DeepSeek 以开源策略和免费模式震撼世界之时，微软 CEO 萨蒂亚·纳德拉（Satya Nadella）引用了一个 160 年前的经济学概念，对 DeepSeek 或者说 AI 的未来发展进行了乐观解读。

杰文斯悖论的时刻再度上演！随着 AI 的普及以及效率的提升，我们将会看到它使用量的急剧上升，最终它会成为人们日常生活中不可或缺的一部分。

过去几十年中，杰文斯悖论常被用以解释以下情况：更节能的汽车、电器和灯泡为何没能减少我们对化石燃料的消耗；增建高速公路车道为何无法解决交通拥堵问题。而如今在 AI 领域，它或许能够解释为何 AI 会有更大的市场空间，为何 AI 会创造更多就业。

杰文斯悖论的起源

什么是“杰文斯悖论”？这个看似违反直觉的现象是这样的：

技术进步提高了资源利用效率时，却有可能使资源的总消耗量上升，而非下降。这一现象与人们那种“效率提高就会减少资源消耗”的直觉想法是相互矛盾的，所以被称作“悖论”。

1860 年代初期，英国政府开始为煤炭而发愁。他们担忧，这种维系着工业革命的燃料，或许很快就会被消耗殆尽。然而，也有许多人认为，借助提高煤炭使用效率的技术创新，煤炭短缺问题能够得以解决，或者至少能够往后推迟一些时间。

威廉·斯坦利·杰文斯否认了这种认知。

著名经济学家率先将数学与统计学引入经济学，为后来统治学界数百年的“新古典经济学”开辟了道路。1865 年，杰文斯出版了一本名为《煤炭问题：探究国家发展及煤矿枯竭概率》的书。在这本书中，他用了整整一章来论证，更节能的技术无法解决英国的煤炭短缺问题。杰文斯写道：“事实上，提高燃煤机的能源效率，煤炭消耗不但不会减少，反而会因此增加。””

杰文斯觉得，技术进步使得资源的利用效率得以提升，并且让单位资源的使用成本降低了。正因如此，需求得到了刺激而增加。这种需求的增加，有可能会把效率提高所带来的节约效果给抵消掉，甚至还会超过它，最终使得资源消耗的总量呈现上升的态势。

但杰文斯提到，从宏观视角来看，高效用煤能够刺激经济增长。因为经济增长了，整个经济体系的煤炭消费就会增加。正是煤炭使用的高效性造就了如今的工业，我们提升其效率、降低其成本，工业就会越繁荣，我们的文明成果也就会越丰硕。

《煤炭问题》在 19 世纪成为了畅销书。杰文斯对经济学作出了卓著的贡献。然而，杰文斯悖论在 20 世纪几乎被遗忘了。到了 1970 年代，现代环保运动与石油危机使得经济学家不得不重新审视能源效率问题。各国政府开始推行一些政策，比如强制要求汽车提高燃油效率。人们也开始进行思考，这是否真的能减少化石燃料的消耗呢？

在这样的背景之下，经济学家们回忆起了杰文斯悖论，并且做出了更为完善和细致的现代表述。即提高汽车、电器等产品的能源效率，会引发“反弹效应”（Rebound Effect）。当使一台机器变得更加节能时，实际上就是在降低它的使用成本。而当物品变得更便宜时，人们往往会增加对它的使用或消费。

燃油效率提升后，每公里出行成本降低了，这使得人们会更倾向于开车，结果总行驶里程反而增加了；有些家庭甚至会购买第二辆车，还有人会换成体型更大、动力更强的车。

比如，LED 灯泡能耗比传统灯泡低很多。因为它成本降低了，所以人们可能会在更多地方使用照明设备，还可能让灯保持更长时间开启，这样最终就会使用电量不降反升。

成本下降会促使需求上升，这并非“悖论”，而是经济学常识。倘若反弹效应较弱，能效提升依然能够降低总体能源消耗。只有在能效提升致使能源需求呈爆炸式增长的情况下，才会出现真正的杰文斯悖论。

各种能源市场中反弹效应的大小存在很多争议。目前多数经济学家的观点是：一般而言，现代能源市场中的反弹效应通常比较小。他们觉得，反弹效应是确实存在的，它会对提高能源效率所带来的环境效益产生削弱作用，但还远远达不到完全抵消这些效益的程度。这可能是因为现代经济和杰文斯所在的那个时代不一样了。如今，能效提升使得能源成本下降，这种情况下，已经不会再像过去那样引发同等规模的需求爆炸了。

杰文斯悖论与AI

似乎不少人突然都开始谈论起 AI 发展中可能会出现的杰文斯悖论。 不少人似乎突然开始谈论 AI 发展中可能出现的杰文斯悖论。 突然，似乎有不少人开始谈论起 AI 发展中可能出现的杰文斯悖论。 似乎突然之间，不少人开始谈论 AI 发展中可能出现的杰文斯悖论。 不少人在突然之间似乎开始谈论 AI 发展中可能出现的杰文斯悖论。

