366. This Economist Predicted the Last Crisis. What’s the Next One?

Summary & Insights

What is left for humans to sell once both our physical bodies and our reasoning minds are replaced by machines? This haunting question sits at the center of a broader discussion on the “Big Cycle”—the 80-year historical pattern of rise and fall that governs global superpowers. When revolutionary technology like AI emerges, it often triggers an investment bubble. While the technology itself is transformative and creates long-term productivity, the financial euphoria leads people to ignore price and over-leverage themselves with debt, inevitably resulting in a crash that can devastate “real people” and fuel social unrest.

This economic volatility doesn’t happen in a vacuum; it converges with widening wealth gaps and shifting geopolitics. As the dominant power in a cycle—currently the United States—becomes over-indebted and loses its perceived ability to enforce order, the world shifts toward a more regionalized power structure. We are seeing this play out in real-time as the U.S. struggle to maintain influence in Asia and the Middle East, while China emerges as a primary trading partner for much of the globe.

For the individual, the strategy for survival in such a turbulent era is rooted in adaptability and diversification. Rather than trying to time a bubble or bet on a single career path, the goal should be to maximize one’s “usefulness” by partnering with AI rather than competing against it. Financial security comes not from hoarding cash—which is eroded by inflation—but from a balanced portfolio of assets that behave differently under various economic pressures, ensuring that a crash in one area doesn’t wipe out a lifetime of savings.

Surprising Insights

Cash is a Poor Long-Term Investment: While it feels safe, keeping money in cash or low-interest bank accounts is often the worst strategy over time because inflation quietly eats away the purchasing power.
The “Smart Rabbit” Strategy: Success in a volatile world requires having “three holes”—meaning a global, borderless approach to business and presence rather than being tied to a single country’s failing economic cycle.
Wealth $\neq$ Money: A critical distinction is made between “paper wealth” (stock value) and “money” (spendable cash). Bubbles pop when wealthy individuals are forced to sell their assets to get actual money to pay debts or taxes.
The Adaptability Edge: History shows that the most intelligent or hardest-working species/people aren’t always the most successful; the most adaptable ones are.

Practical Takeaways

Build a Diversified Portfolio: To reduce risk without necessarily sacrificing return, hold a mix of uncorrelated assets including stocks, gold, bonds, and real estate.
Focus on “Human-Only” Skills: As AI replaces reasoning and physical labor, double down on emotions, intuition, and exceptional human intelligence to remain valuable in the workforce.
Calculate Your “Survival Runway”: Determine exactly how many months or years you can live if no more money comes in. This metric provides a clearer picture of security than a net-worth statement.
Align Passion with Profit: Pursue a career where your nature and your work are the same, but remain mindful of the “money part” to ensure the passion is sustainable.
Avoid Over-Specialization: Instead of picking one “safe” job title (like a programmer or lawyer), focus on maximizing your ability to use the latest tools (AI) to increase your overall utility.

Liệu cơn sốt AI hiện nay có phải là một “vụ đặt cược tích lũy” (parlay bet), nơi những khoản chi phí vốn khổng lồ đang đánh cược vào những mức tăng năng suất ngắn hạn mà có thể sẽ không bao giờ thành hiện thực? Gary Gensler, cựu chủ tịch của cả SEC (Ủy ban Chứng khoán và Giao dịch) và CFTC (Ủy ban Giao dịch Hàng hóa Tương lai), hiện là giáo sư tại MIT, cho rằng chúng ta đang chứng kiến một mô hình lịch sử quen thuộc: một giai đoạn đầu tư ồ ạt vào một công nghệ đa mục đích, tạo ra bong bóng trước khi cuối cùng tìm thấy điểm cân bằng. Với việc chi tiêu cho AI có khả năng chạm mức 3% GDP của Hoa Kỳ, Gensler cảnh báo rằng nếu doanh thu không theo kịp chi phí cơ sở hạ tầng, giai đoạn chững lại sau đó có thể kích hoạt một đợt điều chỉnh thị trường nghiêm trọng.

