傑文斯悖論的遞歸：AI提效→需求爆發→崗位增加，但這個兜底每一輪都在變薄

萬維鋼老師講過傑文斯悖論(Jevons Paradox)，核心邏輯很漂亮：AI提高效率→服務變便宜→需求爆發→崗位反而增加。他用三個經典案例來論證——蒸汽機效率提升，煤耗不降反增；ATM普及，銀行櫃員總數不減反增；AI輔助診斷，放射科掃描量激增，醫生反而更缺了。邏輯鏈條一環扣一環，聽完你會覺得：哦，原來不用擔心，傑文斯悖論會替我兜底。

這個「放心」不是沒有道理。納德拉拿傑文斯悖論說DeepSeek利好，吳恩達拿它反駁就業末日論，a16z直接說「AI就業末日是幻想」。基本上，所有拿傑文斯悖論談AI的人，都指向同一個結論：別慌，效率提升從來不會消滅崗位，只會創造更多需求。

但這話得看妳怎麼說。

傑文斯悖論成立，不等於永遠成立。它有一個從「你的朋友」變成「你的對手」的翻轉點——只不過大多數人還沒走到那一步，所以覺得悖論會一直替自己兜底。問題是，你憑什麼覺得這個兜底沒有洞？

要回答這個問題，咱們得先把傑文斯悖論的運行機制拆開看——它到底是怎么替你兜底的，以及，這個兜底在什麼條件下會漏。

ATM的案例是萬老師的招牌論據：自動取款機普及，櫃員總數不降反增——因為開戶變方便了，銀行網點變多了，櫃員從「數錢的」變成了「賣理財的」。聽起來很舒服：技術把你從低價值勞動裡解放出來，推到更高價值的位置上。

但這個推理有一個隱含假設：人被推上去的那個「更高維度」，AI追不上。

萬老師的故事停在「櫃員變理財諮詢」這一步。那我問你——如果AI也能做理財諮詢呢？事實上，智能投顧(robo-advisor)已經在做了。Betterment、Wealthfront這些平台，用算法給你做資產配置，費用遠低於人工顧問。那櫃員——不，現在應該叫理財顧問——又被逼到更高一層：情感陪伴？深度信任？家族傳承規劃？

好，就算你挪到了這一層。然後呢？AI的情感識別能力正在突飛猛進，大語言模型的對話能力已經讓很多人覺得「比真人更耐心、更懂我」。你又得再往上挪。

這就是傑文斯悖論的遞歸結構：悖論每生效一次，人就被逼到更高維度；但AI也在往上追，而且——這是關鍵——AI追的速度，比人挪的速度快。

你注意看這個鏈條的每一環：從數錢到理財諮詢，人挪了一步；從理財諮詢到情感陪伴，又挪了一步。但AI追上來需要的「步數」在縮短。第一次追，AI花了十幾年才從ATM進化到智能投顧；第二次追，可能只需要幾年。每遞歸一輪，人能挪的空間在收窄，AI追上來的時間在縮短。

這不是臆想。你五年前覺得AI不可能碰的那個客戶提案、那份數據分析、那次跨部門協調——現在是不是已經有工具在做了？

所以真正的問題不是「傑文斯悖論成不成立」，而是：這個遞歸，收斂還是發散？如果收斂，人最終會找到一個AI追不上的維度，悖論永遠站在你這邊；如果發散，每一輪兜底都比上一輪薄，直到有一天，你發現兜底的那個「底」，已經不在你腳下了。

但等等——就算遞歸還在收斂，悖論還在替你兜底，你確定兜住的是「你」嗎？

你在推AI工具落地的時候，大概率有這種體感——系統上線了，效率提升了，但你的工作量並沒有減少，反而多了很多「對接」「協調」「處理異常」的活兒。膨脹的不是效率，是消化成本。傑文斯悖論說的是「需求增加」，可需求增加不等於人的價值增加。有一種需求膨脹，跟你的不可替代性毫無關係——它膨脹的是系統複雜度，不是人的位置。

這種膨脹是分層的，一層比一層深。

第一層是信息層。你看看學術圈——AI讓論文更容易寫了，按傑文斯悖論的邏輯，論文產量增加→審稿需求增加→審稿人崗位增加，皆大歡喜。但現實呢？arXiv上的預印本數量近年來暴漲，質量參差不齊，審稿人被淹沒在低質量投稿裡，審稿週期越來越長，期刊不得不引入AI來幫篩稿。需求確實增加了——但增加的是「消化低質量產出」的需求，不是「需要你的專業判斷」的需求。產出變多了，質量卻下降了，你更忙了，但不是因為你的判斷更被需要，而是因為垃圾太多了需要人篩。

第二層是操作層。代碼領域更直白——AI讓寫代碼變容易了，初級程序員的生產力確實提升了。但維護成本呢？有行業調研顯示，採用AI輔助編程的團隊，代碼產出量顯著增加，但bug修復和代碼審查的工作量幾乎同步增長。需求增加了，但增加的是「收拾爛攤子」的需求。你寫得多，你也修得多，淨收益並沒有傑文斯悖論承諾的那麼漂亮。信息層的膨脹還只是讓你多看垃圾，操作層的膨脹是讓你多幹髯活。

第三層是價值層。內容行業最扎心——AI讓每個人都能生產內容，結果信息過載加劇，注意力成了最稀缺的資源。內容總量暴增，但單篇內容的平均觸達率在下降——你寫了一篇文章，以前有一千人看，現在可能只有三百人看，一個重要原因就是讀者被AI生成的海量內容分流了。需求增加了嗎？增加了。你受益了嗎？未必。信息層的垃圾你還能篩，操作層的髯活你還能幹，但價值層的稀釋——你創造的東西本身在貶值——這個你沒法靠加班解決。

