DeepSeek 衝擊 AI 產業:傑文斯悖論如何重塑市場競爭?
2025 年 1 月底春節假期期間,中國大陸新創公司 DeepSeek 推出 AI 大型語言模型震撼市場。該模型使用低成本的方式訓練,但是能力與 OpenAI、Meta 等科技巨頭所訓練出的 AI 模型相比,絲毫不遜色。動搖市場對 AI 產業「高成本等於高效能」的既有認知,進而引發對於美國企業在 AI 領域優勢地位的質疑,美股巨頭股價崩跌。
微軟執行長納德拉(Satya Nadella)發文表示,這是傑文斯悖論(Jevons paradox)再現。亦即,隨著 AI 模型訓練更加高效,直覺上來說,對硬體設備的需求應該會降低(不需要用到高規格的運算資源即可訓練出模型);但因為 AI 技術也變得更容易取得,進而推升使用量,反而使總體的需求量快速增加。
傑文斯悖論
傑文斯悖論(Jevons Paradox)最早由英國經濟學家傑文斯(William Stanley Jevons)在1865年的著作《煤炭問題》(The Coal Question)中提出。他觀察到,隨著技術進步提高了煤炭的使用效率,英國的煤炭消耗量不減反增。傑文斯認為,當燃料的使用變得更加經濟時,其價格降低,從而促使需求上升,最終導致整體消耗增加,而非減少。他強調,這種繁榮是不可持續的,因為煤炭資源終將枯竭。
傑文斯悖論的影響是全面性的,並非僅限於單一層面,而是會產生連鎖反應。以能源效率為例,隨著製冷技術不斷提升,冰箱變得更高效、更便宜且容量更大時,家戶購買與儲存冷藏食品的能力大幅提升。這使消費者更願意購買冷藏食品,進一步促進了市場上冷藏商品的供應與銷售。然而,冷藏食品讓消費者誤以為食品可以保存更久,往往購買過多,導致過期或變質後只能被丟棄,造成大規模的食物浪費。
食物浪費不僅是經濟上的損失,也帶來了能源和環境成本。食品的生產、運輸和儲存都需要大量能源,例如灌溉農作物、冷藏運輸、加工處理,以及最終的冷凍儲存。當食品被浪費時,這些前期投入的能源也隨之付諸流水。
創新的漣漪效應
資源使用效率提高往往會增加資源的使用量,但這並不意味著提高能源效率毫無價值。相反地,更高的能源效率可以促進大量、更好的生產品質,進而提高社會生活水平。
福特汽車在 20 世紀初引入了現代化流水線生產技術,這一創舉徹底改變了汽車製造業的生產方式。透過標準化零件與高度分工的組裝流程,福特大幅提高了生產效率,使得單輛汽車的製造成本顯著下降。1950 年代,戰後經濟復甦與消費者購買力提升,讓普通美國工人也能負擔得起車輛,從而將汽車從富裕階層的奢侈品轉變為大眾市場的必需品,戴起蓬勃的汽車產業革命。
不僅如此,汽車的需求大增也衍生了許多連帶的需求。大型石油公司開始往離岸和極地前進,以滿足市場不斷增加的汽油消費需求,1970 年所創下的美國本土原油生產峰值,直到 2018 年才由頁岩油熱潮刷新紀錄。
更多的運輸需求,也逼使美國各級政府得加強道路基礎建設。美國總統艾森豪(Dwight David Eisenhower)所簽署的《聯邦補助高速公路法案》 (Federal Aid Highway Act of 1956),使美國政府花費了高達 250 億美元,興建長達 66,000 公里的州際公路,並初步完善了美國的國家高速公路網。
不只如此,蓬勃的美國汽車工業也強化了出口競爭力。從 1950 年代開始, 汽車相關出口就成為拉動美國出口的經濟火車頭;此趨勢雖然在 1950 年代未期一度沉寂(主因產能跟不上,優先供應本土需求),但在產能問題解決之後,1960年代再度加速;從 1964 年至 1968 年間,美國汽車出口指數暴增超過三倍,直到 1970 年代日本汽車產業興起才告終結。
AI 世代的未來
大型語言模型的發展大致會循著 2017 年 CNN 模型的發展模式走。在第一階段,科技大廠投入硬體設備的軍備競賽,購買大量的 GPU 在雲端訓練大型語言模型。當各家大模型的參數調教得差不多時,模型表現差異開始縮小。此時進入到第二階段, AI 的雲端推論(Model Inference)和邊緣端運算(Edge Computing)的需求逐漸提升,最終成為主流。此時擁有高算力的 GPU 不再是重點,能夠掌握到垂直市場的通路與應用,才是提升市占率的成功要素。
過去三年間,AI 模型的訓練成本以及連帶的基礎設施、電力需求,是公認的發展瓶頸。 DeepSeek 模型則是證明了透過訓練過程中的最佳化,以及模型蒸餾(Distillation)技術,把模型縮到很小,讓使用較弱的硬體設備也能做出和雲端模型不相上下的成果。它所代表的是大型語言模型即將走向技術發展的第二階段,而它所帶來的價格破壞,讓市場上出現了新的可能。
當模型推論門檻降低,也使得邊緣運算更普及。換言之,當特化過、可以運行在手機、車輛或是智慧工廠的小模型,具有大模型的表現能力時,各種 AI 應用將遍地開花。Apple 在 2024 年 WWDC 上展示的 Apple Intelligence 即為一例。
AI 成本下降,市場競爭的重心也會從技術優勢轉向產品和通路。企業的競爭力不再單純取決於模型效能,而是如何將 AI 服務快速產品化、商業化,並透過強大的通路觸及更多用戶。未來的競爭將聚焦於誰能在 AI 產品與市場滲透率上占據優勢,而非單純的技術領先。
最後,中美 AI 競爭仍是全球關注的焦點。美國對中國的晶片禁令雖然短期內壓制了中國在高端 AI 算力的發展,但也讓中國在限制之下,另闢蹊徑、危崖開花。隨著 DeepSeek 揭示科技競賽進到下個階段,美國政府面臨選擇:是持續加強防守,祭出更嚴格的晶片禁令,還是採取更積極的競爭策略,確保自身 AI 產業的領導地位,將決定未來全球 AI 的格局。