從DeepSeek來了解Jevons Paradox 傑文斯悖論【金融知識】
- 文內如有投資理財相關經驗、知識、資訊等內容，皆為創作者個人分享行為。
- 有價證券、指數與衍生性商品之數據資料，僅供輔助說明之用，不代表創作者投資決策之推介及建議。
- 閱讀同時，請審慎思考自身條件及自我決策，並應有為決策負責之事前認知。
- 方格子希望您能從這些分享內容汲取投資養份，養成獨立思考的能力、判斷、行動，成就最適合您的投資理財模式。
一、前言
DeepSeek是這陣子最火紅的話題，也直接導致世界各國對於AI的各種「想像」，更造成相關產業鏈瘋狂的震盪。
小弟我不是AI專長，也不是產業專家，但對於DeepSeek的到來(排除政治問題)，我個人是十分樂觀其成的，因為對於我們終端消費者來說會有更便宜更有CP值的產品，也更能 讓AI應用在我們未來人類生活的方方面面，而這樣的情況在人類過往的歷史當中是反覆出現。
其中，也有許多文章報導提到「Jevons Paradox 傑文斯悖論」，這個悖論確實值得我們好好了解思考。
Jevons Paradox 傑文斯悖論最重要的重點是：
為什麼效率提升，反而用得更多？
當科技進步讓資源的使用更有效率時，我們會直覺地認為消耗量應該會減少，對吧？但「Jevons Paradox（傑文斯悖論）」告訴我們，事情往往不是這麼簡單。事實上，當某種資源變得更有效率、更便宜時，人們反而可能用得更多，導致總消耗量不減反增。這聽起來有點反直覺，但它在歷史上屢屢發生，影響經濎、能源、環保等許多領域，甚至與我們的數位世界、人工智慧（AI）發展息息相關。
二、傑文斯悖論的起源：從工業革命的煤炭開始
這個概念來自 19 世紀的英國經濟學家 William Stanley Jevons。當時，工業革命正熱火朝天地進行，蒸汽機的發明讓煤炭的使用效率大幅提高。許多人以為，這會讓煤炭的總消耗量下降，因為相同的工作量需要更少的燃料。
然而，Jevons 發現，效率提升讓煤炭變得更便宜，結果工業發展更快，需求上升，最終煤炭的使用量反而大幅增加。這就是「傑文斯悖論」的核心概念。
三、現代版的傑文斯悖論：網路、電腦算力與 AI 時代的能源消耗
這種現象並不只發生在 19 世紀，而是至今仍然影響我們的生活。以下是幾個現代例子，特別是與網路及數據儲存、電腦計算能力（包含手機應用）和 AI 相關的發展：
- 網路與數據儲存：早期網速有限、儲存空間昂貴，人們會精打細算地使用網路與硬碟。然而，隨著雲端儲存技術進步、5G 普及，資料儲存與傳輸變得更便宜、更快速，結果大家反而上傳更多照片、觀看更多影音內容、存放更大量的數據，導致全球資料中心的能源消耗持續上升。
- 算力與 AI 訓練：現今 AI 模型的計算效率大幅提升，GPU 和 TPU 的效能越來越強大，看似可以更快速、更省能地處理 AI 訓練與推理任務。但事實上，這導致企業和研究機構投入更多資源來開發更大型、更複雜的 AI 模型，例如 ChatGPT、DALL·E、AlphaGo 等，整體算力需求大增，數據中心的電力消耗驚人。據統計，訓練一個 GPT-3 模型的碳排放量，相當於一輛汽車行駛數十萬公里。
- 區塊鏈與加密貨幣：比特幣與以太坊等加密貨幣的挖礦過程，透過「工作量證明（Proof of Work）」機制，需要大量算力進行數學運算。隨著礦機技術進步，挖礦的效率提高，但這也促使更多人加入挖礦，全球加密貨幣的總電力消耗不降反升，甚至一度超過某些小國的全年用電量。
