傑文斯悖論用於AI時代下之思考

　在深度求索（DeepSeek）爆紅的同時，「傑文斯悖論」（Jevons paradox）這個名詞也頻繁出現在鎂光燈下。該悖論源自十九世紀哲學家、經濟學家傑文斯（William Stanley Jevons）著作「煤炭問題」（The Coal Question），描述在研究英國煤炭使用量所發現的現象，傑文斯指出，雖透過技術將提升了使用煤炭的效率，但卻反直覺地出現總體消耗更多煤炭的結果。

　DeepSeek事件於農曆年前後在科技產業與股市投下震撼彈，該公司旗下AI大型語言模型效能取得巨大成功，尤其考慮到其花費的成本可能僅是積極開發類似模型同業的冰山一角，使得市場頓時對於當下各界追捧的AI基礎建設之需求度打出問號。經過1月下旬DeepSeek事件持續發酵後，最終美股在小年夜暴跌，輝達當日市值更蒸發近6千億美元，寫下最冷一日。

　由於DeepSeek的出現，使市場對時下發展AI的主流方法與未來走勢產生懷疑，這時擁護者便會搬出傑文斯悖論，來論證現行模式只會更熱絡。如今來簡易檢視傑文斯悖論時代與當前AI類比的同與不同，可更好讓自身反思未來潛在發展。

　先從傑文斯悖論來看，煤炭是觀察的指標物品，變化在透過技術可用更少的煤獲得更多動能，最終煤炭消耗量卻較過往增加。大環境方面，當時處於工業化基礎建設正起飛、盛行的時代，資本無約束消耗煤炭推進建設。

　許多人拿傑文斯悖論來討論輝達與GPU未來的需求會否產生變化，在這個類比中，GPU取代煤炭成觀察的指標物品，變化在用更少的算力就可打造高效模型；大環境方面，當前同樣處於AI基礎建設正起飛的時代；另一個相似的點是，GPU的買家是科技等資本而非普通消費者。那麼最終，GPU的需求會否如同煤炭般不減反增？

　但不同的點在於，GPU可能不像煤炭般，能夠絕對代表「能源／算力」一詞，例如谷歌打造自己的TPU，許多巨頭正研發ASIC來備戰AI時代，可能搶GPU的飯碗。雖說通用型的GPU仍有優勢，未來也可能是GPU與ASIC共榮，但要說各界打造自己ASIC的意圖，或多或少肯定有防範完全仰賴GPU的意味。

　再來思考，若將GPU、ASIC、雲端平台甚至資料中心等「算力」的象徵，打包成為類比煤炭的指標物品會如何？看似大環境等其它假設都不需要改變，似乎可能如傑文斯悖論模式般，各界更加大肆爭奪這批資源以奠定AI霸權，就像川普5千億美元的「星際之門」計畫。

　但要注意到，現行如邊緣運算、分散式運算等去中心化運行的概念，也是過去所沒有的，當中差別可能造成差異；又者，就算依然能將所有算力總和成一個值，但也不同於十九世紀煤炭就是唯一的動能，推動著AI發展變革的除了算力，算法等也是重要動能。

　有趣的是，在「煤炭問題」的最後，傑文斯悲觀認為煤炭很快將被耗盡。不過，日後的結果卻是找到了其他替代能源，至今煤炭仍在世上被大量使用。若這樣類比的話，什麼會是發展AI路上取代算力的替代能源？算力日後會如何呢？

　又從另一角度來看，無論算力還是運行於電腦上的算法，終究需要電這個主要能源，若算力真如傑文斯悖論般大肆擴展，我們電力基礎設施在沒有新技術突破前承受得住嗎？拿算力等來類比當時主力能源煤炭，似乎是說不通。值得一提的是，傑文斯悖論在當代時常被用來探討環保相關議題，如今成為AI等高耗能建設議題的強心針，也是一種有趣的迭代。