国金证券2025年2月DeepSeek报告从杰文斯悖论视角分析了算力成本下降与需求增长的关系。DeepSeek推理成本相比OpenAI o1低一个数量级至两个数量级，但微软首席执行官引用“杰文斯悖论”指出：蒸汽机效率提升反而刺激煤炭消耗量增加了一个世纪。在数字经济中，算力如同“水电煤”，高效率不仅不会减少算力消耗，反而因成本降低刺激更大需求，最终导致算力总消耗量增加。
杰文斯悖论：技术进步降低使用成本，刺激需求扩张
杰文斯在其著作《煤炭问题》中指出：蒸汽机效率提升后，煤炭消耗量反而增加了。悖论核心在于：技术进步提高了资源使用效率，效率提高降低了使用成本，成本降低刺激了需求增长，这种增长有时甚至超过效率提升带来的节约，最终导致资源总消耗量增加。
历史上历次技术革命均验证了这一规律。1860年起英国煤炭消耗量上行约一个世纪，受益于蒸汽机在铁路、纺织、制造、采矿等各行业广泛应用（1882年后同时受益于煤电厂兴建）。1920年起美国原油消耗量持续高速爬升，内燃机效率提升并未减少石油消耗。技术革命的主体能源消耗伴随生产力工具普及呈现长期上行趋势。
第四次工业革命：算力成为新的主体能源
工业革命的本质是以新一代生产力工具大范围应用为核心、以主体能源为基础动力的全局性经济范式转型。第一次工业革命：蒸汽机+煤炭；第二次工业革命：内燃机+石油；第三次工业革命：计算机+电力；第四次工业革命：通用人工智能+算力。
AI与软件结合有望替换文书、设计与管理劳动工作，AI与硬件结合以机器人形态有望取代体力劳动。在数字经济中，算力重要性堪比“水电煤”。DeepSeek技术方向和开源定位，正是推动算力普及化革命的关键因素——高资源使用效率不仅不会减少算力消耗，反而因使用成本降低刺激更大算力需求，最终导致算力总消耗量增加。
推理成本降低后，商业化落地加速激活需求井喷
DeepSeek推理成本相比OpenAI o1低30-50倍。定价走低将带来更快的商业化落地，进而衍生出更多的微调和推理需求。每一次Agent调用、每一次AI对话、每一次端侧推理都需要算力支撑，应用场景的指数级扩展将带来算力需求的指数级增长。
从技术革命周期看，当前AI正处于从爆发期向狂热期过渡阶段。模型算力效率突破将加速AI普及和创新，带来算力需求的更大量级提升。定价的持续走低有望带来更快的商业化落地，进而衍生出更多的微调和推理需求，逐步激活全球AI应用及算力发展。算力需求不是“见顶”而是“刚刚开始”。
算力投资展望：短期扰动不改长期需求增长
DeepSeek的低成本路径引发市场对算力需求是否见顶的讨论。杰文斯悖论提供了历史参照——技术进步不会减少资源消耗，反而会通过降低门槛刺激更大需求。从短期看，推理成本的骤降可能影响高性能芯片供应商的短期定价，但中长期看，AI应用的爆发式增长将带来推理算力需求的指数级扩张。训练侧Scaling可能进入平台期，但推理侧的Scaling才刚刚开始。
表：四次工业革命主体能源与生产力工具对比| 工业革命 | 生产力工具 | 主体能源 | 关键驱动事件 |
|---|
| 第一次 | 蒸汽机 | 煤炭 | 瓦特改良蒸汽机（1776），蒸汽机车（1829） |
| 第二次 | 内燃机 | 石油 | 汽油机（1885），T型车流水线（1908） |
| 第三次 | 计算机 | 电力 | 个人电脑（1983），iPhone开启移动互联网（2007） |
| 第四次 | 通用人工智能 | 算力 | Transformer（2017），ChatGPT（2022），DeepSeek（2024-2025） |
