據 The Decoder 報道，a16z 援引 Ornn、Silicon Data 與彭博截至 2026 年 8 月 的資料，將當前 AI 市場描述為一次教科書式的傑文斯悖論：AI 代幣價格持續走低，但 H100 GPU 的租賃價格卻保持穩定甚至上漲。這一反差是理解當下算力需求敘事的關鍵切口。

傑文斯悖論的核心邏輯是，某種資源的使用效率提升、單位成本下降，反而會刺激總需求擴張，最終使該資源的總消耗量不降反升。放到 AI 語境裡，代幣價格下跌降低了呼叫大模型的門檻，從而解鎖了 AI 智慧體、自動化流程以及此前不經濟的新應用場景，使用量的增長快於單位成本的下降，硬體因此維持稀缺與高價。

但這裡存在一個尚未釐清的問題：需求增長中，究竟有多少來自人類使用者，又有多少來自系統自身。報道指出，智慧體式 AI 消耗代幣的速度驚人，這意味著算力需求可能被人為放大——即便人類使用量只是溫和增長，也可能觸發遠超比例的硬體需求。換言之，當前 H100 租金的堅挺，未必完全對應真實的人類使用強度。

整套體系建立在一個假設之上：AI 使用量必須增長得足夠快，才能抵消代幣價格的持續下跌。只要這個條件成立，硬體就保持稀缺和昂貴，從晶片製造商、儲存供應商到能源提供商和雲端計算公司的整條產業鏈都能受益。反過來，一旦需求走平，這條鏈條上的每一環都會受到衝擊，市場情緒也可能隨之螺旋式惡化。

這種敏感性已有先例。報道提到，此前有訊息稱 OpenAI 的年化收入可能低於先前披露的水平，美國股市隨即出現下跌，顯示市場對 AI 需求側的任何風吹草動都高度緊張。

從產業視角看，這條邏輯鏈把代幣定價、GPU 租金、智慧體消耗強度與雲廠商資本開支串在了一起。對關注 AI 產業鏈的投資者而言，真正需要跟蹤的並非代幣價格本身，而是使用量增速與單位成本降速之間的賽跑：前者跑贏，算力敘事成立；前者失速，從晶片到能源的整條鏈條都將面臨重估壓力。