Cuộc đối thoại đi sâu vào những rủi ro cấu trúc của nền kinh tế Mỹ, cụ thể là quỹ đạo không bền vững của nợ liên bang và sự tập trung quyền lực tài chính. Gensler lập luận rằng Hoa Kỳ đã trở nên quá phụ thuộc vào sự sẵn lòng của thế giới trong việc mua các tài sản định danh bằng đồng đô la, một xu hướng không thể tiếp tục vô tận nếu lãi suất thực không tăng. Ông lưu ý về khoảng cách ngày càng rộng giữa phân tích kinh tế thực nghiệm và ý chí chính trị, nơi chi tiêu cho “phúc lợi” chi phối ngân sách, khiến các nhà hoạch định chính sách bị trói buộc bởi lòng trung thành với đảng phái và sự thiếu hụt đồng thuận công khai cho các cải cách.

Nhìn về tương lai, Gensler dự báo một “giai đoạn chuyển tiếp” với những lo âu chính trị và xáo trộn xã hội trong suốt những năm 2030 và 40. Ông không xem AI là kẻ tiêu diệt hoàn toàn việc làm, mà là tác nhân gây xáo trộn các tác vụ cụ thể, từ đó định hình lại thị trường lao động. Mặc dù vẫn lạc quan về tiện ích lâu dài của AI, ông cảnh báo về mô hình “kẻ thắng cuộc lấy tất cả” và sự xuất hiện của các AI “đủ tốt” từ Trung Quốc, điều có thể khiến thị trường trở nên phổ thông hóa và làm xói mòn biên lợi nhuận cao mà các gã khổng lồ công nghệ Mỹ đang tận hưởng.

Những góc nhìn gây bất ngờ

“Volkswagen” của AI: Trong khi Hoa Kỳ đang xây dựng những mô hình AI kiểu “Maserati và Ferrari”, Trung Quốc lại phát triển các mô hình “đủ tốt” mà cuối cùng có thể thống trị thị trường nhờ chi phí thấp hơn và tính hữu dụng cao cho hầu hết các tác vụ thông thường.

Chỉ số Warren Buffett: Thị trường chứng khoán Hoa Kỳ hiện đang dao động quanh mức 235% GDP — mức cao nhất mọi thời đại so với mức trung bình 25 năm là khoảng 110-120%.

Cơ sở hạ tầng đối lập Doanh thu: Có một khoảng cách gây sốc trong lĩnh vực AI, nơi chi phí vốn vào khoảng 750 tỷ USD, trong khi doanh thu thực tế ước tính chỉ từ 150–200 tỷ USD.

Giao dịch nội gián và Niềm tin: Trái ngược với lập luận học thuật rằng việc cho phép giao dịch nội gián trong các thị trường dự đoán sẽ khiến chúng hiệu quả hơn, Gensler lập luận rằng điều này phá hủy “lợi ích công cộng” là niềm tin, từ đó làm tăng chi phí vốn cho tất cả mọi người.

Bài học thực tiễn

Tập trung vào Tác vụ, không phải Công việc: Khi đánh giá rủi ro nghề nghiệp liên quan đến AI, hãy phân tích những tác vụ cụ thể nào trong vai trò của bạn có thể bị tự động hóa, thay vì lo sợ việc mất đi toàn bộ nghề nghiệp đó.

Cảnh giác với tài sản “chỉ dựa trên tâm lý”: Hãy đánh giá các khoản đầu tư dựa trên các yếu tố cơ bản cốt lõi thay vì tâm lý thị trường; những tài sản thuần túy dựa vào tâm lý (như nhiều tài sản crypto) là những thứ dễ bị xóa sạch nhất.

Tránh phụ thuộc vào một nhà cung cấp: Đối với các doanh nghiệp triển khai AI, hãy theo đuổi chiến lược “điều phối” (orchestration) — sử dụng nhiều mô hình khác nhau để tránh bị chi phối bởi một nhà cung cấp duy nhất, người có thể tùy ý tăng giá.

Thực hiện “Phân tích tiền tử vong” (Premortem): Để bảo vệ một dự án hoặc khoản đầu tư, hãy tưởng tượng rằng nó đã thất bại và phân tích ngược lại để xác định nguyên nhân. Điều này cho phép bạn tạo ra các “hợp đồng bảo hiểm” và điều chỉnh chiến lược trước khi triển khai.

