傑文斯悖論
當一件事變得更有效率，我們反而用得更多—— 一個 1865 年的想法，成了 AI 時代最愛引用的論證。
煤的問題
1865 年，英國的一切都靠煤運轉。29 歲的經濟學家 William Stanley Jevons 出版了一本書，追問這樣還能持續多久。當時令人安心的答案是：會越來越久——James Watt 的蒸汽機從一噸煤裡榨出的功，是它取代的 Newcomen 蒸汽機的好幾倍，而每一次改良想必都能讓儲量撐得更久。
Jevons 檢視了歷史紀錄，發現事實正好相反。引擎效率每躍進一次，英國燒掉的煤就更多，而不是更少。他的解釋直截了當：
「以為節約用煤就等於減少耗煤，完全是觀念上的混淆。事實恰恰相反。」
—— William Stanley Jevons，《煤的問題》（1865）
效率讓蒸汽動力便宜到足以進入從前無法想像的用途——抽乾更深的礦坑、驅動紡織廠、拉動火車、橫渡大洋。每一次改良，都擴大了「燒煤划得來」的範圍。效率沒有縮小煤在世界中的角色，而是讓它倍增。
機制
這裡沒有任何神祕之處——悖論是一種價格效應。沒有人為了煤本身想要煤，也沒有人為了 token 本身想要 token。你真正購買的，是資源所做的事：運動、熱、光、答案。效率提升時，這些有用之功的實際價格就下降。而價格一旦下降，兩件事會同時發生：既有的使用者用得更多，原本不划算的邊緣用途突然變得划算。
總消耗最後是降是升，取決於一個隱藏變數：在新價格下，需求有多飢渴——經濟學家稱之為需求彈性。如果需求已近飽和，效率就兌現直覺的承諾：用更少資源做同樣的事。如果需求有反應但幅度有限，一部分節省會被吃掉——這是反彈效應。而如果需求彈性極高，新增的消耗會完全超過效率的收益。這種徹底的逆轉——稱為回火——才是真正的傑文斯悖論。
「傑文斯悖論再度出擊！」
2025 年 1 月，中國實驗室 DeepSeek 發布了 R1——推理能力接近 OpenAI 的 o1，每 token 價格卻只有約三十分之一。市場用最直覺的方式解讀：如果智慧變得這麼高效，世界需要的晶片就少得多。Nvidia 單日蒸發約 6,000 億美元市值——史上最大的單日跌幅。
微軟執行長 Satya Nadella 的回應，是一個 160 年前的想法：「傑文斯悖論再度出擊！當 AI 變得更有效率、更容易取得，我們會看到它的使用量一飛沖天，成為一種怎麼用都不夠的大宗商品。」
此後的時間大致站在他那一邊——到目前為止。同等能力的價格持續崩跌，token 總消耗、資料中心投資與能源需求卻持續攀升。便宜的智慧沒有讓市場縮小，而是找到了新的去處：連續運行數小時的代理、單一任務燒掉數百萬 token 的程式工具、裝得下整個程式庫的上下文視窗。這個模式還在不斷刷新——GLM-5.2，一個價格約為西方對手六分之一的開放權重前沿模型，是最新的數據點，而它的發布帶來的不是對算力更少的需求，而是更多。
值得留意：上一段裡的「到目前為止」承擔著真實的重量。悖論描述的是一種反覆出現的模式，不是保證。如果今天的基礎建設超過了實際需求，這個故事就會被改寫成泡沫。兩種讀法目前都有認真的支持者。
旋鈕
如同任何直覺泵浦，傑文斯悖論也有隱藏的旋鈕——悄悄決定它是否適用的參數。轉動它們，結論就會改變。
彈性旋鈕
悖論需要飢渴的需求。照明「回火」了兩百年——更便宜的光意味著更長的照明時間、更多亮著的房間、更多不夜的城市。然後需求飽和了：沒有人因為 LED 便宜就把客廳照得更亮，富裕國家的照明總耗能實際上已經下降。效率終究會贏——在人們擁有足夠之後。
瓶頸旋鈕
消耗只能成長到撞上下一個限制為止。對 AI 而言，候選的牆包括電網、晶片製造、資本——以及人類的注意力，任何效率提升都從未讓它倍增。一個悖論可以是真的，卻仍被下一個稀缺的東西擋下來。
時間尺度旋鈕
Jevons 自己就外推錯了。他擔心英國的強盛會隨煤的耗竭而終結；英國的用煤量在 1913 年達到頂峰，如今已趨近於零。回火主導了數十年——然後替代與飽和獲勝。所以不只要問悖論是否適用，還要問它適用多久。
經濟學家們真心地在爭論這一切能多乾淨地對應到 AI 上。對能源的需求受物理與舒適所限；對智慧的需求，可能幾乎沒有上限——也可能比我們想的更有限。這個懸而未決的問題，正是這副透鏡值得隨身攜帶的原因。
如何使用
下次有人說「這次效率提升意味著我們會需要更少」——更少的算力、能源、程式設計師、任何東西——先跑過三個問題：
一、需求有彈性嗎？ 在更低的價格下，是否還有等著被滿足的用途？還是需求已經大致飽和？悖論只在「更便宜等於更飢渴」時才會發動。沒有人因為暖爐變高效就把家裡燒得更熱——但人們會拿從前絕不會花錢請顧問回答的問題去問模型。
二、什麼被解鎖了？ 成本降到十分之一時，哪些原本荒謬的用途變得合理？有趣的答案從來不是「現有用途，做得更便宜」，而是舊價格下沒有人想像過的用途——連續運行數小時的代理、每次提交都跑一遍的程式碼審查、每個學生都有的家教。
三、瓶頸移到哪裡？ 消耗會一路成長，直到撞上下一個限制。對 AI 而言，那可能是電網、晶片供應、資本——或人類的注意力，任何效率提升都從未讓它倍增。指出下一道牆在哪裡，你就知道悖論演完之後，故事往哪裡走。
也要反過來用。當有人宣稱使用量必然暴增，因為「傑文斯」——問同樣的三個問題。這個悖論常被當作咒語使用：一個詞，彷彿就終結了辯論。它終結不了任何事。它只告訴你該往哪裡看。
重點回顧
- 1865 年，Jevons 觀察到蒸汽機越高效，英國燒的煤越多，而不是越少
- 效率是對資源所做之功的降價；需求有彈性時，新用途的成長會超過節省
- 反彈效應吃掉部分節省；回火——完整的悖論——則讓總消耗不減反增
- DeepSeek R1 的廉價推理讓 Nvidia 崩跌一日；Nadella 的「傑文斯悖論再度出擊」至今看來大致正確
- 悖論有旋鈕——彈性、瓶頸、時間尺度——它最終在煤與照明上都失效了
- 把它當透鏡用，不是定律：問新價格下什麼被解鎖，以及接下來什麼變得稀缺
