Can We Test Jevons Paradox in AI Inference? A Longitudinal Audit of Token Prices, Demand, and Energy (2022–2026)
本文构建了一个纵向数据集和一个新的分析框架，旨在证明当前的公共数据缺乏必要的粒度和因果识别能力，以验证是否存在如观察到的价格稳定和未经验证的业务量增长所暗示的 AI 推理效率驱动的杰文斯悖论，从而防止在效率最终会限制还是增加总能源需求这一问题上得出定论。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下这样一个世界：让机器变得更聪明、运行成本更低，实际上却导致我们更加频繁地使用它，从而使总能耗飙升。这就是困扰了经济学家一个多世纪的问题——杰文斯悖论（Jevons paradox）的核心。它表明，当我们提高资源利用效率时，并不一定会节省该资源；相反，较低的成本会鼓励我们如此激进地使用它，以至于我们的总消耗量反而增长了。今天，这个问题已从煤矿转移到了数字领域，并聚焦于人工智能。随着人工智能模型变得运行更快、成本更低，业界正展开一场激烈的辩论：这种效率的提升究竟会限制该行业的巨大能源胃口，还是会反过来推动需求爆炸，从而超过我们发电的能力。要解决这个问题，我们需要同时观察三件事：使用人工智能的价格、使用量的规模以及创造它所消耗的实际能量。
研究人员尤金·斯皮瓦克（Eugen Spivak）致力于寻找解决这个谜题的三个部分，涵盖 2022 年至 2026 年间的变化。其目标是建立一个统一的记录体系，追踪 AI 文本的价格、生成的文本量以及创造这些文本所需的能量，且所有数据都针对相同的服务和相同的时间段。斯皮瓦克花费数年时间从公开渠道收集数据，包括 11 家主要 AI 开发商定价页面的存档版本、关于处理了多少个标记（token，即文本的基本单位）的声明，以及发布的能源使用数据。其结果是一个庞大的账本，包含了一千多个价格点、数十个容量声明和一百多个能源数据。然而，这项工作的最显著发现并非证实了该悖论，而是揭示了数据本身的问题：公开记录中根本不包含回答该问题所需的信息。
调查显示，虽然我们拥有大量数字，但它们很少能以一种能够进行公平比较的方式组合在一起。例如，当研究人员观察特定 AI 模型随时间变化的定价时，他们发现单个模型的成本很少发生变化。在对同一模型进行不同时间点检查的近 700 个案例中，其价格保持完全一致。新闻中经常提到的剧烈降价，并不是因为开发者降低了现有工具的成本，而是因为新的、更便宜的模型被引入市场，而旧模型依然维持着高价。这种区别至关重要，因为这意味着 AI 的“价格”变化是由于产品迭代引起的，而非仅仅由效率提升驱动。
当研究人员试图将这些价格与人们实际使用 AI 的情况相匹配时，数据变得更加支离破碎。对于最大的两个供应商——谷歌和 OpenAI 而言，有明确的声明显示，其平台生成的文本量增长极其迅速，在 2025 年至 2026 年间每年增长四到五倍以上。与此同时，它们标准模型的价格并未下降；事实上，在许多类别中，价格反而上升了。这呈现出一个令人困惑的局面：即便单价并未下降，使用量却在爆炸式增长。然而，一个关键的缺口依然存在：容量声明并未明确说明它们统计的是哪种类型的文本。它们可能包括输入文本、输出文本或缓存数据，而价格列表仅涵盖特定的输出类型。在不知道这些容量数据和价格数据是否在讨论完全相同的事物之前，无法断定使用量的增长是否是对价格下降的直接反应。
使整个图景无法完成的关键缺失环节是能源数据。虽然有很多关于 AI 使用了多少能量的说法，但其中大多数都没有说明其测量边界。有些数字仅计算计算机芯片，而另一些则包含了整个建筑、冷却系统以及在服务器闲置时维持运行所需的电力。由于这些测量是在不同的规模上进行的，因此无法可靠地相互比较，更不用说与价格和容量数据进行匹配了。研究发现，在审查的一半以上的能源数据中，无法准确判断测量对象究竟是什么。如果没有对单位工作量内能量的清晰、一致的测量，也没有价格与容量之间的明确联系，数据就无法展示效率是否正在驱动更高的消耗。
最终，这项严谨的审计得出结论：我们目前还无法断定 AI 是否正遭受杰文斯悖论的影响。公开记录过于零散，既无法证明效率提升正在导致总能源使用量的激增，也无法证明效率最终会限制这种使用。数据表明，AI 的使用量正在快速增长，但并未显示这种增长是由价格降低或效率提升所驱动的。研究人员认为，要解开这个谜团，构建这些系统的公司必须开始发布更清晰的数据。他们需要明确说明价格何时生效，精确说明其容量统计涵盖的内容，并定义其能源测量的边界。在这些细节提供之前，关于 AI 能源未来的辩论仍将是一个理论问题而非事实问题，这让我们无法得知这台机器究竟会成为一个可持续的工具，还是一个贪得无厌的能源消费者。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。