DeepSeek帶火的「傑文斯悖論」，如何預言AI的未來？

在DeepSeek以開源的策略、免費的模式震撼世界的時候，微軟CEO薩蒂亞·納迪拉維杜華（Satya Nadella）援引了一個160年前的經濟學概念，對DeepSeek或者說AI的未來發展做出了樂觀解讀：

「傑文斯悖論（Jevons paradox）時刻再次上演！隨著AI的普及和提效，我們將見證其使用量的飆升，最終成為人們日常生活再也脫離不了的一部分。」

在過去幾十年里，傑文斯悖論常被用來解釋為何更節能的汽車、電器和燈泡卻未能減少我們對化石燃料的消耗；為何增建高速公路車道無法解決交通擁堵問題。而如今，在AI領域，它或許可以解釋為何AI將有更大的市場空間、將創造更多就業。

傑文斯悖論的起源

什麼是「傑文斯悖論」？這個看似違反直覺的現像是這樣的：

當技術進步提高了資源利用效率時，反而可能導致資源的總消耗量增加，而不是減少。這一現象與人們直覺認為「效率提高會減少資源消耗」的觀點相悖，因此被稱為「悖論」。

1860年代初，英國政府開始為煤炭發愁——他們擔心，這種維繫著工業革命的燃料，可能很快就要被消耗完了。但也有很多人認為，通過提高煤炭使用效率的技術創新，煤炭短缺問題將能得到解決，或者至少能往後延緩一些時間。

威廉·史丹利·傑文斯（William Stanley Jevons）否認了這種認知。

作為率先將數學與統計學引入經濟學，為後來統治學界數百年的「新古典經濟學」（neoclassical economics）開闢了道路的著名經濟學家，傑文斯在1865年出版了一本名為《煤炭問題：探究國家發展及煤礦枯竭概率》（The Coal Question: An Inquiry Concerning the Progress of the Nation, and the Probable Exhaustion of Our Coal-Mines）的書，在其中用了整整一章來論證，更節能的技術無法解決英國的煤炭短缺問題：「事實上，」傑文斯寫道，「提高燃煤機的能源效率，煤炭消耗反而會因此增加，而非減少。」

傑文斯認為，技術進步提高了資源的利用效率，降低了單位資源的使用成本，從而刺激了需求的增加；這種需求的增加可能會抵消甚至超過效率提高帶來的節約效果，最終導致資源消耗總量上升。

但同時，傑文斯也提到，從宏觀視角看，高效用煤將刺激經濟增長，從而增加整個經濟體系的煤炭消費。「正是煤炭使用的高效性造就了我們如今的工業，我們越是提升其效率、降低其成本，工業就越繁榮，我們的文明成果就會越豐碩。」

儘管《煤炭問題》在19世紀成為暢銷書，儘管傑文斯對經濟學貢獻卓著，但傑文斯悖論在20世紀幾乎被遺忘。直到1970年代，現代環保運動與石油危機讓經濟學家不得不重新審視能源效率問題。各國政府開始推行諸如強製要求汽車提高燃油效率等政策，人們也開始思考：這真能減少化石燃料消耗嗎？

在這樣的背景下，經濟學家們想起了傑文斯悖論，並做了更完善細緻的現代表述：提高汽車、電器等產品的能源效率會產生「反彈效應」（Rebound Effect）。讓一台機器更節能時，實際上是在降低它的使用成本——當東西變得更便宜時，人們往往會更多地使用或消費它。

例如，燃油效率提升後，每公里出行成本降低，人們會更多地開車，總行駛里程反而增加；甚至有些家庭甚至會購置第二輛車，還有人會換成體型更大、動力更大的車。

再比如，雖然LED燈泡的能耗遠低於傳統燈泡，但由於其成本降低，人們可能會在更多地方使用照明設備，甚至讓燈保持更長時間的開啟狀態，最終導致用電量不降反升。

其實，成本下降刺激需求上升，這算不上什麼「悖論」，這是經濟學常識。如果反彈效應較弱，能效提升仍能降低總體能源消耗。只有當能效提升引發能源需求爆炸式增長時，才會出現真正的傑文斯悖論。

關於各種能源市場中反彈效應究竟有多大，一直存在很多爭議。目前多數經濟學家認為：一般來說，現代能源市場中的反彈效應往往相當小。他們認為，反彈效應確實存在，它會削弱提高能源效率帶來的環境效益，但遠不至於完全抵消這些效益。這或許是因為現代經濟已不同於傑文斯所在的時代，如今能效提升帶來的能源成本下降，已經不再會引發同等規模的需求爆炸。

