AI 會讓服務業大失業嗎？傑文斯悖論預言:需求將會大幅暴增!

上一篇文章《AI 終結鮑莫爾效應？服務業價格將大幅下降，隨之推動經濟成長》中，我們談到 AI 正在打破鮑莫爾效應(Baumol's Cost Disease)，服務業的生產力將會明顯提升，並普遍降低服務業價格。

但服務業生產力提升後，會因此帶來失業潮嗎?

直覺告訴我們:會，因為生產力提升，可以用更少人做更多事。
歷史告訴我們:不會，市場需求會因此大幅增加。

這就是傑文斯悖論(Jevons Paradox)，一個 160 年前工業革命時代的經濟學定律，正在人工智慧時代重演。

當某項服務的生產效率提升、成本下降到某個臨界點，總需求不會減少，反而會暴增。這個現象在照明、運算、通訊等產業一再重演，現在輪到服務業了。

傑文斯悖論:一個 160 年前的發現

蒸汽機效率提升，煤炭消費量反而暴增

1865 年，英國經濟學家 William Stanley Jevons 在其著作《The Coal Question》中發現一個違反直覺的現象:

瓦特改良蒸汽機問世後
→ 煤炭使用效率大幅提升
→ 理論上煤炭總消費量應該減少
→ 但煤炭總消費量反而大幅增加

這違反直覺。照理說，效率提升應該讓我們「用更少煤炭做更多事」，總消費量應該下降才對。

但 Jevons 發現邏輯是這樣的:

1. 煤炭燃燒效率提升 → 使用成本下降
2. 成本下降到臨界點 → 原本用不起的人開始用(市場擴大)
3. 新應用場景出現 → 工廠、火車、家庭暖氣、路燈
4. 總需求遠超效率提升帶來的節省 → 煤炭總消費量暴增

這就是傑文斯悖論(Jevons Paradox):
當某個東西變便宜，我們不會少用，而是會用更多。
當然，前提是這個東西是有用的。

160 年後，這個定律正在 AI 時代重演。

傑文斯悖論的核心邏輯

傑文斯悖論的數學邏輯可以這樣理解:

總消費 = 單位成本 × 使用量

當效率提升時:

• 單位成本下降(例如降至原本的 10%)
• 使用量暴增(例如增加至原本的 1000%)
• 總消費 = 10% × 1000% = 10 倍

關鍵在於:使用量的增加幅度，遠遠超過成本下降的幅度，所以總消費量反而上升

這不是特例，而是規律。

歷史一再重演:三個經典案例

傑文斯悖論不是特例，而是規律。讓我們看三個跨越 200 年的案例:

案例 1:照明革命(1800-1900)

1800 年，照明是一項奢侈品。一個普通工人必須工作整整 60 小時，才能換得 10 小時的燭光照明。因此大多數家庭每天只使用 2-3 小時照明，天黑就睡覺。照明費用約佔家庭收入的 4%。

蠟燭時代(1800年):

• 成本:工作 60 小時 = 10 小時燭光
• 使用:每天 2-3 小時
• 家庭支出:佔收入 4%

電燈時代(1900年):

• 成本:工作 60 小時 = 10 天電燈(100倍亮度)
• 使用:每天 12 小時
• 家庭支出:佔收入不到 1%

照明效率提升 100 倍，成本降至原本的 1%。但人類不是「少用照明」，而是「用更多照明」。路燈讓城市夜間明亮、商店 24 小時營業、電影院和劇場出現、工廠開始三班制運轉。

這些在蠟燭時代根本不可能，因為成本太高。但電燈讓照明成本降至臨界點以下，全新的應用場景爆發性出現。照明總使用量暴增，產業規模擴大數千倍。

案例 2:運算革命(1970-2025)

1970 年代，運算是大企業和軍事機構的專屬工具。一台 IBM 主機要價 460 萬美元，只有少數組織負擔得起。這些機器被用於科學計算、薪資處理等關鍵任務。

大型主機時代(1970年代):

• 成本:一台 IBM 主機 $460 萬美元
• 使用者:軍事、大企業、研究機構
• 應用:科學計算、薪資處理

智慧型手機時代(2025年):

• 成本:一支手機 $500，運算能力超越 1970 年代超級電腦
• 使用者:全球 50 億人，24/7 隨身攜帶
• 應用:從文書處理到溫控器，從導航到運輸標籤

