# 杰文斯悖论：AI 效率提高了 33 倍，为什么耗电量还会翻倍？

> Google 的 Gemini 每条提示词的能耗比一年前低了 33 倍，但到 2030 年，数据中心的用电量预计将增长一倍以上。一本 1865 年讲煤炭的书解释了这个规律。一支 53 秒的科普视频，两边的数字都摆出来。

- URL: https://oliverz.dev/zh/videos/jevons-paradox
- Author: Oliver Zhang (https://oliverz.dev)
- Language: zh-Hans
- Published: 2026-10-31
- Tags: ai, energy, economics, explainer
- Video: https://www.youtube.com/shorts/7BQIKw5YqC0

> **一句话总结：** 就每条提示词而言，AI 确实变得高效多了：Google 说，Gemini 文本提示词的中位数能耗在 12 个月里降低了 33 倍。可到 2030 年，数据中心的用电量预计将增长一倍以上，国际能源署（IEA）认为 AI 是主要推动力。这个规律有名字，还有一个 160 年前的例证。19 世纪 60 年代，苏格兰的炼铁炉把每吨铁的耗煤量降到了原来的三分之一以下，苏格兰烧掉的煤却变成了原来的十倍。W. S. Jevons（杰文斯）在 1865 年把这件事写了下来，如今它被称为杰文斯悖论。"更高效"回答不了能源问题，用量才能回答。

## 每条提示词的能耗低了 33 倍

2025 年 8 月，Google 公布了它的 Gemini 助手回答问题要消耗多少能源。最醒目的一句是："over a recent 12 month period, the energy and total carbon footprint of the median Gemini Apps text prompt dropped by 33x and 44x, respectively, all while delivering higher quality responses"（在最近 12 个月里，Gemini 应用文本提示词的中位数能耗和总碳足迹分别降低了 33 倍和 44 倍，同时回答质量更高）。

按绝对值算，Google 估计"the median Gemini Apps text prompt uses 0.24 watt-hours (Wh) of energy"（Gemini 应用文本提示词的中位数能耗为 0.24 瓦时（Wh））。它自己的类比是："The per-prompt energy impact is equivalent to watching TV for less than nine seconds."（每条提示词的能耗，相当于看不到九秒钟的电视。）

这个数字说的是一家公司的一个模型 Gemini，以及它的中位数文本提示词，并不代表整个"AI"。

## 可总量预计要翻倍

再看另一个数字。国际能源署（IEA）说："Data centres accounted for around 1.5% of the world's electricity consumption in 2024, or 415 terawatt-hours (TWh)."（2024 年，数据中心约占全球用电量的 1.5%，即 415 太瓦时（TWh）。）

而且它预计这个数字还会增长："Data centre electricity consumption is set to more than double to around 945 TWh by 2030. This is slightly more than Japan's total electricity consumption today. AI is the most important driver of this growth, alongside growing demand for other digital services."（到 2030 年，数据中心用电量预计将增长一倍以上，达到约 945 TWh，略高于日本目前的总用电量。AI 是这一增长最重要的推动力，其他数字服务的需求增长也在推动。）

所以：每次使用少了很多，总量却多了很多。只要记得总量等于每条提示词的能耗 × 提示词的数量，这就不矛盾了，而爆炸式增长的是第二个数。

## 以前发生过，在煤炭上

1865 年，W. S. Jevons 出版了 *The Coal Question*（《煤炭问题》）。他在书里提出了一个听上去正好相反的论断："It is wholly a confusion of ideas to suppose that the economical use of fuel is equivalent to a diminished consumption. The very contrary is the truth."（认为节约使用燃料就等于减少消耗，完全是概念混淆。事实恰恰相反。）

他的证据是苏格兰的炼铁业。那里的炼铁炉变得高效多了，然而："the reduction of the consumption of coal, per ton of iron, to less than one-third of its former amount, has been followed, in Scotland, by a ten-fold total consumption"（每吨铁的耗煤量降到原来的三分之一以下之后，苏格兰的煤炭总消耗量随之增长到了十倍）。

每吨的煤不到原来的三分之一，煤的总量却是原来的十倍。用他的话说，"the greater number of furnaces will more than make up for the diminished consumption of each"（炼铁炉数量的增加，会远远抵消每座炉子消耗的减少）。

他的解释是，正是节约本身推高了用量："It is the very economy of its use which leads to its extensive consumption. It has been so in the past, and it will be so in the future."（正是使用上的节约，导致了它的大量消耗。过去如此，将来也会如此。）