傑文斯悖論與AI

突然之間，似乎不少人都開始談論AI發展中可能出現的傑文斯悖論。

這並非該概念首次跳出傳統能源經濟學領域。例如在供水領域，灌溉效率的提高反而會導致總體用水量增加；在基建領域，更多的高速公路車道最終導致了更嚴重的交通擁堵……

市場的空間

如果我們把DeepSeek帶來的AI計算成本降低和悖論中能源效率的提高做個類比，似乎每個人都可以更樂觀：隨著AI更高效、更便宜，人們對它的需求將會激增；所以，即使面對諸多AI公司的激烈競爭，AI市場仍有極大的利潤空間。

當然，這遠非定論——AI的成本、能力邊界、消費者使用場景、市場競爭格局等因素仍是未知數。

能源的需求

也有人在思考，當AI公司們通過技術創新降低了AI模型的訓練成本和能耗時，也可能刺激更多企業和機構部署AI應用，從而導致整體算力需求進一步上升，進而引發更大的能源消耗。

那麼這裏的關鍵問題就是，AI的需求增加能否超過其成本的下降速度呢？和很多經濟學問題類似，這個問題的答案要分成短期效應和長期效應來看。

在短期效應中，隨著AI訓練成本的顯著下降，企業和機構的進入門檻被大幅降低，這會促使更多的參與者湧入AI市場。然而，由於技術創新的初期效應，成本的下降速度可能相對更快，因此在短期內，成本的降低可能會在一定程度上抵消需求增加帶來的能源消耗壓力。

從長期效應來看，隨著AI應用的廣泛滲透和市場飽和度的提高，隨著AI技術的不斷成熟和應用場景的拓展，如AI在智能駕駛、多模態應用等領域的深度滲透，算力需求將進一步爆發。在這種情況下，長期的能源消耗可能會因為算力需求的持續攀升而顯著增加。

因此，AI的需求增長與成本下降之間的關係是動態的，需要綜合考慮技術創新、市場滲透速度等多方面因素。只有通過持續的技術優化和可持續的能源管理策略，才能在推動AI發展的同時，有效應對潛在的能源挑戰。

就業的機會

此外，我們要關注AI領域另一面的傑文斯悖論：它或許能幫助我們預測當AI顛覆某些工作並提升生產力時，未來人類某些崗位的命運將會如何。

如前所述，傑文斯發現燃煤技術效率的提升，最終會刺激煤炭需求增長。某些職業與AI的關係可能同理。也就是說，當AI提升某些工作的效率後，對人類勞動力的需求反而會增加而非減少。

以噴氣機發明後的飛行員需求為例：噴氣式飛機發明後，飛行員的生產力和效率都獲得了大幅提高，他們可以飛得更遠、更快，單位里程飛行成本也大大降低。但最終我們對飛行員的需求並沒有減少——最終的結果是，更多人有機會選擇飛行出行，對飛行員的需求反而增加了。

但需要明確的是，受AI影響的職業要觸發傑文斯悖論，至少需要滿足三個關鍵條件：

· 首先，AI要確實能提升工人生產力。這個問題需要分兩種情況來考慮：一方面，AI可能會發展得非常強大，以至於某些職業根本不需要人類；另一方面，AI可能對提高生產力作用不大，就像目前智能手機的情況一樣，並不能真正提高工人每小時的產出。但這兩種情況從目前來看，都並非必然會發生的。

· 其次，更高的生產力要能轉化為更低的價格。這並不是說，人們將能拿更低的薪金，而是指隨著人們單位時間產出更多商品/服務，導致最終商品/服務的單價下降。

· 第三，這一點非常關鍵，消費者需求會因價格降低而大幅激增。

從目前情況來看，某些職業將滿足以上所有條件，並已開始顯現類似過程，比如程序員、翻譯工作者、放射科醫生等。這些工作崗位都正經歷AI帶來的巨大生產力提升，但他們的崗位數量似乎並沒有因此減少。

這是最樂觀的情形之一：傑文斯悖論使人們工作更有效率，並增加了社會對生產力的需求，就業機會由此增加。

當然，我們也要意識到，技術變革並不會普惠所有職業。如果AI降低了職業門檻導致勞動力供給過剩，薪金很可能會不升反降；如果你的工作能被完全自動化，即使仍需人類參與，但生產力躍升仍可能縮減某些職業的用工需求。

不過我們也不用過於擔憂：從歷史長河看，技術變革對就業總體是利大於弊的。我們已經有了很多了不起的技術——推土機、計算機、電子錶格和其他各種東西——它們大幅提升了人們的工作效率。然而，工作機會始終在不斷增加。

有趣的是，傑文斯在《煤炭問題》的同一章節中，也特別討論過勞動力市場的悖論現象：

「新機器提升工人生產力後，產品降價刺激需求擴張，最終會大幅拓寬就業領域。通常，那些被機器取代的工人會發現，如果他們能借助機器實現更高效的勞動，反而更受市場青睞。」

本文來自微信公眾號「紅杉彙」（ID：Sequoiacap），作者：洪杉，36氪經授權發佈。