1860年代初，英国政府开始为煤炭发愁——他们担心，这种维系着工业革命的燃料，可能很快就要被消耗完了。但也有很多人认为，通过提高煤炭使用效率的技术创新，煤炭短缺问题将能得到解决，或者至少能往后延缓一些时间。
威廉·斯坦利·杰文斯（William Stanley Jevons）否认了这种认知。
作为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”（neoclassical economics）开辟了道路的著名经济学家，杰文斯在1865年出版了一本名为《煤炭问题：探究国家发展及煤矿枯竭概率》（The Coal Question: An Inquiry Concerning the Progress of the Nation, and the Probable Exhaustion of Our Coal-Mines）的书，在其中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：“事实上，”杰文斯写道，“提高燃煤机的能源效率，煤炭消耗反而会因此增加，而非减少。”
杰文斯认为，技术进步提高了资源的利用效率，降低了单位资源的使用成本，从而刺激了需求的增加；这种需求的增加可能会抵消甚至超过效率提高带来的节约效果，最终导致资源消耗总量上升。
但同时，杰文斯也提到，从宏观视角看，高效用煤将刺激经济增长，从而增加整个经济体系的煤炭消费。“正是煤炭使用的高效性造就了我们如今的工业，我们越是提升其效率、降低其成本，工业就越繁荣，我们的文明成果就会越丰硕。”
尽管《煤炭问题》在19世纪成为畅销书，尽管杰文斯对经济学贡献卓著，但杰文斯悖论在20世纪几乎被遗忘。直到1970年代，现代环保运动与石油危机让经济学家不得不重新审视能源效率问题。各国政府开始推行诸如强制要求汽车提高燃油效率等政策，人们也开始思考：这真能减少化石燃料消耗吗？
在这样的背景下，经济学家们想起了杰文斯悖论，并做了更完善细致的现代表述：提高汽车、电器等产品的能源效率会产生“反弹效应”（Rebound Effect）。让一台机器更节能时，实际上是在降低它的使用成本——当东西变得更便宜时，人们往往会更多地使用或消费它。
例如，燃油效率提升后，每公里出行成本降低，人们会更多地开车，总行驶里程反而增加；甚至有些家庭甚至会购置第二辆车，还有人会换成体型更大、动力更大的车。
再比如，虽然LED灯泡的能耗远低于传统灯泡，但由于其成本降低，人们可能会在更多地方使用照明设备，甚至让灯保持更长时间的开启状态，最终导致用电量不降反升。
其实，成本下降刺激需求上升，这算不上什么“悖论”，这是经济学常识。如果反弹效应较弱，能效提升仍能降低总体能源消耗。只有当能效提升引发能源需求爆炸式增长时，才会出现真正的杰文斯悖论。
关于各种能源市场中反弹效应究竟有多大，一直存在很多争议。目前多数经济学家认为：一般来说，现代能源市场中的反弹效应往往相当小。他们认为，反弹效应确实存在，它会削弱提高能源效率带来的环境效益，但远不至于完全抵消这些效益。这或许是因为现代经济已不同于杰文斯所在的时代，如今能效提升带来的能源成本下降，已经不再会引发同等规模的需求爆炸。
杰文斯悖论与AI
突然之间，似乎不少人都开始谈论AI发展中可能出现的杰文斯悖论。
这并非该概念首次跳出传统能源经济学领域。例如在供水领域，灌溉效率的提高反而会导致总体用水量增加；在基建领域，更多的高速公路车道最终导致了更严重的交通拥堵……
市场的空间
如果我们把DeepSeek带来的AI计算成本降低和悖论中能源效率的提高做个类比，似乎每个人都可以更乐观：随着AI更高效、更便宜，人们对它的需求将会激增；所以，即使面对诸多AI公司的激烈竞争，AI市场仍有极大的利润空间。