四、傑文斯悖論的經濟學解釋：效率提升 ≠ 消耗減少
這個現象的背後，是「需求彈性」(Price Elasticity of Demand)的概念。
當某項資源變便宜，消費者會更願意使用，甚至發展出新的用途，導致整體需求上升。
這就像折扣促銷時，消費者可能買比平常更多的商品，或是東西價格大幅下降，本來只有少數人買得起，現在變成大家都能買而且因為東西實用，大家越用越多。最後導致單價低了，但總使用花費總量反而增加。
五、未來 AI 運用與傑文斯悖論的關聯
我們對於AI使用的想像，可能就像當初我們對於網路跟電腦算力的需求一樣，大大錯誤的判斷最終的總需求量。
AI 技術正在加速發展，未來幾年內，我們將看到 AI 進入更多領域，例如智慧城市、自駕車、醫療診斷、金融分析等。AI 的效率確實會提升，但這會帶來以下影響：
- 更廣泛的應用場景：AI 的運算能力變得更強大、更便宜，企業和個人會更頻繁地使用 AI，從客服機器人到個人助理，甚至日常生活中的智慧裝置，導致 AI 的總體運算需求持續攀升。(或許人類會進入烏托邦世界，大部分的人都不用工作就有飯吃！)
- 資料需求爆炸式增長：AI 需要大量數據來學習，未來會有越來越多的感測器、攝影機、自動化設備蒐集數據，使得全球儲存與運算需求大增。
- AI 訓練與推理的能源成本：除了訓練 AI，未來 AI 需要不斷推理、運行，像是自駕車每秒鐘要處理龐大的影像數據，這將需要更高效的能源管理，否則 AI 的普及可能帶來更高的能源消耗。
對於未來AI為何這樣的重要，在過去我有一篇文章在探討「總要素生產率」有興趣的讀者可以參考：
面對未來那我們該怎麼辦？如何真正減少資源消耗？
如果提高效率無法直接減少消耗量，那有什麼方法可以真正降低資源的使用呢？經濟學家提出了幾個可能的解決方案：
- 設定使用上限：像是政府規定數據中心的能源使用標準，或
- 是企業承諾碳中和，防止效率提升後的過度消費。
- 提高價格或課稅：例如對高耗能的 AI 訓練與運行徵收碳稅，確保技術進步不會無限制地推高能源需求。
- 推動綠色 AI 發展：企業應投資更節能的 AI 算法，如 Google 透過 TPUs 來降低 AI 訓練的碳足跡，未來 AI 產業若能導入「永續算力」，或許能緩解能源消耗問題。
六、結論：AI 算力的需求將只會越來越大，推動人類邁向更高峰
Jevons Paradox 告訴我們，科技進步雖然能讓資源使用更有效率，但如果沒有配套措施，總消耗量未必會減少，甚至可能增加。這不僅發生在能源與工業革命時代，也正在影響我們的數位世界與 AI 未來發展。
然而，AI 的進步與算力需求也同時代表著一個無限的潛力。隨著技術的發展，AI 不僅能幫助我們提升生產力，還能解決許多傳統方法無法處理的挑戰，例如疾病診斷、環境保護和資源管理。算力的需求雖然會逐漸增加，但也將成為推動我們邁向更高效率、更智慧未來的關鍵。
總的來說，AI 與其背後強大的算力需求，不僅讓我們在技術上不斷突破，更讓我們生活更加便利。未來，儘管會面臨能源消耗的挑戰，但隨著智慧化管理與綠色技術的發展，我們有望在創新與永續間找到平衡，迎接更加美好的未來。
💵如果喜歡我的文章，請大方按下愛心當作鼓勵💖
💵想要持續獲得金融財務知識，歡迎追蹤+分享💖
💵普及正確系統性的金融知識是我的志向，歡迎留言給我鼓勵💖
