杰文斯悖论

杰文斯悖论 (Jevons Paradox)

是什么 / 为什么重要

当一项技术提高了资源使用效率（降低了成本），该资源的总消耗量反而爆炸性增长，而非减少。经典的「线性思维陷阱」：以为效率提升→用量减少，实则相反。

这是本 wiki 反复出现的跨主题反直觉逻辑，专门用来反驳各种「AI/新技术会让 XX 需求萎缩」的空头论点。

三处独立印证（跨作者 / 跨主题）

1. 数据基建（研35-SaaS大屠杀 / PLTR）：AI 让写 SQL 从 30 分钟压缩到 30 秒，看似是 Snowflake 收入灾难。但企业部署 1000 个不睡觉的 AI Agent，每分钟发起上万次微型查询 → 用量指数爆炸。数据库从「服务人类」转向「服务机器」。

2. 可观测性（DDOG）：作者称之为混乱守恒定律——AI 把「写程式」变简单，省下的复杂度没有蒸发，只是全部搬家到「系统维运」端。软件数量增 10 倍 → 需监控的对象增 10 倍。见 可观测性。

3. 内存（内存周期，Damnang）：SSD 当内存（NVIDIA CMX）不减 DRAM 需求——数据温度分层、KV cache 外移让每一层都被填满。呼应 #69 数据温度分层、#81 CXL。见 内存分层与SSD。

关键玩家（受益者）

效率提升→用量爆炸的直接受益者，通常采用按用量计费：

• DDOG（监控数据量）、PLTR（算力/查询）、Snowflake/MongoDB（数据存储与查询）
• Micron 等内存厂（SSD/DRAM 需求不因效率提升而减）

争议点 / 待观察

• 悖论成立的前提是总需求弹性足够大（AI 应用还在爆发早期）；若某天 AI 渗透饱和，效率提升才可能真正压缩用量。
• 对按人头计价的 SaaS 不适用——那些公司恰恰因 AI 提效而失去席位收入（见 按用量计费）。

出处

• 研35-SaaS大屠杀 · 研55-Datadog · 研34-Palantir
• 69-DRAM减半（内存侧同构逻辑）