当然，这远非定论——AI的成本、能力边界、消费者使用场景、市场竞争格局等因素仍是未知数。
能源的需求
也有人在思考，当AI公司们通过技术创新降低了AI模型的训练成本和能耗时，也可能刺激更多企业和机构部署AI应用，从而导致整体算力需求进一步上升，进而引发更大的能源消耗。
那么这里的关键问题就是，AI的需求增加能否超过其成本的下降速度呢？和很多经济学问题类似，这个问题的答案要分成短期效应和长期效应来看。
在短期效应中，随着AI训练成本的显著下降，企业和机构的进入门槛被大幅降低，这会促使更多的参与者涌入AI市场。然而，由于技术创新的初期效应，成本的下降速度可能相对更快，因此在短期内，成本的降低可能会在一定程度上抵消需求增加带来的能源消耗压力。
从长期效应来看，随着AI应用的广泛渗透和市场饱和度的提高，随着AI技术的不断成熟和应用场景的拓展，如AI在智能驾驶、多模态应用等领域的深度渗透，算力需求将进一步爆发。在这种情况下，长期的能源消耗可能会因为算力需求的持续攀升而显著增加。
因此，AI的需求增长与成本下降之间的关系是动态的，需要综合考虑技术创新、市场渗透速度等多方面因素。只有通过持续的技术优化和可持续的能源管理策略，才能在推动AI发展的同时，有效应对潜在的能源挑战。
就业的机会
此外，我们要关注AI领域另一面的杰文斯悖论：它或许能帮助我们预测当AI碘伏某些工作并提升生产力时，未来人类某些岗位的命运将会如何。
如前所述，杰文斯发现燃煤技术效率的提升，最终会刺激煤炭需求增长。某些职业与AI的关系可能同理。也就是说，当AI提升某些工作的效率后，对人类劳动力的需求反而会增加而非减少。
以喷气机发明后的飞行员需求为例：喷气式飞机发明后，飞行员的生产力和效率都获得了大幅提高，他们可以飞得更远、更快，单位里程飞行成本也大大降低。但最终我们对飞行员的需求并没有减少——最终的结果是，更多人有机会选择飞行出行，对飞行员的需求反而增加了。
但需要明确的是，受AI影响的职业要触发杰文斯悖论，至少需要满足三个关键条件：
· 首先，AI要确实能提升工人生产力。这个问题需要分两种情况来考虑：一方面，AI可能会发展得非常强大，以至于某些职业根本不需要人类；另一方面，AI可能对提高生产力作用不大，就像目前智能手机的情况一样，并不能真正提高工人每小时的产出。但这两种情况从目前来看，都并非必然会发生的。
· 其次，更高的生产力要能转化为更低的价格。这并不是说，人们将能拿更低的工资，而是指随着人们单位时间产出更多商品/服务，导致最终商品/服务的单价下降。
· 第三，这一点非常关键，消费者需求会因价格降低而大幅激增。
从目前情况来看，某些职业将满足以上所有条件，并已开始显现类似过程，比如程序员、翻译工作者、放射科医生等。这些工作岗位都正经历AI带来的巨大生产力提升，但他们的岗位数量似乎并没有因此减少。
这是最乐观的情形之一：杰文斯悖论使人们工作更有效率，并增加了社会对生产力的需求，就业机会由此增加。
当然，我们也要意识到，技术变革并不会普惠所有职业。如果AI降低了职业门槛导致劳动力供给过剩，工资很可能会不升反降；如果你的工作能被完全自动化，即使仍需人类参与，但生产力跃升仍可能缩减某些职业的用工需求。
不过我们也不用过于担忧：从历史长河看，技术变革对就业总体是利大于弊的。我们已经有了很多了不起的技术——推土机、计算机、电子表格和其他各种东西——它们大幅提升了人们的工作效率。然而，工作机会始终在不断增加。
有趣的是，杰文斯在《煤炭问题》的同一章节中，也特别讨论过劳动力市场的悖论现象：
“新机器提升工人生产力后，产品降价刺激需求扩张，最终会大幅拓宽就业领域。通常，那些被机器取代的工人会发现，如果他们能借助机器实现更高效的劳动，反而更受市场青睐。”
