一句话定义：杰文斯悖论（Jevons paradox）指的是，某项技术的单位效率提升、单位成本下降之后，整体消耗量不但没减少，反而上升。
它怎么来的
19 世纪的英国经济学家威廉·斯坦利·杰文斯（William Stanley Jevons）观察到一个反直觉的现象：蒸汽机效率不断提高，每单位煤炭能产出更多动力，但英国的煤炭总消耗量并没有随之下降，反而随着用途扩张一路走高。他的解释不复杂——效率让"用一次"变便宜了，于是用得起的人变多，能干的活儿也变多。
打个生活化的比方。假设某座城市打车很贵，只有少数人偶尔坐。当每公里成本大幅降下来之后，会发生三件事：原来的乘客坐得更频繁；原本坐公交的人开始打车；还冒出了"深夜下楼买瓶酱油也打车"这种以前根本不存在的需求。结果是路上车更多、更堵。单辆车每公里油耗是降了，全城总油耗反而涨了。
关键条件：需求的价格弹性
杰文斯悖论不是铁律，它只在需求对价格足够敏感时才成立。如果一个用途是刚性的、天花板很低的（比如基本照明），效率提升确实会省下能源；只有当"更便宜"能持续解锁新场景、新用户时，总消耗才会反向上涨。
| 情形 | 单位效率 | 总消耗 |
|---|---|---|
| 需求刚性、场景封顶 | 提升 | 下降 |
| 有回弹效应（rebound effect） | 提升 | 下降，但远低于预期 |
| 杰文斯悖论 | 提升 | 不降反升 |
相邻概念里，"回弹效应"说的是省了一部分但没省那么多；"杰文斯悖论"是它走到极端——直接反向。交通与基建领域常用的"诱导需求"（induced demand）是同一逻辑的另一个名字。
放到 AI 里看
这个悖论几乎是为今天写的。推理成本下降、单位算力更划算之后，典型反应不是"预算省下来了"，而是：原来一年跑几次的实验，现在每天跑；原来只有少数团队用得起的模型能力，被塞进了客服、检索、翻译、周报、代码补全的每一个环节。单位成本降了，总量却可能爆炸式增长。整个行业的算力与电力规划，本质上都在跟这条曲线赛跑。
对从业者和普通人的意义
第一，别把成本优化的收益默认当成"省钱"，它更可能变成"更多的事"——做预算和容量规划时要按需求增长建模，而不是按效率提升线性外推。第二，成本下降本身就是产品机会：它解锁的是以前算不过账的场景。第三，对个人来说，工具变快通常不会让人清闲，而是把任务标准同步抬高——这是同一套机制在职场里的投影。
判断它成不成立，只需要问一句：便宜下来的那部分，会不会催生新的用法？会，就是杰文斯；不会，才是真省。具体到某个模型或平台的计价与用量口径，以官方页面为准。