AI让我们更忙?考恩、索洛、杰文斯三个悖论
先说个我自己的直观感受: AI写文章越来越牛逼,三分钟就能吐出一篇像模像样的稿子。 但要写出一篇走心的、大家愿意读的文章,一点也没有变得更容易。 我很多大厂的前同事也天天在用AI,但很明显,老板的要求越来越高,很多产品经理都要求拿着能运行的demo去过评审会。 最终,AI并没有给我们省时间,反而让我们越来越忙。 今天卫
先说说我自己的感受。AI写稿越来越厉害,三分钟就能弄出一篇看着挺像样的文章。可要写出那种走心的、大家愿意读的东西,难度一点没降。
我不少大厂的前同事也天天在用AI,但老板的要求明显更苛刻了,很多产品经理都得拿着能跑起来的demo去评审会上过一遍。说到底,AI没帮我们省下时间,倒让人越来越忙。
今天就借这个话题,讲三个悖论——考恩悖论、索洛悖论和杰文斯悖论。要说的分别是:
效率工具本该省事,为什么反倒把人拖得越来越忙?
AI在生产力的产出上,为什么没达到预期那么高?
模型价格降了那么多倍,可我们花在AI上的钱,为什么一点没少?
咱们直接开聊:
一
先说考恩悖论,它只解释一件事:洗衣机为什么没把妈妈解放出来?
1983年,美国技术史学者Ruth Schwartz Cowan出了一本书,叫《More Work for Mother》,直译过来就是《妈妈的活儿更多了》。

Cowan自己就是当了妈妈的人,她有个很实在的疑问:到了70年代,洗衣机、吸尘器、电炉灶都配齐了,怎么自己反倒比母亲那一辈还忙?
社会学家Joann Vanek在1974年拿出过一组对比:美国全职主妇每周做家务的时间,1924年大约52小时,到1966年却变成了55小时左右。
家具都有了,总工时却不降反升。经济史学家Joel Mokyr把这个现象叫作考恩悖论(Cowan Paradox)。
那省下来的时间跑哪去了?
Cowan理出3条。第一条,标准变了:过去一周洗一次衣服很正常,有了洗衣机,天天换洗成了不少家庭的标配。
第二条,帮手没了。按Cowan的说法,1950年一个主妇干的活,1850年得三四个人一起搭手,佣人、女儿、丈夫帮的那部分,全落到她一个人头上。
第三条,新活儿冒出来了:开车去超市、接送孩子,这些在马车时代压根没有。
这三条放到AI时代,其实差不多又演了一遍。
过去交个手工原型就能过关,如今产品经理得做demo,有时还得配条视频;以前这块能招个实习生,现在这笔预算也改投给AI了。
二
背后有具体数据撑着。美国职业机构Upwork就AI对工作的影响访问了2500人,结果如下:
在那些用上AI的员工当中,77%反映活儿反而更多了;81%的高管也承认,过去一年给手下加了任务。

2026年2月,伯克利的Aruna Ranganathan和Xingqi Maggie Ye在《哈佛商业评论》上发了篇文章,题目是《AI没有减少工作,它让工作变得更密集》。
两人在一家约200人的科技公司待了八个月,看到的是产品经理动手写代码、研究员揽起工程活,不少人肩上新增的活,搁以前够再招一个新人来干。
知名开发者Simon Willison转发了这篇文,说这恰恰就是他的感受。

推文链接:https://x.com/simonw/status/2020901645597683870
三
还有一件事同样把AI用户拖得筋疲力尽——返工。
2025年9月,斯坦福社交媒体实验室造了个新词workslop,意思是「工作泔水」:由AI飞快生成、表面看着像那么回事、实际上推不动任何事情的那种产出。
他们问了1150名美国全职员工,其中40%在过去一个月里收到过这类东西,每处理一次平均花掉116分钟,折下来每人每月隐性损失186美元。

说到这儿我也有共鸣。这两年我收到的材料全都变长了,看上去也更专业,可我要从里面挑出关键信息,反倒更费劲。
有时候实在没辙,我还得去问Claude:这份文档最核心的到底想说什么。
工程师Siddhant Khare在2026年2月写了篇《AI疲劳是真的,只是没人说》,一路冲上Hacker News榜首。
文章挺长,每个用AI的人都值得慢慢读一遍(地址:https://siddhantkhare.com/writing/ai-fatigue-is-real)。
他的核心意思是:每个任务都变快了,于是你揽下更多任务,可你的脑子并不会跟着扩容。

