Парадоксът на Джевънс в изчислителната мощ: По-евтините AI токени отприщват лавинообразно търсене
Дженсън Хуанг печели от парадокса на Джевънс: по-евтините изчисления водят до ненаситен глад за силиций. Снимка: The Decoder
В икономическата теория от XIX век парадоксът на Джевънс описва контраинтуитивно явление: повишаването на ефективността при използване на даден ресурс (въглища) не намалява неговото потребление, а напротив – прави го толкова евтин и достъпен, че общото търсене нараства лавинообразно. Днес същият природен закон пренаписва основите на дигиталната икономика [1].
Както отбелязва обстоен анализ на The Decoder, драматичният спад в цената на генериране на AI токени през последната година се превърна в най-благоприятния възможен сценарий за Дженсън Хуанг и неговата империя Nvidia [1]. Вместо да намалят покупките на скъпи ускорители, глобалните корпорации изкупуват всеки наличен силициев чип на пазара.
От единични въпроси към трилионни агентни вериги
През 2023 г. средностатистическата заявка към ChatGPT консумираше няколкостотин токена за кратък отговор. През 2026 г., с навлизането на модели с продължително мислене (System 2 reasoning) и мултиагентни работни потоци, една единствена задача – като одит на софтуерна кодова база или пазарен анализ – консумира десетки милиони токени в сложни вътрешни цикли на планиране, проверка и самокорекция [1].
Тъй като пределната цена на инференцията спадна с над 80%, инженерите спряха да пестят токени. Това отключи нови индустриални приложения, които преди бяха икономически немислими: постоянно работещи фонови агенти, синтетично генериране на огромни набори от данни и автономни симулации. Спадът в единичната цена отприщи гигантски скок в агрегатния обем, генерирайки десетократно по-големи приходи за доставчиците на изчислителна мощ.
Макроикономика на мегаватовете и CapEx надпреварата
Този механизъм обяснява защо хиперскалърите като Microsoft, Google, Meta и Amazon продължават да увеличават своите капиталови разходи в икономиката на центровете за данни [1]. Докато Wall Street периодично се тревожи за рентабилността на тези гигантски инвестиции, реалното потребление на токени расте по-бързо от производствения капацитет на фабриките на TSMC.
Ограничаващият фактор пред изкуствения интелект вече не са алгоритмите, а енергийната мрежа. Центровете за данни консумират гигавати мощност, изисквайки изграждане на нови газови турбини, малки модулни ядрени реактори (SMR) и специализирани охладителни съоръжения. Парадоксът на Джевънс гарантира, че докато изчисленията стават по-ефективни, апетитът на човечеството за електричество и полупроводници ще остане ненаситен.
Уроци за корпоративните бюджети
За технологичните лидери този извод е отрезвяващ: оптимизацията на моделите няма да доведе до намаляване на общите IT разходи. Компаниите, които се надяват да спестят пари от изкуствен интелект чрез по-евтини токени, ще открият, че просто внедряват десет пъти повече агенти за все по-сложни задачи.
В новата икономическа реалност печелят тези, които контролират базовата физическа инфраструктура. Софтуерните стартъпи водят ожесточена ценова война на дъното, докато монополите в хардуера и енергетиката прибират лъвския пай от всяка спестена изчислителна микросекунда.
Инфографика: Светни.ме