目前的 AI 熱潮是否像是一場「累積投注」（parlay bet）？也就是投入巨額資本支出，賭的是短期內可能永遠不會實現的生產力提升？曾任美國證券交易委員會（SEC）及商品期貨交易委員會（CFTC）主席、現任麻省理工學院（MIT）教授的蓋瑞·根斯勒（Gary Gensler）認為，我們正處於一個熟悉的歷史模式：對通用技術的大規模投資階段會先製造泡沫，隨後才最終達到平衡。隨著 AI 支出可能達到美國 GDP 的 3%，根斯勒警告，如果收入無法趕上基礎設施成本，隨之而來的停滯期可能會觸發重大的市場修正。

對話進一步探討了美國經濟的結構性風險，特別是聯邦債務不可持續的軌跡以及金融權力的集中。根斯勒主張，美國已過度依賴全球購買美元資產的意願，若實質利率不上升，這種趨勢無法無限期持續。他指出，實證經濟分析與政治意願之間存在日益擴大的鴻溝，「權利金」（entitlement）支出主導了預算，導致政策制定者受困於政黨忠誠，且缺乏改革的公眾共識。

展望未來，根斯勒預測 2030 和 40 年代將是一個充滿政治焦慮與社會動盪的「過渡期」。他認為 AI 並非徹底的就業殺手，而是特定任務的顛覆者，將重塑勞動力市場。儘管他對 AI 的長期效用保持樂觀，但他也對「贏家通吃」模式以及中國開發出「夠用就好」的 AI 表示警惕，後者可能會使市場商品化，並侵蝕目前美國科技巨頭所享有的高利潤率。

驚人之見

AI 的「福斯」： 當美國在打造 AI 模型中的「瑪莎拉蒂與法拉利」時，中國正在開發「夠用」的模型；由於成本更低且對大多數通用任務具有高實用性，這些模型最終可能會主導市場。

巴菲特指數： 美國股市目前的市值約為 GDP 的 235%——與 25 年來約 110-120% 的平均值相比，處於歷史最高點。

基礎設施 vs. 收入： AI 領域存在巨大的缺口：資本支出約為 7,500 億美元，而實際收入估計僅為 1,500 億至 2,000 億美元。

內線交易與信任： 學術界認為允許預測市場存在內線交易會提高效率，但根斯勒反駁稱，這會摧毀信任這一「公共利益」，最終提高所有人的資本成本。

實務啟示

關注「任務」而非「職業」： 在評估 AI 對職涯的風險時，應分析工作中哪些具體的任務可以自動化，而非恐懼整個職業類別的消失。

警惕「純情緒」資產： 應根據底層基本面而非市場情緒來評估投資；純粹依賴情緒的資產（如許多加密資產）最容易遭到徹底洗盤。

避免供應商鎖定： 對於導入 AI 的企業，應追求「編排」（orchestration）——使用多個模型，以避免被單一供應商主導，以免對方隨意調漲價格。

實踐「事前剖析」（Premortem）： 為了保護計畫或投資，請想像它已經失敗，然後反向推導找出原因。這能讓你在啟動前制定「保險政策」並修正策略。

Le boom actuel de l’IA pourrait-il être un « pari cumulé » (parlay bet), où des dépenses d’investissement massives misent sur des gains de productivité à court terme qui pourraient ne jamais se concrétiser ? Gary Gensler, ancien président de la SEC et de la CFTC et professeur actuel au MIT, suggère que nous assistons à un schéma historique familier : une phase d’investissement massif dans une technologie à usage général qui crée une bulle avant de finir par trouver son équilibre. Avec des dépenses en IA pouvant atteindre 3 % du PIB américain, Gensler avertit que si les revenus ne rattrapent pas les coûts d’infrastructure, le plateau qui en résulterait pourrait déclencher une correction majeure du marché.

La conversation explore les risques structurels de l’économie américaine, plus précisément la trajectoire insoutenable de la dette fédérale et la concentration du pouvoir financier. Gensler soutient que les États-Unis sont devenus excessivement dépendants de la volonté du monde d’acheter des actifs libellés en dollars, une tendance qui ne peut perdurer indéfiniment sans une hausse des taux d’intérêt réels. Il note un fossé grandissant entre l’analyse économique empirique et la volonté politique, où les dépenses sociales (« entitlements ») dominent le budget, laissant les décideurs paralysés par la loyauté partisane et l’absence de consensus public en faveur de réformes.

