-08
F3 · PRIMARY RECORD

수요탄력성이 낮은 경우 과잉투자는 약 3배까지 상승한다.

ORIGINAL PASSAGE
around three times
BIS Working Paper No. 1367, abstract, printed p. 1, accessed 2026-10-08
F4 · PRIMARY RECORD

관측된 채권발행과 리스 공시는 초기 설비투자의 부채 비중 30~40% 범위를 시사한다.

ORIGINAL PASSAGE
30–40 per cent
BIS Working Paper No. 1367, Appendix B.2, printed p. 51, accessed 2026-10-08
F5 · PRIMARY RECORD

보정된 모형에서 약 3조 달러의 1기 설비투자부터 기대 순경제잉여가 음수가 된다.

ORIGINAL PASSAGE
around $3 tn
BIS Working Paper No. 1367, §1, printed p. 4, accessed 2026-10-08
Publication links ↑
Show the original briefing text

구분: 국제기구 연구·AI 설비투자 및 신용위험
발표일: 2026년 7월 14일

핵심 요약

BIS Working Paper No. 1367은 소수 승자가 시장을 차지하는 AI 경쟁을 동적 투자게임으로 만들고 기업 재무제표와 공개 거래자료에 맞춰 보정했다. 기준 시나리오의 투자는 사회적으로 효율적인 수준의 약 1.5배였고, AI 서비스 수요의 가격탄력성이 낮으면 약 3배까지 늘었다. 부채와 순환출자형 자금조달은 전문화된 설비의 동시 매각 손실을 키웠으며, 모형에서는 설비투자가 약 3조 달러에 이르면 기대 순경제잉여가 음수가 됐다. 이는 실제 파산 예측이 아니라 생산성 기대·경쟁·자금조달 구조를 연결한 모의실험이다.

실무 시사점

AI 관련 회사채는 발행사의 개별 레버리지만 보면 공통 담보와 거래상대방 노출을 놓칠 수 있다. 데이터센터·GPU·전력계약의 재판매 가치와 상호 지분·구매보증을 함께 연결해야 기술수요가 빗나갈 때의 회수율과 전염경로를 볼 수 있다.

한국 시장 복제 아이디어

반도체·전력기기·데이터센터 발행사의 회사채, 리스, 프로젝트금융, 구매보증을 프로젝트 단위 네트워크로 묶는다. AI 매출이 기준보다 20% 낮고 담보 회수율이 동반 하락하는 시나리오에서 신용스프레드·차환비율·연쇄 한도초과를 단독 부도 스트레스와 비교한다.