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

Jevons Paradox

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。