经济学把这种现象称为杰文斯悖论（Jevons Paradox）。19世纪，英国蒸汽机的燃煤效率大幅提升，人们原本以为煤炭消耗会下降，结果却恰恰相反——煤炭需求一路攀升。原因在于，当使用成本不断降低，越来越多原本负担不起煤炭的行业开始采用蒸汽动力，新增需求最终远远超过了节省下来的部分。

美股投资网获悉，大模型的发展正在重演这一规律。随着 Token 成本持续下降，用户并不会满足于用更少的算力完成同样的任务，而是会不断创造新的应用场景：百万级上下文、深度推理、多智能体协作、24 小时常驻 Agent、实时视频理解……这些过去因为成本过高而无法普及的能力，将迅速成为新的标准配置。

因此，Token 越便宜，不意味着算力需求越少，而意味着更多、更复杂的新需求被释放出来，最终把节省下来的 GPU 算力和显存再次填满。这正是 AI 时代版的“杰文斯悖论”。

如果放在 AI 投资或英伟达（NVIDIA）、AMD 等算力产业链的分析中，这段话还可以进一步升华一句：

AI 的长期逻辑并不是“每次推理成本下降，所以 GPU 不需要了”，而是“每次推理成本下降，都会催生规模更大的新应用，从而推动总算力需求继续增长”。这也是为什么大模型价格持续下降，而全球数据中心资本开支却仍在不断创新高。