SEMICONDUCTOR / AI INVESTING14 SEP 2026
半导体与AI投资 28｜「杰文斯悖论」里那个没人算的数字
每当有人担心 AI 的价格战，总会有一个词被搬出来收场：杰文斯悖论。意思是成本降下去，用量会涨上来，总需求不但不会缩，反而会爆炸。这个说法在这两年被引用了无数次。
ELASTICITY 01 弹性·1.1 |
MIX SHIFT 02 份额·53→45 |
MISMATCH 03 错配·定价与用途 |
而这句话成不成立，完全取决于一个数——需求弹性。少了它，这四个字只是一句安慰。
SEMICONDUCTOR / 01
一、先把这句话变回算术
杰文斯悖论说的是价格降、用量涨。投资者关心的不是用量，是收入。
收入 = 价格 × 用量。价格往下走，用量往上走，收入朝哪边走，取决于哪一边走得更快——这就是弹性的定义。
—弹性 = 1：价格降多少，用量涨多少，收入原地不动
所以杰文斯悖论要成立，弹性必须显著大于 1。 这不是观点，是恒等式。
SEMICONDUCTOR / 02
二、而这两个数，是持这个观点的人自己给的
Palantir 首席技术官 Shyam Sankar 在 2026 年 5 月的财报电话会上，正是用杰文斯悖论来解释 AI 需求的。他给了一个很有冲击力的数字：
2023 年初每百万 token 要 20 美元的 GPT-4 级性能，三年后大约便宜了一千倍。
紧接着，他引用了 Demirer 等人的一项学术估计来量化量价关系：
短期需求弹性略大于 1（约 1.1）——价格降 10%，token 用量涨约 11%。至于长期弹性，没人知道。
把这两个数放回上一节的恒等式：
| 若弹性是 | 价格降 1000 倍后，收入变成 |
| 1.1 | 约 2 倍 |
| 1.3 | 约 8 倍 |
| 1.5 | 约 32 倍 |
| 2.0 | 约 1000 倍 |
| 3.0 | 约 100 万倍 |
弹性 1.1 时，价格降 10%，收入的变化是 −0.1%——基本原地踏步。
⇒ 三年降价一千倍，按这个弹性外推，收入只涨约一倍。
爆炸的是用量，不是收入。
这不是我的模型。是引用杰文斯悖论的那个人，自己给出的两个数。
SEMICONDUCTOR / 03
三、必须同时说清的三条限定
不这么写，上面那张表就会被滥用。
—短期弹性 ≠ 长期弹性。 这一点原话里就有——「长期怎么样？没人知道」。低价会打开全新的用途，而新用途需要时间成型。 长期弹性完全可能显著高于 1.1。—恒弹性外推到一千倍是粗算。 它只用来显示量级，不能当预测。真实的弹性会随价格区间变化。—所以这一节不证明「AI 生意不成立」。 它证明的是另一件事——
用「杰文斯悖论」四个字替代弹性数字，等于跳过了唯一要紧的那一步。
SEMICONDUCTOR / 04
四、需求侧刚好来了第二条证据
如果说上一节是算术，这一节是实测。
企业支出平台 Ramp 的 AI 指数（9 月发布、8 月数据）给出了几个方向一致的读数：
| 读数 |
| 前沿模型占 Token 的份额 | 8 月峰值 53% → 45% |
| 前 1% 企业人均月度 AI 支出中位数 | 7,976 → 7,205 美元（−9.7%） |
| 企业采用率的月度增长值 | 总体 0.76 → 0.42 个百分点 |
⚠️ 这组数据有两处必须先拆开，否则会读错：
—「增速下滑」不是「采用率下滑」。 0.42 个百分点仍然是正的，采用率还在涨。—「每百万 Token 均价大幅下跌」这个说法混了两件事：厂商降价，和用量从贵模型转向便宜模型。后者是结构变化，不是降价。而前沿份额从 53% 掉到 45%，说明后者确实在发生。
扣掉这两层水分，站得住的只有一条，但它很硬：
企业在主动限制前沿模型的使用，默认改用更便宜的标准模型。
这是使用者的选择，不是厂商的定价动作——所以它比任何价格数字都更可信。
SEMICONDUCTOR / 05
五、真实需求长什么样
同一批材料里还有一条，很容易被当成花边跳过去。
埃森哲（Accenture）的披露：企业消耗 Token 的主要来源之一，是非技术员工拿 AI 做「把 PDF 转成演示文稿」这类日常琐事。
把这条和上一节放在一起，得到的是本篇最要紧的一句：
前沿模型的溢价，是按高难度任务定价的。
而真实用量，集中在低难度任务上。
⇒ 这个错配不需要竞争对手做任何事，它自己会把溢价磨掉。
因为对一个只需要转格式的任务来说，更强的模型不产生更多价值，只产生更高的账单。企业发现这一点，只需要一个季度。
SEMICONDUCTOR / 06
六、于是问题换了
把三节合起来，会发现该问的问题变了：
| 旧问题 | 新问题 |
| 需求会不会来？ | 需求来了，钱进谁的口袋？ |
| 价格降了会不会有量？ | 量涨了，收入跟不跟得上？ |
| 谁的模型最强？ | 最强的那一档，有多少人真的需要？ |
AI 会改变很多事，这一点不必争论。
但「改变世界」和「替谁赚钱」，从来是两个问题。
而本系列一直在追的那条线——利润池在哪一层——现在多了两侧证据：供给侧（厂商自己把能力往便宜档搬）和需求侧（客户自己往便宜档跑）。两边指向同一个方向。
SEMICONDUCTOR / 07
七、这篇判断怎么算错
| 观察点 | 什么结果推翻它 |
| 长期弹性 | 若价格再降一个数量级之后，行业总收入（不是总 token）出现同步的台阶式上升 → 第二节的推论错，杰文斯那派对 |
| 前沿份额 | 若前沿模型 Token 份额重新站上 50% 以上并保持 → 第四节错 |
| 需求形状 | 若高难度任务的 Token 占比显著上升 → 第五节的「错配」不成立 |
| 数据本身 | 上述读数来自 Ramp 单一平台的样本，看不见大客户直签合同；若更全面的口径显示相反趋势，第四节整节作废 |
SEMICONDUCTOR / 08
八、收口
一个说法被引用得越频繁，越少有人回头验算它。
杰文斯悖论是个真命题，它在历史上反复成立过。但它成立与否，从来取决于一个具体的数，而不是取决于这四个字被说了多少遍。
这一次，那个数被说出来了——就在同一段话里，被同一个人说出来。只是没人往下算。