AI-sammanfattning av Jordi Vissers resonemang om exponentiell AI, digital arbetskraft, trading och makro. Sammanfattning och slutsatser på svenska och engelska.
Källa: Jordi Visser. Originalvideo: Linear vs. Exponential: AGI Has Arrived But Oil, Bonds and the Fed Oh My.
Sammanfattningen återger Vissers argument och prognoser, inklusive hans påstående om AGI. De är inte NTM:s faktapåståenden. Se originalvideon via YouTube-länken nedan.
Jordi Visser fortsätter sin tes om linjärt kontra exponentiellt tänkande. Hans huvudargument är att investerare fortfarande lägger för mycket fokus på klassiska makrofaktorer som oljepris, obligationsräntor och Fed, samtidigt som den betydligt större förändringen sker inom AI, digital arbetskraft och exponentiell produktivitet.
Visser menar att ekonomin förändrats strukturellt sedan finanskrisen. Tidigare var tillväxten mer beroende av räntekänsliga delar som bostäder och bilar. I dag ser han AI-capex, digitala affärsmodeller och teknologisk produktivitet som viktigare drivkrafter. Därför anser han att marknaden ofta överreagerar på små förändringar i räntor, inflation och oljepris.
En central del av videon är hans påstående att AGI i praktiken har anlänt genom nästa generation av AI-system och agentfunktioner. Han lyfter särskilt fram Astra och utvecklingen mot modeller som kombinerar chat, agenter, kod, desktopfunktioner och andra verktyg i samma system.
Visser fokuserar mycket på hur AI-agenter kan skapa en ny typ av digital arbetskraft. I den gamla ekonomiska modellen begränsades tillväxt av antalet människor, kapital och mänsklig produktivitet. I den nya modellen kan tusentals AI-agenter arbeta parallellt, vilket enligt honom gör compute, energi och tillgång till intelligens till allt viktigare begränsningar.
Han använder AI:s arbete med Navier–Stokes-problemet som exempel på varför detta kan få större konsekvenser än bara effektivare kontorsarbete. Om AI kan accelerera vetenskapliga genombrott inom exempelvis energi, tillverkning, transport, medicin och fysik kan den långsiktiga ekonomiska potentialen öka samtidigt som vissa befintliga bolags konkurrensfördelar försvagas snabbare.
Det leder till hans resonemang kring terminalvärde och värderingsmultiplar. Visser tror att AI kan förkorta livslängden på många företags konkurrensfördelar. Ett bolag som ser starkt ut i dag kan snabbare bli disruptat. Samtidigt kan vinnarna växa mycket snabbare. Därför tror han att traditionella värderingsmodeller kan bli mindre användbara i en exponentiell ekonomi.
En stor del av videon handlar även om praktisk användning av AI. Visser beskriver hur han själv använder AI-agenter för att bygga och backtesta tradingmodeller utan att behöva kunna programmera på traditionellt sätt. Han ser AI som ett verktyg som kan ge individer större agency — möjligheten att själv bygga produkter, strategier och företag.
Hans tradingmodell bygger på att först definiera ett universum av strukturella vinnare, exempelvis bolag som gynnas av AI-infrastruktur, och därefter använda faktorer som trend, rate of change, ATR, reset-faser och breakout-signaler för att hitta bättre entries och exits. Poängen är dock mindre själva modellen och mer att AI nu gör det möjligt för en individ att skapa, testa och förkasta tusentals idéer mycket snabbare.
Visser tror därför att framtidens trading i allt högre grad blir agentbaserad. Han lyfter Robinhood, Moomoo och Interactive Brokers som plattformar där användare kan kombinera strategier, data och automatisering. Målet blir inte att hitta en perfekt modell, utan att skapa flera okorrelerade strategier och kontinuerligt testa nya idéer.
På AI-infrastruktursidan argumenterar han för att efterfrågan på compute fortfarande är extremt stark. Han pekar särskilt på att äldre Nvidia H100-GPU:er enligt de siffror han diskuterar har behållit sitt ekonomiska värde bättre än många skeptiker förväntade sig. Om compute-priser och GPU-utilisering förblir höga kan hyperscalers enligt honom generera betydligt mer kassaflöde från redan installerad kapacitet.
Han tar samtidigt upp riskerna. AI-utvecklingen innebär större cybersecurity-, privacy- och trustproblem. Han hänvisar till cyberattacker, AI-assisterad hacking och attacker mot kritisk infrastruktur som exempel på att tekniken även skapar nya sårbarheter.