運算能力提升數百萬倍，但設備成本降至千分之一。結果不是「人類少用運算」，而是「運算無處不在」——每個家庭有電腦、每個人有手機、每個裝置都有晶片、雲端 24 小時不間斷運算。

1970 年代全球可能只有數千台電腦，2025 年全球有數百億個運算裝置。整個半導體產業規模暴增。

案例 3:通訊頻寬革命(2000-2025)

2000 年的撥接上網時代，網路是一項昂貴且緩慢的服務。使用者必須精打細算，必要時才上網，長話短說。每月可能只使用 100 分鐘左右。

56K 撥接時代(2000年):

• 成本:60 小時/$1,000
• 使用:必要時才上網
• 總消費:每月約 100 分鐘

5G 時代(2025年):

• 成本:吃到飽/$599
• 使用:隨時線上,視訊、直播、看影片
• 總消費:每月 200 小時以上

頻寬成本大幅下降，但人類不是「少用網路」，而是「隨時在線」。視訊會議讓遠距工作成為可能、Netflix 和 YouTube 改變娛樂方式、直播平台創造新產業、雲端遊戲隨時隨地玩 3A 大作。

2000 年沒有人會用撥接上網看 4K 影片，因為成本太高、速度太慢。但 5G 讓頻寬成本降至臨界點以下，全新的應用場景爆發性出現。

經濟規律很清楚

便宜化 = 普及化 = 市場爆炸性成長

不是「用更少」，而是「用更多」。
不是「市場萎縮」，而是「市場爆炸」。

到了人工智慧時代，這個狀況輪到服務業了。

AI 正在讓服務業經歷傑文斯悖論時刻

過去，服務業無法「量產」。
1 個律師只能處理有限案件，1 個醫生只能看有限病人。

但 AI 改變了這個限制。讓我們看三個可能發生的案例:

案例 1:法律服務

現在，法律服務是富人和大企業的專屬。一小時諮詢費高達 $1,500，只有重大訴訟、企業併購、遺產規劃這類高價值案件才請得起律師。

但 AI 正在改變這一切。5-10 年後，當 AI 可以快速審閱合約、比對法律條文、找出風險點，律師只需做最後判斷時，成本可能降至 $100/小時。

為什麼需求會暴增?

中小企業以前請不起法律顧問，現在請得起了。個人以前只有離婚、買房才找律師，現在租約糾紛、勞資問題都會諮詢。企業以前一年審 100 份合約，現在 AI 輔助下可審 10,000 份。甚至出現全新需求:AI 自動生成合約，人類律師監督確認。

就像電燈讓「夜間照明」從奢侈品變成日用品，AI 讓「法律諮詢」從富人專屬變成人人可用。

案例 2:教育服務

現在，個性化教育是奢侈品。一對一家教要價 $1,500/小時，只有經濟狀況較好的家庭負擔得起，主要用於學生補習和考試準備。

但 AI 讓個性化教育變得可負擔。當 AI 可以根據每個學生的學習進度、理解程度、弱點提供客製化內容時，成本可能降至 $100/小時。

為什麼需求會暴增?

學習不再侷限於學生時代，而是變成終身學習。每年都要學新技能，因為 AI 讓學習成本大降。興趣教育(畫畫、音樂、攝影)以前太貴，現在人人學得起。微技能培訓(Excel、簡報、寫作)以前要花大錢上課，現在 AI 導師隨時待命。甚至出現全新需求:個性化學習路徑、AI 導師搭配人類教練。

就像運算成本下降讓「個人電腦」從企業專屬變成家家都有，AI 讓「個性化教育」從富人專屬變成人人可用。

案例 3:醫療診斷

現在，醫療診斷是「生病才用」的服務。一次門診 $200，大多數人只有明顯症狀才看醫生，主要用於疾病診斷和開藥。

但 AI 讓持續健康監測變得可行。當 AI 可以分析醫學影像、初步診斷常見疾病、建議檢查項目，醫生專注在複雜案例和最終決策時，成本可能降至 $20/次。

為什麼需求會暴增?