推文链接: https://x.com/Siddhant_K_code/status/2020503345476391330
四
1930年,凯恩斯写过一篇短文,叫《我们后代的经济前景》。
他在文中算了笔账:资本只要每年涨2%,技术照常往前走,到2030年,人一天干三小时、一周干十五小时就足够了。
他甚至发愁,到那时候人闲得发慌,不知道干点啥好。(凯老真是替我们操碎了心)
离2030年已经不到四年,先看数据:
几位瑞士和西班牙经济学家在2024年做过测算:美国人均年工时从1929年的2316小时降到2019年的1765小时,九十年间缩了23.8%。
把凯恩斯的目标折成年工时,大约为780小时。
结论就摆在那儿:凯恩斯错了。

Sam Altman今年夏天公开讲过,历史上每一次技术革命都有人许诺更多闲暇,可整个社会从来没有真正过上少干活的日子。
他同样不觉得AI能扭转这个局面,理由是竞争心是人的天性。
说个更直白的例子:
当年骆驼祥子靠拉人力车过活,一天要干很长时间。假设那时祥子手里有辆出租车,别人照旧拉人力车。
那祥子跑上两个钟头,就能挣到别人一整天的钱。可问题来了:祥子会只跑这两个钟头吗?
答案显然是不会。
更扎心的现实还有一层:跟祥子抢活的人手一辆出租车,而买车的开销并不便宜。
今天的出租车行业就是这个样子,眼下的AI市场其实也一样。
五
个体的忙碌,考恩悖论给出了解释。可人这么忙,产出会不会落到经济数据上?
接下来该索洛出场了。
1987年7月,经济学家索洛在《纽约时报》的一篇书评里写下过一句话,后来流传很广:
“计算机时代的生产力随处可见,唯独在统计数据里看不到。”
同年10月,诺贝尔经济学奖颁给了他。
具体数字是这样的:
美国非农部门劳动生产率,1948到1973年的年均增速是3.19%。
1974到1995年这二十年,电脑正铺满美国企业,增速却掉到了1.53%。
1996年之后互联网爆发,增速回到3.15%,2004年以后又跌回1.39%。

一个人可以又忙产出又高,也可以忙得不行产出原地不动,索洛担心的正是后一种。
那AI会不会把索洛悖论再走一遍?
六
把索洛那句话里的计算机换成AI,搁到2025年,几乎一个字都不用动。
微观层面,芝加哥大学的Anders Humlum教授把丹麦2.5万名员工的调查与官方税务、就业档案做了匹配分析。
得出的结论是:用AI的人平均只省下2.8%的时间,收入和工时都没受到明显影响。
企业层面,MIT去年7月发布《GenAI鸿沟》报告:企业在生成式AI上投入300亿到400亿美元,95%的机构没有看到可衡量的回报。
宏观层面,2026年2月,《经济学人》的Callum Williams晒出一张美国生产率曲线。
配的文字只有一句:美国的数据里仍然看不到AI带来的生产率提升。

推文链接:https://x.com/econcallum/status/2023844211842576592
Indeed招聘实验室还提到另一组数字:把AI相关投资剔除之后,美国2025年的全要素生产率增速没升,反倒从1.5%掉到了0.8%。一项明摆着很强的技术,怎么就迟迟落不到经济数据上?
七
斯坦福经济学家Paul David给过一个被不少人接受的解释:电力当年也撞上过索洛悖论。发电站1881年就建起来了,可到1900年,工厂里基本找不到用电提效的迹象。一直等到下一代人,工厂才按物料流动重排生产线,给每个工人配上一台小电机。
到20世纪20年代,美国制造业生产率增速才升到每年5%以上,离电力商业化已经过去了四十年。这就是生产率J曲线:新技术刚落地,企业得先改流程、培训人,生产率免不了先降后升。
照这个说法,今天的AI正卡在J曲线的底部。Workday的研究发现,89%的机构里,按AI能力重新设计过的岗位还不到一半。说白了,大多数人现在仍走在AI后头。
八
那索洛悖论会被打破吗?乐观派里打头阵的是美国经济学家Erik Brynjolfsson,他手里有数据:2026年3月美国劳工统计局公布,2025年生产率增长2.8%,而疫情前十年平均只有1.2%。他发推说,还很难确定其中多少是AI的功劳,但索洛悖论可能该退休了。

