AI 与杰文斯悖论：为何 AI 的采用会推动分阶段的价格变化，并带来需求增长
随着技术逐步落地，最初的优势往往归于既有企业，它们能够借助新技术提升效率并扩大利润空间。我听到不少朋友说：“如果像 Harvey 和 Legora 这样的公司增长这么快，为什么我律师事务所的账单却没有降下来？”如果一名律师能够在极短时间内完成标准化法律工作，这难道不应该压缩可计费工时，从而降低服务成本吗？短期来看，这部分利润会被既有企业获取。
但我们不妨以放射学为例。
十年前，许多人曾宣告放射学这一领域将走向消亡。其逻辑是这样的：放射科医生主要是查看核磁共振影像，AI 驱动的图像识别与认知能力正变得越来越强，因此，像放射学这样高度依赖影像的领域，将成为最早消失的行业之一。
然而，实际发生的情况体现在两个方面：
-
AI 影响了硬件（原子）：核磁共振设备变得更强大、更快捷，构建、管理和运行成本更低，投入使用的设备也更多了
-
AI 影响了软件（比特）：图像处理免除了放射科医生对程式化、常规病例进行阅片的需要，并将他们的重点转向边缘病例——在那里，从业者的经验至关重要，也更需要细微判断和具体语境
这两方面的影响意味着，更多核磁共振设备可供更多人使用，而处理图像所需的放射科医生数量则有所下降。在短暂的过渡期内，影像实验室本可以因为能够以更低成本开展核磁共振扫描而提高利润率，或许还可以通过减少在编医生数量来压低管理成本。
但随后，发生了一件或许令人好奇、又或许显而易见的事。新进入者涌入市场，以低了好几个数量级的价格提供核磁共振扫描，赚取旧价格与新成本之间的差额，并以远低于历史报价的价格提供这类服务。而由于在这些新的价格点上，核磁共振出现了全新的应用场景，例如预防性扫描，需求激增，新公司纷纷成立，并在争夺用户获取的竞争中进一步压缩利润空间，结果不仅核磁共振设备和扫描数量大幅飙升，连负责阅片的放射科医生人数也猛增。
这是一种被称为杰文斯悖论的现象，可追溯至 1865 年。William Stanley Jevons 最早在煤炭领域观察到这一现象。技术效率的提升会带来生产能力上升、价格下降，以及随之而来的需求扩张。那些原本被认为会消灭就业的效率提升，反而会创造出如此巨大的产出扩张和价格下行，以至于从净效应看，它对需求扩张以及由此带来的更多人力劳动需求都是正面的，而非负面的。NPR 最近就对此现象与 AI 的扩张效应之间的关系做了一次很精彩的深度报道。
这部“三幕剧”很可能会在法律行业以及许多其他行业上演：
-
AI 让既有企业获得优势，得以攫取新的利润空间，并出现一个短暂的过渡期，在此期间既有企业仍将继续占据主导地位，而价格不会发生变化（这就是“怀疑低谷”，人们会认为 AI 并没有带来太大改变）
-
利用这些新成本优势的新进入者将压低行业常规价格，蚕食这部分新的利润空间，缩小价格与成本之间的差距
-
相同服务的价格会下降，而这些服务在新的价格点上会产生净新增需求，这很可能会带来市场扩张和增长
现有企业和新进入者可能会继续并存，但由于现有企业的固定成本很可能与旧有价格水平相匹配，它们相较于那些以 AI 为原生、且不背负同样冗余固定成本的新玩家，将处于结构性劣势，因此后者会更加灵活，也更能免受利润率侵蚀的影响。
总体而言，就像我们在 Prenuvo、Ezra（现为 Function Health）、EverLab、Axo 以及许多面向消费者、以传统成本一小部分价格提供预防性核磁共振扫描的医疗健康公司身上所看到的那样，我们很可能也会看到新一代由 AI 驱动的原生律所出现，它们将能够以顶级律所相当的服务质量，提供仅为其一小部分价格的服务。它们会侵蚀这些老牌律所的利润率和盈利，拉低单位服务费用，并进而可能创造出净新增的市场扩张。
AI 早期带来的效率提升，首先会被传统既有参与者获取。全新的 AI 原生玩家则利用新的成本优势，向利润空间发起进攻。价格下降并完成出清。对服务的净需求上升，市场扩大，而由于增长，净新增就业岗位也很可能随之出现。正如煤炭行业曾经历过的那样，放射科如此，法律行业可能会是下一个。如果我的法律账单从每小时 2000 美元降到 200 美元，我实际提出的需求可能会超过原来的 10 倍。但这些新增价值的积累，不会流向那些囤积利润空间的传统玩家；它将流向新玩家，或那些具备结构性成本优势、能够承接这一变化的 AI 原生公司。
—
Scott Hartley 是 Everywhere Ventures 的联合创始人兼普通合伙人。这是一只规模为 1 亿美元的早期风险投资基金，已投资支持 250 多家公司。