该概念并非首次跳出传统能源经济学领域。像在供水领域，灌溉效率提高了，然而总体用水量却增加了；在基建领域，有更多的高速公路车道，最终导致交通拥堵变得更严重了……

市场的空间

如果将 DeepSeek 所带来的 AI 计算成本降低与悖论中能源效率的提高进行类比，那么似乎每个人都能更加乐观。因为随着 AI 变得更高效且更便宜，人们对它的需求将会大幅增加。所以，即便面临众多 AI 公司的激烈竞争，AI 市场依然存在着极大的利润空间。

当然，这并非是确定的结论。AI 的成本是未知的，其能力边界也是未知的，消费者的使用场景同样是未知的，市场竞争格局也依然是未知的。

能源的需求

有人在思考，AI 公司通过技术创新降低了 AI 模型的训练成本和能耗，这可能会刺激更多企业和机构部署 AI 应用，使得整体算力需求进一步上升，进而引发更大的能源消耗。

这里的关键问题在于，AI 的需求增加能否比其成本的下降速度更快呢？如同许多经济学问题一样，这个问题的答案需从短期效应和长期效应两方面来看。

在短期效应方面，AI 训练成本显著下降，这使得企业和机构的进入门槛大幅降低，从而促使更多参与者涌入 AI 市场。不过，由于处于技术创新的初期效应，成本下降速度相对较快，所以在短期内，成本的降低可能会在一定程度上抵消因需求增加而带来的能源消耗压力。

从长期效应去看，AI 应用广泛渗透且市场饱和度提高，AI 技术不断成熟且应用场景拓展，像在智能驾驶、多模态应用等领域深度渗透，算力需求会进一步爆发。在此情况下，长期的能源消耗可能因算力需求持续攀升而明显增加。

AI 的需求在增长，成本在下降，它们之间的关系是动态的。要推动 AI 发展，需综合考虑多方面因素，如技术创新、市场渗透速度等。只有持续进行技术优化，采用可持续的能源管理策略，才能有效应对潜在的能源挑战。

就业的机会

此外，我们要关注 AI 领域的另一个方面，即杰文斯悖论：它或许能够帮助我们去预测，当 AI 颠覆某些工作并且提升生产力的时候，未来人类某些岗位的命运将会是怎样的。

如前所述，杰文斯发现了燃煤技术效率提升这一情况，而这最终会对煤炭需求的增长起到刺激作用。某些职业与 AI 的关系或许也是这样的情况。也就是说，当 AI 把某些工作的效率提升之后，对于人类劳动力的需求不但不会减少，反而会增加。

以喷气机发明后的飞行员需求为例：喷气式飞机发明后，飞行员的生产力得到大幅提升，他们能够飞得更远且速度更快，单位里程飞行的成本也显著降低。然而，最终的情况是，更多人有了选择飞行出行的机会，这使得对飞行员的需求不但没有减少，反而增加了。

需要明确的是，受 AI 影响的职业要触发杰文斯悖论，需满足以下三个关键条件：其一，该职业受 AI 影响较为显著；其二，这种影响导致了该职业的生产效率提升；其三，生产效率提升并未带来相应的资源节约或成本降低。

首先，AI 必须能够提升工人的生产力。此问题需从两方面来考量：其一，AI 或许会发展得极为强大，致使某些职业完全无需人类参与；其二，AI 或许对提高生产力的作用较为有限，就如同当下智能手机的情形那样，无法切实提升工人每小时的产出。然而，就目前而言，这两种情况都并非一定会出现。

其次，更高的生产力能够转化为更低的价格。这意味着，人们不会拿到更低的工资，而是由于人们在单位时间内产出更多的商品/服务，从而使得最终商品/服务的单价下降。

第三，这一点极为重要。消费者的需求会随着价格的降低而出现大幅度的增长。

目前来看，有一些职业能够满足上述所有条件，并且已经开始呈现出类似的过程。例如程序员、翻译工作者、放射科医生等。这些工作岗位都正在遭遇 AI 所带来的巨大生产力提升，然而，他们的岗位数量似乎并未因此而减少。

这是其中一种最乐观的情形：杰文斯悖论让人们的工作变得更有效率，并且使得社会对生产力的需求有所增加，基于此，就业机会也随之增加了。

当然，我们要意识到技术变革不会普惠所有职业。其一，如果 AI 降低了职业门槛，致使劳动力供给过剩，那么工资很可能不但不会上升，反而会下降；其二，如果你的工作能够被完全自动化，即便仍需要人类参与，但由于生产力跃升，仍可能会缩减某些职业的用工需求。

不过我们无需过度忧虑。从历史的角度来看，技术变革对于就业而言，总体上是益处多于弊端的。我们已经拥有了诸多极为出色的技术，像推土机、计算机、电子表格以及其他各类事物，这些技术极大地提高了人们的工作效率。然而，工作机会一直都在持续增加。

有趣的是，杰文斯在《煤炭问题》的同一章节里，特别对劳动力市场的悖论现象进行了讨论。

新机器提升了工人的生产力，之后产品降价，这刺激了需求的扩张，最终会使就业领域大幅拓宽。一般来说，那些被机器取代的工人会发现，倘若他们能够借助机器来实现更高效的劳动，那么他们反而会更受市场的青睐。

本文来自微信公众号，作者：洪杉，36氪经授权发布。