剛剛讀了 @Alex_Danco 的部落格，談論了傑文斯和鮑莫爾悖論，完美解釋了我們即將看到的奇怪經濟學與 AI 的關係。 以下是三個突出的見解： 1. 傑文斯悖論 - 當事物變得更便宜時，我們使用的數量會增加，而不是減少。 1965 年一個晶體管的價格是 1 美元，現在的價格是千分之一美分。這使得計算機從軍事房間大小的計算器變成了可丟棄的運輸標籤。 谷歌的 7 年歷史的 TPU 仍然以 100% 的利用率運行。 再次強調，思考更多而不是更少，導致即使成本暴跌，整體需求仍然上升。 2. 鮑莫爾的成本病 - 當生產性部門改善時，生產力較低的部門變得更昂貴。 為什麼一個中產階級家庭每兩年能負擔得起一輛新車的租約，但卻需要和鄰居分擔保姆？汽車行業變得極其高效，而兒童保育卻沒有。 工資在所有部門之間競爭。當一個部門變得極具生產力並提供高薪工作時，其他所有部門的工資必須上升以保持競爭力。 3. AI 將同時創造這兩種效應 - 而且是在單一工作中。這相當奇怪。 一些服務將進入 "傑文斯漩渦"，消費量增加 10 倍。法律服務、數據分析、內容創作。*軟體開發* 但 AI 無法觸及的服務（如遛狗者、私人教練）將變得極其昂貴，因為整體財富增加。 這裡特別奇怪的部分是：這也發生在工作內部。當 AI 自動化 99% 的任務時，最後那 1% 人類必須做的部分變得極其有價值且需求旺盛。 想想特斯拉的機器人計程車需要人類監控。那最後的 1% 成為了部署的瓶頸，並要求高薪。 "必須是人類的最後 1%" 成為了必不可少的可雇用技能組合。這些就是 AI 創造的新工作。 我們正朝著一個超級計算機便宜，但 1:1 的人類導師卻成為奢侈品的世界前進。...