Se tournant vers l’avenir, Gensler prévoit une « période de transition » marquée par l’angoisse politique et des perturbations sociales tout au long des années 2030 et 2040. Il ne voit pas l’IA comme un destructeur total d’emplois, mais comme un perturbateur de tâches spécifiques qui remodèlera le marché du travail. Bien qu’il reste optimiste quant à l’utilité à long terme de l’IA, il met en garde contre le modèle du « gagnant rafle tout » et l’émergence d’une IA « suffisamment bonne » provenant de Chine, laquelle pourrait banaliser le marché et éroder les marges bénéficiaires élevées dont jouissent actuellement les géants technologiques américains.

Perspectives surprenantes

La « Volkswagen » de l’IA : Alors que les États-Unis construisent les « Maserati et Ferrari » des modèles d’IA, la Chine développe des modèles « suffisamment bons » qui pourraient finir par dominer le marché grâce à des coûts inférieurs et une utilité élevée pour la plupart des tâches générales.

L’indice Warren Buffett : Le marché boursier américain oscille actuellement autour de 235 % du PIB — un sommet historique comparé à la moyenne des 25 dernières années, qui se situe environ entre 110 et 120 %.

Infrastructure vs Revenus : Il existe un écart stupéfiant dans le secteur de l’IA où les dépenses d’investissement s’élèvent à environ 750 milliards de dollars, alors que les revenus réels sont estimés à seulement 150-200 milliards de dollars.

Délits d’initiés et confiance : Contrairement à l’argument académique selon lequel autoriser les délits d’initiés dans les marchés de prédiction les rendrait plus efficaces, Gensler soutient que cela détruit le « bien public » qu’est la confiance, ce qui finit par augmenter le coût du capital pour tout le monde.

Conseils pratiques

Se concentrer sur la tâche, pas sur l’emploi : Pour évaluer le risque de votre carrière face à l’IA, analysez quelles tâches spécifiques de votre rôle peuvent être automatisées, plutôt que de craindre la disparition de toute votre catégorie d’emploi.

Se méfier des actifs basés uniquement sur le « sentiment » : Évaluez vos investissements en fonction des fondamentaux sous-jacents plutôt que du sentiment du marché ; les actifs qui reposent purement sur le sentiment (comme nombre d’actifs crypto) sont les plus susceptibles de s’effondrer totalement.

Éviter la dépendance exclusive envers un fournisseur (Vendor Lock-in) : Pour les entreprises implémentant l’IA, privilégiez « l’orchestration » — l’utilisation de plusieurs modèles pour éviter d’être dominé par un seul fournisseur capable d’augmenter arbitrairement ses prix.

Pratiquer le « Premortem » : Pour protéger un projet ou un investissement, imaginez qu’il a déjà échoué et travaillez à rebours pour en identifier les causes. Cela vous permet de créer des « polices d’assurance » et d’amender votre stratégie avant le lancement.

Könnte der aktuelle KI-Boom eine Art „Kombiwette“ (Parlay Bet) sein, bei der massive Kapitalausgaben auf kurzfristige Produktivitätsgewinne gesetzt werden, die sich möglicherweise nie materialisieren? Gary Gensler, ehemaliger Vorsitzender sowohl der SEC als auch der CFTC und derzeitiger Professor am MIT, deutet an, dass wir ein bekanntes historisches Muster erleben: eine massive Investitionsphase in eine universelle Technologie, die zunächst eine Blase erzeugt, bevor sie schließlich ihr Gleichgewicht findet. Angesichts der Tatsache, dass die KI-Ausgaben potenziell 3 % des US-BIP erreichen könnten, warnt Gensler davor, dass ein resultierendes Plateau eine signifikante Marktkorrektur auslösen könnte, sollten die Einnahmen nicht mit den Infrastrukturkosten Schritt halten.