三層遞進：產出變多但質量下降→產出變多但維護成本同步增長→產出變多但單篇價值被稀釋。傑文斯悖論確實生效了——效率提升→需求膨脹→崗位增加，邏輯沒斷。但膨脹出來的需求，不是「需要你作為人的獨特性」的需求，而是「需要有人來消化系統自身膨脹帶來的副作用」的需求。翻譯成人話就是：你不是變得更重要了，你是變成了系統的消化器官。

這才是傑文斯悖論的暗面：它確實在替你兜底，但兜住的可能不是你想要的那種「底」。

其實萬老師自己也不是不知道這個「底」有問題。

他在問答裡被讀者追問——如果AI診斷準確率越來越高呢——他承認了：如果AI已經全能全知，如同神降臨人間，那當然不只是放射科醫生，所有人都不用工作了。然後他退了一步，說現實AI不是神，尤其不是全知的，它需要人把本地信息餵給它。

但萬老師自己緊接著又說：當然，這一切很可能只是暫時的。也許將來AI就是能自己接觸患者，自己採集本地信息……如果真到了那一天，我們只能承認，放射科醫生的大部分任務被取代了。

然後他又退了一步——即便到了那一天，傑文斯悖論也仍然有效，因為影像診斷便宜到接近零，需求會爆炸，會催生新崗位：AI模型審計、醫療責任保險、數據治理、過度檢查控制……

你發現沒有？萬老師退了兩步，每一步都還在堅持悖論成立。但他退守到的那些新崗位——審計、治理、控制——恰恰都是「消化系統複雜度」的崗位。這不就是上一段說的事嗎？悖論確實還在生效，但兜住的不是「你被推到更高維度」，而是「你變成了系統的消化器官」。萬老師用自己的退守，無意中驗證了遞歸正在發生。

那遞歸的數學條件是什麼？萬老師退了兩步，每一步都在承認「AI能力在逼近人的位置」——但逼近到什麼程度，悖論才會徹底翻臉？

2025年，路易斯安那州立大學的Narayanan和Pace發表了一篇論文，算出了這個翻轉點的數學條件。他們用了一個叫「替代彈性(elasticity of substitution)」的參數，記作σ。σ < 1的時候，AI和人是互補關係——AI越便宜，你用AI越多，但也需要更多人配合AI，悖論站在你這邊。σ > 1的時候，AI和人變成了替代關係——AI越便宜，雇主越傾向於直接用AI換掉你，悖論翻臉了。

關鍵不在於這個數字本身，而在於：σ不是常數。隨著AI能力提升，σ在變大。當AI跨過「比人更好」的門檻，σ就會突破1，悖論就從站在你這邊變成了站在你的對面。這不是預測，是數學推導。

而且這個「逐漸翻轉」不是未來的事——它已經在發生了。MIT的Acemoglu和Restrepo在2019年的一篇經典論文裡提出了一個框架：自動化產生「替代效應」（把人從任務裡擠出去），新技術創造「復職效應」（把人拉進新任務）。傑文斯悖論之所以成立，是因為復職效應足夠強，能抵消替代效應。但他們及後續研究分析了過去幾十年的數據，發現了一個令人不安的趨勢：替代效應在加速，復職效應在減弱。這不是理論推演，是已經發生的事實。每一輪技術革命，悖論都還在生效——但生效的力度在變弱，像一條正在被拉薄的橡皮筋。布魯金斯學會甚至給出了一個量化溫度計：當約37%的認知任務被自動化時，工資增長開始逆轉。目前這個數字大約是14%。你可以說我們還有空間，但你也可以說——時鐘在走。

所以，傑文斯悖論到底還能不能替你兜底？

我的回答是：看你在哪一輪。

如果是人在消化，悖論還在為你工作。ATM讓櫃員變成理財顧問，那些新增的理財需求，是人用自己的判斷力和信任關係在消化——悖論把你推到了更高的位置，你確實更有價值了。

如果是系統在消化，悖論就不再是你的朋友了。AI讓論文產量暴漲，那些新增的審稿需求，大部分是被自動化工具和流程在消化——你只是更忙了，不是更重要了。悖論確實生效了，但生效的對象從「你」變成了「系統」。

這個判斷框架不給你終局答案——因為遞歸還在進行中，沒人知道它最終收斂還是發散。但它給你一個比「傑文斯悖論成立所以別慌」更精確的心法：不要只看「崗位增不增加」，要看「增加的崗位需要的是人的獨特性，還是系統的消化力」。

你可能會問：那終局呢？如果遞歸一直發散下去——系統消化越來越多，人消化越來越少——會怎樣？科幻片給過一種想像：人與AI和平共處，但人口大幅減少。這看起來像是悲觀的幻想，但它其實就是「系統完全在消化」的極端情況——當系統複雜度膨脹到人無法消化的程度，「和平共處」的代價就是人從系統的主體變成系統的裝飾品。還有一種更微妙的可能：不是人選擇怎麼用AI，而是AI在替系統選擇誰還有位置。你想想現在的招聘流程——簡歷先過AI篩選，面試有AI輔助評估，連試用期考核都有AI打分。AI已經在替系統做選擇了，只不過我們還沒意識到這個選擇的主體正在悄悄轉移。

但我說這些，不是要嚇你。終局是終局，我們還在遞歸的中間。

關鍵不是預測終點，而是在每一輪遞歸中，保持清醒的判斷：這一輪，是你在用AI，還是AI在用你？這一輪膨脹的需求，是在餵飽你，還是在餵飽系統？