推文链接:https://x.com/erikbryn/status/2029631253360824691
悲观派也有,比如MIT经济学家阿西莫格鲁,他是2024年诺贝尔经济学奖得主。他在论文《AI的简单宏观经济学》(The Simple Macroeconomics of AI)里算过:未来十年AI对全要素生产率的拉动不超过0.66%,十年加在一起还不如一个普通年份。
两派争的其实是曲线什么时候拐头、能拐多高。我个人觉得,AI在宏观上还是偏乐观的,只是落到微观的个体身上,情况可能差得很远。
九
最后说说聊AI时经常被提起的杰文斯悖论。1865年,英国经济学家杰文斯写了本《煤炭问题》。那会儿蒸汽机越来越省煤,杰文斯却断言:效率一高,用得起蒸汽机的工厂只会更多,煤反而烧得更快。
后来的事实跟他说的完全一样。这就是杰文斯悖论:资源使用效率提高,总消耗量往往跟着增加。
当然,这有个条件:需求得对价格足够敏感,价格降一点,能打开的新用途才够多。
2025年初,DeepSeek把大模型的成本压了下来,市场上随即冒出一个担心——以后芯片是不是用不着那么多了。
结果是1月27日那天,英伟达市值一天没了约5930亿美元,美股单日蒸发纪录就此改写。
微软CEO纳德拉当时发了一条推,就一句话:杰文斯悖论又来了,AI越高效越便宜,用量就会暴增。

推文链接:https://x.com/satyanadella/status/1883753899255046301
那他这句话应验了吗?
从数据看,纳德拉没说错。
追踪AI发展的独立研究机构Epoch AI在2026年9月22日出了一份报告,题目叫《智能的价格在暴跌》,里面的测算是这样的:
2023年以来,要达到同样的表现水平,AI的成本每个季度下滑约47%,摊到一年就是13倍。
报告举了个挺直观的例子:
同样是GPQA Diamond测试拿到75%的成绩,2025年1月用OpenAI的o3,每题大约30美分;不到18个月后换GPT-5.6 Luna,每题约0.0004美元,便宜了725倍。
报告还拉出历史做了个对照:
AI推理降价的速度,差不多是DNA测序的4倍、计算机算力的6倍、电池的18倍、电力的54倍。
再看用量这一头。谷歌每月处理的token,2024年4月是9.7万亿,到2026年I/O大会已经涨到3200万亿。
OpenRouter是开发者调用各家大模型的中转平台,全球开发者用多少,看它基本能看出个大概。
它的每周token用量,2025年1月13日那一周是0.5万亿,2026年9月14日那一周到了128.4万亿,20个月涨了大约250倍。
到了10月,OpenRouter在截至10月26日的一周里处理了大约194万亿token——这一周的量,比平台此前约39个月的累计总和还多。
国际能源署算过一笔账:全球数据中心用电2024年是415太瓦时,2030年将翻倍到约945太瓦时,比日本今天一整年的用电量还高。
单个token的电耗确实年年往下走,只不过杰文斯悖论里烧的煤,如今换成了电。
十
2016年,Hinton说过,现在就该停止培养放射科医生,五年内深度学习会干得比他们好。
十年过去了,梅奥诊所的放射科医生从约260人涨到400多人;美国放射科医生2025年平均年薪到了57.1万美元。
原因并不复杂:AI让影像检查更便宜、更快,做检查的人自然就多了。
Karpathy转发过一篇分析,里面就把杰文斯列成了原因之一。

推文链接:https://x.com/karpathy/status/1971220449515516391
更早的一个版本是ATM。
经济学家James Bessen发现,ATM让一个城市网点的柜员从20人减到13人。
可网点成本一降,银行就拼命铺新网点,美国柜员总数不降反升:1990年约50万,2010年涨到近60万。杰文斯悖论要成立,得有个前提——需求有弹性,价格降下来,需求真的会跟着变多。
眼下大家想尽办法也要搞定Claude 的KYC验证,从这点看,智能需求确实弹性极大。
十一
2026年10月,贝索斯在福克斯新闻的采访里说,AI会让一些人一周工作三天就能养家。
听着挺美,可这话和凯恩斯九十多年前讲的几乎一个样。
2025年12月26日,OpenAI创始成员Andrej Karpathy发了一条长推,开头写的是:作为程序员,我从没觉得自己这么落后过。这条推文浏览量超过1710万。

推文链接:https://x.com/karpathy/status/2004607146781278521
他算全世界最会用AI的人之一,按说最该先闲下来,可他感受到的却是精疲力尽。
后来他也从Anthropic辞职不干了。
说到底,效率是技术给的,闲暇得自己去争。
我的建议就一条:AI时代的祥子,要争取比别人更早弄到一辆牛逼的车。
不说了,我要去蹬我放在加拿大温伯格Mac Mini里的Claude了。
毕竟周二它就重置了!
