作者解读A16Z第七版《Top 100消费级AI应用》和《市场状况 II》报告。指出AI离大众仍很远：美国约半数人用过AI，但日活仅25%，个人付费订阅率仅4.5%，标普500企业中仅2%追踪AI价值。头部1%付费用户月均花费903美元，贡献19.5%消费，重度用户与普通用户差距拉大，形成第二道数字鸿沟。AI正重演杰文斯悖论：单位智能价格暴跌但总算力需求暴涨，Agent已成最大Token消耗源。商业模式上，84%靠订阅、广告仅占14%，AI收费更像SaaS而非传统互联网。
作者从历史案例出发（ATM 与银行柜员、蒸汽机与杰文斯悖论），探讨 AI 对就业的真实影响：工作清单从不是固定的，替代背后也藏着看不见的增量。通过应届生 AI 海投简历、给 Agent 看的广告、AI 家族纪录片等案例，说明智能变便宜会催生新需求与产业重构。作者指出个人焦虑源于相对剥夺感与损失厌恶，建议不要只盯着具体技能（如写代码），而要聚焦创造的价值，服务好半熟人群体——因为 AI 让干活变便宜后，信任反而越来越值钱。
文章以1865年杰文斯提出的“效率提升反而导致资源消耗增加”的悖论为切入点，解读新发布的AI模型Jev比现有大模型便宜444倍、快近200倍的意义。作者认为判断成本骤降将推动各行业从“抽样”走向“全检”，重演历史上铝、钢铁等价格崩塌后催生全新应用的规律。同时提醒三大代价：缺乏可解释性、判断力外包、责任真空，并指出杰文斯悖论只在需求未饱和时成立。最后建议读者从工作中的具体判断入手思考自动化机会，把人的位置从“做廉价判断”上移到“决定什么值得被判断”。
TypeSafe AI推出的新模型Jev只做高频决策判断，不能聊天或写代码，是一个通用分类器。它由前OpenAI创始人Diogo Almeida打造，采用自研RLCD训练方法（面向校准决策的强化学习），响应仅需380毫秒，速度快20-200倍，成本低40-400倍。文章通过浏览器插件过滤X内容、玩马里奥、操控浏览器等案例展示其能力，并在预筛任务中与GLM、DeepSeek、Qwen对比，Jev在并行判断任务上综合表现最优。其名源自杰文斯悖论，寓意智能判断将因便宜而被大量使用，可能代表Agent时代的重要新方向。
文章引用经济学家杰文斯关于煤炭的悖论，指出效率的提升会导致需求的爆炸性增长，而非减少。作者将此逻辑应用于AI时代的犹太经典学习：尽管大语言模型（如Yochai）大幅降低了获取传统知识的门槛，但这并不会取代拉比，反而会释放对“洞察力（Chiddush）”的巨大需求。当获取知识的成本极低时，瓶颈转移到了从旧材料中产生真知新见的能力上，而这才是学习的终极目的。
文章反驳了“AI 将导致大规模永久性失业”的观点，认为这是一种“劳动力总和谬误”。作者指出，人类的需求是无限的，认知成本的降低将通过杰文斯悖论创造更多需求。通过回顾农业机械化、电气化和 Excel 的历史，文章论证了技术进步总是重塑经济结构并扩大劳动力市场，而非简单地消灭工作。