Das Gespräch befasst sich mit den strukturellen Risiken der amerikanischen Wirtschaft, insbesondere der nicht tragbaren Entwicklung der Bundesschulden und der Konzentration finanzieller Macht. Gensler argumentiert, dass die USA übermäßig abhängig von der Bereitschaft der Welt geworden sind, auf US-Dollar lautende Vermögenswerte zu kaufen – ein Trend, der ohne einen Anstieg der Realzinsen nicht unendlich fortgesetzt werden kann. Er stellt eine wachsende Kluft zwischen empirischer Wirtschaftsanalyse und politischem Willen fest, wobei Ausgaben für Sozialleistungen („Entitlements“) das Budget dominieren und politische Entscheidungsträger durch Parteitreue und einen Mangel an öffentlichem Konsens für Reformen gelähmt werden.

Mit Blick auf die Zukunft prognostiziert Gensler eine „Übergangsphase“ politischer Ängste und sozialer Unruhen in den 2030er und 40er Jahren. Er betrachtet KI nicht als totalen Jobkiller, sondern als einen Disruptor spezifischer Aufgaben, der den Arbeitsmarkt neu gestalten wird. Während er hinsichtlich des langfristigen Nutzens der KI optimistisch bleibt, warnt er vor dem „Winner-Take-All“-Modell und dem Aufkommen von „gut genuger“ KI aus China, welche den Markt commoditisieren und die derzeitigen hohen Gewinnmargen der US-Tech-Giganten untergraben könnte.

Überraschende Erkenntnisse

Der „Volkswagen“ der KI: Während die USA die „Maseratis und Ferraris“ der KI-Modelle bauen, entwickelt China „gut genuge“ Modelle, die den Markt aufgrund geringerer Kosten und eines hohen Nutzens für die meisten allgemeinen Aufgaben letztendlich dominieren könnten.

Der Warren-Buffett-Index: Der US-Aktienmarkt schwankt derzeit bei etwa 235 % des BIP – ein Allzeithoch im Vergleich zum 25-jährigen Durchschnitt von etwa 110–120 %.

Infrastruktur vs. Umsatz: Im KI-Sektor gibt es eine erschreckende Lücke, in der die Kapitalausgaben bei etwa 750 Milliarden Dollar liegen, während die tatsächlichen Einnahmen auf nur 150–200 Milliarden Dollar geschätzt werden.

Insiderhandel und Vertrauen: Entgegen dem akademischen Argument, dass die Zulassung von Insiderhandel in Prognosemärkten diese effizienter mache, argumentiert Gensler, dass dies das „öffentliche Gut“ des Vertrauens zerstört, was letztendlich die Kapitalkosten für alle erhöht.

Praktische Schlussfolgerungen

Fokus auf Aufgaben, nicht auf Jobs: Analysieren Sie bei der Bewertung Ihres Karriererisikos im Hinblick auf KI, welche spezifischen Aufgaben innerhalb Ihrer Rolle automatisiert werden können, anstatt die Angst vor dem Verlust der gesamten Jobkategorie zu haben.

Vorsicht bei „Sentiment-basierten“ Assets: Bewerten Sie Investitionen auf Basis der zugrunde liegenden Fundamentaldaten und nicht aufgrund der Marktstimmung; Vermögenswerte, die rein auf Sentiment basieren (wie viele Krypto-Assets), sind am anfälligsten für einen Totalverlust.

Vendor Lock-in vermeiden: Unternehmen, die KI implementieren, sollten auf „Orchestrierung“ setzen – also die Nutzung mehrerer Modelle, um zu verhindern, dass sie von einem einzigen Anbieter abhängig werden, der die Preise willkürlich erhöhen kann.

Die „Premortem“-Methode anwenden: Um ein Projekt oder eine Investition abzusichern, stellen Sie sich vor, es sei bereits gescheitert, und arbeiten Sie rückwärts, um die Ursachen zu identifizieren. Dies ermöglicht es Ihnen, „Versicherungen“ abzuschließen und Ihre Strategie noch vor dem Start anzupassen.

In 2005, Raghuram Rajan said the financial system was at risk “of a catastrophic meltdown.” After stints at the I.M.F. and India’s central bank, he sees another potential crisis — and he offers a solution. Is it stronger governments? Freer markets? Rajan’s answer: neither.