Ju billigare AI blir, desto mer köper världen – ett 150 år gammalt ekonomiskt fenomen förklarar varför

När lägre pris ger högre efterfrågan

Det finns ett gammalt tankeexperiment från 1800-talets England som plötsligt känns väldigt relevant. Den brittiske ekonomen William Stanley Jevons observerade att när ångmaskiner blev mer bränsleeffektiva så minskade inte kolförbrukningen – den ökade. Effektiviteten gjorde tekniken tillgänglig för fler, i fler sammanhang, och den totala resursåtgången exploderade.

Samma mönster håller nu på att spela ut i AI-ekonomin, rapporterar The Decoder med stöd av data från analysföretagen Ornn och Silicon Data samt Bloomberg. Kostnaden per beräkningsenhet för AI faller stadigt. Men hyrpriserna för Nvidias H100-grafikprocessorer – industrins de facto standardenhet för AI-beräkningar – håller sig stabila eller stiger till och med. Det som borde vara ett tecken på minskad relevans är i stället ett kvitto på ökad efterfrågan.

Detta är Jevons paradox i praktiken, och det är precis det scenario som Nvidias grundare och vd Jensen Huang hoppas på.

Vad driver volymen uppåt?

Svaret är till stor del AI-agenter – självständiga system som utför uppgifter på egen hand, utan att en människa behöver godkänna varje steg. Riskkapitalbolaget Andreessen Horowitz lyfter detta som en central faktor: när beräkningar blir billigare öppnas dörrar för tillämpningar som tidigare var ekonomiskt omöjliga att bygga. Automatiserade arbetsflöden, agenter som kommunicerar med varandra, system som analyserar och agerar dygnet runt.

Och här ligger en viktig detalj som är lätt att missa: en AI-agent förbrukar beräkningskraft i en takt som vida överstiger vad en mänsklig användare gör. En människa som ställer en fråga till en chattbot genererar en beräkningsimpuls. En agent som självständigt planerar, agerar, utvärderar och justerar sitt beteende under timmar genererar en ström av dem. Den faktiska efterfrågan kan därför vara svår att uppskatta – och potentiellt underskattad.

Det innebär att varje procentenhet prissänkning på AI-beräkningar inte ersätts av en motsvarande minskning i hårdvaruorder, utan av en oproportionerligt stor ökning i användningsvolym.

En affärsmodell byggd för just detta

För Nvidia är detta scenariot man byggt sin position kring. Grafikprocessorer är kapitalintensiva investeringar – de köps av molnleverantörer och datacenteroperatörer som sedan säljer beräkningstid vidare. Om beräkningspriset faller men efterfrågan på beräkningstid växer ännu snabbare, behöver operatörerna fler processorer, inte färre.

Det är en självförstärkande spiral: lägre pris → fler tillämpningar → mer volym → mer hårdvara. Och Nvidia sitter i mitten av den spiralen med en dominerande marknadsandel och ett ekosystem – CUDA-plattformen – som konkurrenter under lång tid haft svårt att utmana på allvar.

Men systemet vilar på ett antagande som The Decoder är noga med att påpeka: att AI-användningen faktiskt måste växa tillräckligt snabbt för att kompensera för de fallande enhetspriserna. Om tillväxten planar ut – om marknaden når en mättnadspunkt – bryts spiralen. Då kan prispress bli just det som den intuitiva logiken säger: ett problem.

Billigare AI är goda nyheter – men inte okomplicerade

Som systemutvecklare ser jag en tydlig möjlighet i det här mönstret. Lägre beräkningskostnader demokratiserar AI. Det gör att mindre aktörer – startupbolag, offentlig sektor, forskningsinstitutioner – kan börja bygga saker som för ett år sedan var för dyra att ens prototypa. Det är genuint transformativt.

Samtidigt är det viktigt att hålla ögonen öppna för vad volymökningen faktiskt innebär för energiförbrukning, infrastrukturbelastning och långsiktig hållbarhet. En Jevons-spiral är en kraftfull tillväxtmotor. Men den är också en motor som drar mycket ström.