## 杰文斯悖论

这个观点如今以他的名字命名。耶鲁大学的能源史项目写道："His insight, often called Jevons' Paradox, is today used to explain why increased energy efficiency does not necessarily reduce present-day demand for electricity or gasoline."（他的这一洞见常被称为杰文斯悖论，如今被用来解释为什么能源效率提高，不一定会减少当今对电力或汽油的需求。）

放到 AI 上：提示词更便宜，就意味着更多的提示词。而用量已经很大了。TechCrunch 在 2025 年 7 月报道："ChatGPT receives 2.5 billion prompts from global users every day, OpenAI told Axios"（OpenAI 告诉 Axios，ChatGPT 每天收到全球用户的 25 亿条提示词）。这还只是一款产品。

微软 CEO 就用它来说 AI。据《财富》引述，2025 年 1 月，Satya Nadella（萨提亚·纳德拉）写道："Jevons paradox strikes again! As AI gets more efficient and accessible, we will see its use skyrocket, turning it into a commodity we just can't get enough of."（杰文斯悖论又来了！随着 AI 越来越高效、越来越容易获得，它的使用量会飙升，变成一种我们怎么都用不够的大宗商品。）

研究者也注意到了。Luccioni、Strubell 和 Crawford 在 2025 年的一篇论文中"examines how the problem of Jevons' Paradox applies to AI, whereby efficiency gains may paradoxically spur increased consumption"（探讨杰文斯悖论这一问题如何适用于 AI：效率的提升可能反而刺激消耗增加）。

需要谨慎说明：以上没有任何一条说 Gemini 的 33 倍*导致*了用电量翻倍。杰文斯悖论是这些来源用来解释"效率提高与总量上升为何同时出现"的机制，不是对这件事本身的测量。

## 对比一下规模

数据中心并不是全球用电的全部。还是 IEA："Data centres account for around one-tenth of global electricity demand growth to 2030, less than the share from industrial motors, air conditioning in homes and offices, or electric vehicles."（到 2030 年，数据中心约占全球电力需求增长的十分之一，低于工业电机、住宅和办公空调或电动汽车各自所占的份额。）

## 总结

1. 就每条提示词而言，AI 确实变得高效多了（Gemini：一年降低了 33 倍）。
2. 总用量仍在攀升，因为用起来更便宜，就会用得多得多。杰文斯在 1865 年就从煤炭上看到了这一点。
3. 所以"更高效"回答不了能源问题，用量才能回答。（而且数据中心仍只占全球需求增长的十分之一左右。）

## 来源

- Google Cloud（Amin Vahdat、Jeff Dean），[Measuring the environmental impact of AI inference](https://cloud.google.com/blog/products/infrastructure/measuring-the-environmental-impact-of-ai-inference)，2025 年 8 月 21 日
- IEA，[Energy and AI，执行摘要](https://www.iea.org/reports/energy-and-ai/executive-summary)，2025 年 4 月
- W. S. Jevons，[The Coal Question](https://archive.org/stream/bub_gb_nVtJUsGgLcoC/bub_gb_nVtJUsGgLcoC_djvu.txt)，第 2 版，Macmillan，1866，第七章 "Of the Economy of Fuel"，第 123–125 页和第 134–135 页
- 耶鲁大学 Energy History，[W. Stanley Jevons, The Coal Question (1865)](https://energyhistory.yale.edu/w-stanley-jevons-the-coal-question-1865/)
- TechCrunch，[ChatGPT users send 2.5 billion prompts a day](https://techcrunch.com/2025/07/21/chatgpt-users-send-2-5-billion-prompts-a-day/)，2025 年 7 月 21 日
- Fortune，[Microsoft CEO Satya Nadella on DeepSeek and the Jevons paradox](https://fortune.com/2025/01/27/microsoft-ceo-satya-nadella-deepseek-optimism-jevons-paradox/)，2025 年 1 月 27 日
- Luccioni、Strubell、Crawford，[From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI's Polarized Environmental Debate](https://arxiv.org/abs/2501.16548)，arXiv，2025 年 1 月

视频用代码制作动画，脚本在 AI 辅助下撰写；上面每个数字都对照来源核实过。示意部分：双线图（曲线只表示走势，不是数据；有来源的数字标在柱子和计数器上）、炼铁炉和煤块，以及提示词气泡组成的网格。视频为英文。视频用 [Shotloop](https://oliverz.dev/zh/products/shotloop) 制作：我做的免费 Mac 应用，用代码做科普短视频，一个镜头一个镜头地改。