Det kopplas vidare till hans kryptotes. Visser ser Ethereum, tokenisering och blockchain som ett potentiellt trust-lager för en värld där AI gör det svårare att veta vad och vem man kan lita på. Han menar att traditionella finansinstitut gradvis rör sig mot tokeniserade tillgångar, stablecoins och on-chain-marknader.
Robinhood får återigen en central roll. Visser ser bolaget som en konvergenspunkt mellan traditionell finans, AI och crypto. Plattformen utvecklas från en aktiemäklare till något bredare: trading, crypto, retirement, banking, prediction markets, tokenisering och agentbaserad trading.
Han jämför också dagens crypto- och AI-marknader med Amazon och internet under 1990- och 2000-talet. Hans poäng är att nya tekniska plattformar ofta är svåra att värdera med gamla mått. När en traditionell värderingsmodell slutligen fungerar kan en stor del av värdeökningen redan ha skett.
Den övergripande tesen är därför att investerare måste välja vilken sida de vill stå på: den linjära världen där Fed, olja och räntor dominerar analysen — eller den exponentiella världen där AI, digital arbetskraft, compute, tokenisering och nya finansiella system förändrar hur ekonomin fungerar.
Viktigaste slutsatserna enligt Visser
1. Visser anser att AI och exponentiell produktivitet är viktigare än kortsiktiga rörelser i Fed, olja och obligationsräntor.
2. Han menar att AGI/agentiska system nu har nått en nivå där AI kan utföra stora mängder mänskligt arbete parallellt.
3. Compute, energi och möjligheten att distribuera intelligens kan bli större ekonomiska begränsningar än tillgången på mänsklig arbetskraft.
4. AI kan både öka den totala ekonomiska potentialen och förkorta företags konkurrensfördelar, vilket påverkar terminalvärden och värderingsmultiplar.
5. Visser använder AI för att bygga och backtesta tradingstrategier, vilket han ser som ett exempel på hur individer kan få större teknisk och entreprenöriell kraft.
6. Framtidens trading kan bli mer agentbaserad, där många strategier testas och kombineras snarare än att en människa försöker hitta en perfekt modell.
7. Stark efterfrågan på compute och höga GPU-hyrpriser kan innebära att AI-infrastrukturens ekonomi är bättre än skeptiker förväntar sig.
8. Cybersecurity, privacy och trust blir samtidigt större problem när AI får mer makt och tillgång till data.
9. Visser ser Ethereum och blockchain som möjliga trust-lager i en AI-driven ekonomi.
10. Robinhood lyfts fram som en konvergens mellan traditionell finans, AI, crypto, tokenisering och agentisk trading.
11. Crypto och AI kan enligt honom vara svåra att värdera med traditionella modeller, på samma sätt som internetbolag var under sin tidiga utveckling.
12. Hans huvudbudskap är att investerare måste tänka exponentiellt snarare än linjärt för att förstå vart marknaden är på väg.
AI-genererad sammanfattning av videon. Kan innehålla fel. Åsikter och prognoser tillhör Jordi Visser, inte NTM; påståenden är inte oberoende verifierade. Se originalvideon för fullständigt sammanhang. AI-generated summary; views and forecasts belong to Jordi Visser, not NTM. Claims have not been independently verified.
Jordi Visser expands on his framework of linear versus exponential thinking. His central argument is that investors continue to spend too much time focusing on traditional macro variables such as oil prices, bond yields and Federal Reserve policy while the much larger structural change is happening in AI, digital labor and exponential productivity.
Visser argues that the economy has changed structurally since the global financial crisis. In earlier cycles, growth was more dependent on interest-rate-sensitive sectors such as housing and autos. Today, he sees AI capex, digital businesses and technology-driven productivity as increasingly important economic engines. Because of that, he believes markets often overreact to relatively small changes in rates, inflation and oil.
A major theme of the video is his claim that AGI has effectively arrived through the latest generation of AI models and agents. He highlights Astra and the movement toward systems that combine chat, agents, coding, desktop interaction and other tools in one environment.
Visser sees AI agents as the beginning of a new form of digital labor. Traditional economic growth is commonly described through labor, capital and productivity. AI changes that equation because thousands of digital agents can work simultaneously without many of the human constraints associated with time, emotion and attention. In this framework, compute, energy and the ability to deploy intelligence become increasingly important constraints.
