杰文斯悖论

出自 《寓言随记》“埃尔多拉”寓言：飞空之城的唯一出行方式是靠稀有难采的“以太晶石”作燃料的“飞空艇”，票价高昂，只有达官显贵坐得起。机械师塞拉斯造出革命性“凝聚态燃炉”，只需原先三分之一的以太晶石就能飞相同距离。长老院欣喜宣布“每年晶石消耗将锐减三分之二、矿藏可多用数百年”。然而运营成本暴跌后，飞空艇不再是富人专利——商人发现用它运土豆木材羊毛有利可图、平民也买得起通勤滑翔翼，天空从十几艘贵族飞艇变成成千上万艘货运艇私人机空中出租车，人们连隔壁街区都要坐滑翔翼、矿场雇更多矿工日夜疯采。三年后统计出炉：以太晶石年消耗总量非但没减三分之二，反因飞行爆发式增长飙升整整五倍，原本能用几百年的矿藏面临枯竭。

概念内核

学术定义：杰文斯悖论（Jevons Paradox，也称杰文斯效应）由英国经济学家威廉·斯坦利·杰文斯（William Stanley Jevons）于 1865 年首次提出——他观察到瓦特改良蒸汽机极大提高煤炭利用效率后，英国煤炭消耗总量不仅没减，反因蒸汽机普及和工业规模急剧扩大而疯狂飙升。其经济学逻辑清晰三步：①效率提升降低单位成本——技术进步提高资源利用效率，使用该资源的“实际成本”大幅下降；②弹性需求被彻底激活——成本下降使该资源提供的服务（出行、计算、发电）价格降低，激发社会对该服务的爆发式需求；③消费总量的净增长——需求增长速度远超效率提升带来的节省速度，最终资源总消耗量反比改良前更多。母文档特别指出其在 AI 领域的现代映射：曾有人预测更高能效的 GPU 会降低 AI 能耗，但正因每 token 成本指数级下降、AI 变得极廉价高效，科技巨头转而构建万亿参数超大模型、部署不间断运行的自主 agent、大规模视频生成与科学计算——计算效率的提高反而激发人类对算力电力近乎无底线的需求，全球数据中心能耗爆发式增长。

隐喻对照：以太晶石=稀缺的核心资源（煤炭、石油、电力、计算机算力）；塞拉斯的高效引擎=技术创新与效率提升（瓦特蒸汽机、高能效 GPU、节能家电）；长老院的乐观预测=线性思维谬误（误以为用户需求与使用场景固定不变、只会按比例节省）；挤满天空的飞艇与狂飙的矿耗=需求弹性的释放（成本极低催生无数原本不存在的新消费场景，最终资源消耗失控）。

费曼归纳（“便宜的零食”）：你爱吃巧克力但很贵、100 块一小盒，零花钱每月只够买一盒所以吃得很省。工厂技术升级后成本大跌、现在 10 块就能买一盒。按常理你以为每月只花 10 块就满足、能省下 90 块；但因为太便宜你忍不住每天都想吃，结果不仅没省下 90 块反而花光所有零花钱买了整整 15 盒。杰文斯悖论就是：当一件东西的使用成本变得极便宜极高效时，我们不会用得更少，反而因太好用太便宜而用得疯狂变多，最终花得比以前还多。

跨主题应用

• 区块链扩容与 AI 算力的共同陷阱（本库对照）：母文档已给出 AI 算力的映射——“每 token 成本骤降反而引爆总能耗”；同构地，区块链若通过 L2 / 更高 TPS 大幅降低单笔交易成本，未必减少而可能激增链上活动总量与总资源占用。这与 不可能三角“可扩展性”一维相通：提升吞吐（效率）会释放被抑制的需求，而非简单腾出余量。
• 效率承诺的普遍证伪器（本库推断）：凡是“这项技术能帮我们节省 X 资源”的线性预测，都应先用杰文斯悖论反问一句“降本会不会反而放大需求”——它是判断“效率红利”能否真正落地为“总量下降”的第一道过滤网。
• 与风险补偿的同构（安全维度的孪生）：风险补偿讲一根“断不了的绳”让持绳人越走越险——外部给的安全被行为一分不剩地花回去，净风险不减。它与杰文斯悖论共享同一台引擎：一项局部改进，被使用者的行为反应在总量上抵消甚至反超。区别在于抵消发生的维度——杰文斯在“需求弹性”上（省下的成本换成更多使用），风险补偿在“风险胃口”上（省下的危险换成更大的胆量）。两者合起来给出同一条告诫：评估任何改进，都要把人的行为反应算进去，而不是假设行为不变、收益直接落袋。