醫療從「生病才看」變成「持續監測」——每週健檢、每月追蹤成為常態。預防醫學以前太貴,現在人人做得起。AI 可以分析微小異常，提早發現疾病。甚至出現全新需求:AI 初步診斷，人類醫生做最後確認。

就像頻寬成本下降讓「視訊通話」從奢侈品變成日用品，AI 讓「醫療診斷」從「生病才用」變成「持續使用」。

但利益不會平均分配

傑文斯悖論告訴我們:總市場會變大。
但這不代表所有人都受益。

讓我們看歷史教訓:

工業革命的啟示

輸家:手工織布工失業
贏家:紡織工廠工人、工廠主、機器維修工

工業革命讓紡織品產量暴增 100 倍，但手工織布工全部失業。利益流向了「掌握新技術的人」。

網路革命的啟示

輸家:報紙編輯、旅行社失業
贏家:軟體工程師、平台公司、內容創作者

網路革命讓資訊傳播成本降至接近零，但傳統媒體和中介機構大量倒閉。利益流向了「掌握新技術的人」。

規律很清楚

能掌握新技術的人，拿走大部分利益。

AI 時代也一樣。總市場會變大，但會出現極端分化。

放射科醫生的啟示:最後 1% 會變超值錢

Andrej Karpathy(前 Tesla AI 總監)在 Dwarkesh Patel 的訪談中提出一個有趣的觀察:

Waymo 自駕車的類比

他用 Waymo 自駕車類比:即使 AI 處理 99% 的駕駛工作，Waymo 剛推出時車上還是必須坐一個人監督。因為法規要求、因為責任歸屬、因為極端情況處理，那個「監督員」還是必要的。

放射科醫生也是這樣

AI 可以診斷 X 光片,準確率可能達 95%。但法律規定:必須由「人類醫生」簽名確認。結果是 AI 處理 99% 的診斷工作，醫生只需要「審核 + 簽名」。

最近 Google CEO Sundar Pichai 和 Nvidia CEO Jensen Huang 也都提到這個放射科醫生案例。

結果是什麼?

需求端出現傑文斯悖論:AI 讓診斷變便宜，診斷需求暴增。更多人做健檢、更頻繁追蹤，需要更多「人類簽名」。

供給端出現瓶頸效應:放射科醫生培訓需要多年，但年輕人很多去學 AI、寫程式了，願意當傳統醫生的人變少。供不應求。

結果:放射科醫生薪資暴漲。

這就是 Karpathy 說的:

「如果你是最後的瓶頸，而且不可替代，你的薪資會暴漲。」

但他也提出警告:

「薪資會持續上漲，直到 AI 達到 99%。但當 AI 達到 100%，薪資會斷崖式下跌。」

這是一個時間窗口。在 AI 還需要人類監督的這段時間，「最後 1%」會非常值錢。但這個窗口不會永遠存在。

我們正站在歷史的轉折點

160 年前，Jevons 發現煤炭效率提升反而讓消費量暴增。
100 年前，電力讓照明成本暴跌，但照明產業規模暴增 1000 倍。
50 年前，電晶體讓運算成本暴跌，但運算產業規模暴增 10 億倍。

現在，AI 正在讓服務業經歷同樣的革命。

而人類第一次經歷服務業大規模「量產」，就是這樣快速且全面的革命。

法律、醫療、教育——這些曾經昂貴的服務，正在變成「日用品」。

但這不代表服務業會消失。

歷史告訴我們:當某個東西變便宜，我們不會少用，而是用更多。

• 法律諮詢會從「富人專屬」變成「人人可用」
• 醫療診斷會從「生病才看」變成「持續監測」
• 教育會從「學生時代」變成「終身學習」

總市場會變大。總就業可能不減反增。

但利益不會平均分配。

就像 Karpathy 說的:

「如果你是最後的瓶頸，而且不可替代，你的薪資會暴漲。」

關鍵不是「AI 會不會取代你」，而是「你能不能成為那個不可替代的瓶頸」。

傑文斯悖論告訴我們:市場會變大，但利益會集中。

你準備好了嗎?

數據來源

學術論文:

• Jevons， W. S. (1865). The Coal Question: An Inquiry Concerning the Progress of the Nation， and the Probable Exhaustion of Our Coal-Mines. Macmillan and Co.

專家訪談:

• Dwarkesh Patel 訪談 Andrej Karpathy (前 Tesla AI 總監)

產業分析:

• Alex Danco (2025). "Why AC is cheap， but AC repair is a luxury"

相關研究:

• 照明成本歷史數據:Nordhaus， W. D. (1996). "Do Real-Output and Real-Wage Measures Capture Reality?"
• 運算成本歷史數據:Koomey， J. et al. (2011). "Implications of Historical Trends in the Electrical Efficiency of Computing"

延伸閱讀

系列文章:

• AI 終結鮑莫爾效應?服務業價格將降 90% - 本文的前篇，分析 AI 如何打破服務業無法規模化的限制