He uses AI work on the Navier–Stokes problem as an example of why this could have consequences far beyond office productivity. If AI accelerates breakthroughs in energy, manufacturing, transportation, medicine and physics, the potential size of the economy could expand while the competitive advantages of existing businesses become less durable.
This leads into his view on terminal value and valuation multiples. Visser believes AI may shorten the lifespan of many corporate moats. A business that looks structurally strong today could be disrupted much faster than in previous technological cycles. At the same time, the winners could grow much faster. As a result, traditional valuation frameworks may become increasingly difficult to apply.
A large part of the video focuses on the practical use of AI. Visser describes using AI agents to build and backtest trading models without needing to be a traditional programmer. He sees this as an example of AI giving individuals greater agency — the ability to build products, strategies and businesses themselves.
His own trading framework starts with a universe of structural beneficiaries, such as companies exposed to the AI infrastructure buildout, and then uses measures such as trend, rate of change, ATR, resets and breakout signals to identify entries and exits. The broader point, however, is not the specific strategy but the ability of AI to generate, test and reject large numbers of ideas rapidly.
Visser therefore believes trading will increasingly become agentic. He highlights platforms such as Robinhood, Moomoo and Interactive Brokers as examples of where data, automated strategies and agents can converge. The objective is not necessarily to discover one perfect model, but to run several uncorrelated strategies and continuously search for new sources of alpha.
On AI infrastructure, he argues that demand for compute remains extremely strong. He highlights the resilience of Nvidia H100 rental economics as evidence that older AI hardware may retain economic value for longer than skeptics expected. If compute pricing and utilization remain high, hyperscalers may be able to generate more cash flow from existing installed capacity than current bearish assumptions imply.
Visser also emphasizes the risks. Rapid AI development increases cybersecurity, privacy and trust problems. He references cyberattacks, AI-assisted hacking and attacks on critical infrastructure as examples of the vulnerabilities created by more powerful AI systems.
This links directly to his crypto thesis. Visser sees Ethereum, tokenization and blockchain as potential trust layers in a world where AI makes it harder to know what information, systems or actors can be trusted. Traditional financial institutions are gradually moving toward tokenized assets, stablecoins and on-chain markets.
Robinhood again plays a central role in his framework. Visser sees the company as a convergence point between traditional finance, AI and crypto. It is evolving from a brokerage app into a broader financial platform involving trading, crypto, retirement, banking, prediction markets, tokenization and agentic trading.
He also compares today's AI and crypto markets with Amazon and the early internet era. His argument is that revolutionary technologies are often extremely difficult to value using existing financial models. By the time traditional valuation metrics become comfortable and obvious, a large portion of the investment opportunity may already have passed.
The overarching thesis is that investors need to decide which side of the divide they want to operate on: the linear world dominated by Fed decisions, oil and bond yields, or the exponential world shaped by AI, digital labor, compute, tokenization and new financial infrastructure.
Key takeaways from Visser’s argument
1. Visser believes AI and exponential productivity matter more than short-term moves in the Fed, oil or bond yields.
2. He argues that AI agents have reached a point where they can perform large amounts of parallel knowledge work.
3. Compute, energy and the deployment of intelligence may become more important economic constraints than human labor.
4. AI could both expand the size of the economy and shorten the durability of corporate competitive advantages.
5. Visser uses AI to build and backtest trading systems, illustrating how AI can increase individual technical and entrepreneurial capability.
6. Trading may become increasingly agentic, with many strategies tested, filtered and combined automatically.
7. Strong compute demand and resilient GPU rental economics may make AI infrastructure more profitable than bearish assumptions suggest.
8. Cybersecurity, privacy and trust are becoming more important as AI gains greater capabilities and access.
9. Visser sees Ethereum and blockchain as potential trust infrastructure for an AI-driven economy.
10. Robinhood is presented as a convergence of traditional finance, AI, crypto, tokenization and agentic trading.
11. AI and crypto may require new valuation frameworks, just as early internet businesses did.
12. The central message is that investors must learn to think exponentially rather than linearly.
AI-genererad sammanfattning av videon. Kan innehålla fel. Åsikter och prognoser tillhör Jordi Visser, inte NTM; påståenden är inte oberoende verifierade. Se originalvideon för fullständigt sammanhang. AI-generated summary; views and forecasts belong to Jordi Visser, not NTM. Claims have not been independently verified.
