在视频团队做编码优化时，常会遇到一个让人困惑的现象：明明把压缩效率提升了，码率调低了，画质没有明显变化，但全网的视频流量、存储成本、转码算力并没有跟着下降，反而还在涨。这不是某个团队执行不到位，而是一个被反复验证过的经济规律在起作用——杰文斯悖论。这篇文章会把这个概念讲透，并结合视频编解码、短视频、直播、存储与 CDN 等场景展开分析，帮助技术人员从成本与架构的视角重新理解视频系统的演进逻辑。
1. 从杰文斯悖论说起：效率提升反而带来消耗增加
1.1 什么是杰文斯悖论
杰文斯悖论（Jevons Paradox）最早由英国经济学家威廉·斯坦利·杰文斯在1865年提出。他研究煤炭消耗时发现：瓦特改良蒸汽机后，煤炭的使用效率大幅提升，但整个英国的煤炭消耗量不仅没有下降，反而急剧上升。
原因是这样的：效率提升降低了单位产品的资源成本，使得原本不划算的生产和使用方式变得可行，需求被大规模释放，最终总消耗量反超了效率提升之前。
放到今天的技术语境里，这个悖论可以翻译成一句话：单项资源的使用效率越高，整体的资源消耗往往越大，因为效率提升会刺激更大规模的使用。
1.2 视频领域为什么会体现这个规律
视频领域的资源消耗主要发生在三个层面：
- 编码与转码消耗的 CPU/GPU 算力；
- 存储视频文件所需的磁盘和对象存储容量；
- 分发视频内容所需的带宽和 CDN 流量。
这三个维度恰好都符合杰文斯悖论的作用机制：
视频编码效率的提升，让同样画质所需码率下降，也就让同等带宽和存储条件下播放更高画质、更长时长、更多路数的视频成为可能。用户看到的好处是“片子更清晰了”“流量费没那么贵了”，平台看到的是“业务可以做得更大了”，于是大家都在往更重、更多的方向走。
结果就是：编码效率越高，视频总量越大，整体资源消耗不降反升。
2. 视频编解码技术：每次效率革命都没有让总量下降
2.1 H.264 与 H.265/HEVC 的码率之争
H.264 是过去十几年最普及的视频编码标准。在相同画质下，H.265（HEVC）理论上可以比 H.264 节省 30% 到 50% 的码率。很多视频平台升级到 H.265 后，单个视频文件的平均体积确实变小了。
但问题是：文件体积变小之后，平台并没有保持原来的视频总量不变。原来的成本约束被打破，短视频平台开始放开时长限制，长视频平台开始普及 1080P 高码率，直播平台开始支持更大的并发推流。
以直播为例。H.265 编码可以将同样清晰度的直播码率从 3.5Mbps 压到 2Mbps 左右，这在技术上是一个明显的进步。但运营团队看到带宽成本下降后，往往会做两件事：
- 把 720P 默认清晰度升级为 1080P；
- 增加更多上行推流和下行播放的并发场景。
结果就是：单位码率下降了，但并发路数变多了，CDN 总出口带宽反而上涨。
下面是一个简单的 H.264 与 H.265 转码对比命令：
# H.264 编码，目标 CRF 为 23 ffmpeg -i input.mp4 -c:v libx264 -crf 23 -preset medium -c:a copy output_h264.mp4 # H.265 编码，目标 CRF 为 28，同等主观画质下码率通常更低 ffmpeg -i input.mp4 -c:v libx265 -crf 28 -preset medium -tag:v hvc1 -c:a copy output_h265.mp4这里 CRF 是恒定质量因子，数值越大编码质量越低。需要说明的是，不同编码器的 CRF 取值范围不同，H.265 的 28 主观效果大致对齐 H.264 的 23，但这不是严格的数学换算，具体要以主观评测为准。
2.2 AV1 与 VVC：更激进但总量仍上涨
H.265 之后，视频编解码领域的下一代标准主要看两条线：
- AV1，由开放媒体联盟（Alliance for Open Media）推动的开源免专利费编码格式；
- VVC（H.266），由 MPEG 和 ITU-T 推动的新一代标准。
AV1 在相同画质下的码率可以比 H.265 再降低 20% 到 30%，VVC 也有类似的压缩效率提升。但技术上的进步并没有让整个视频行业的总流量下降。
比如一些平台做 AV1 转码后，并没有让用户停留在 1080P，而是顺势推 4K HDR 内容。一部 4K HDR 电影即便用 AV1 压缩，码率也很容易达到 10Mbps 以上，这比当年 1080P 的 H.264 码率高出数倍。
用 FFmpeg 转 AV1 的参考命令如下：
# AV1 编码，通过 libaom-av1 实现，cpu-used 控制编码速度 ffmpeg -i input.mp4 -c:v libaom-av1 -crf 32 -cpu-used 6 -row-mt 1 -c:a copy output_av1.mp4从工程角度看，AV1 的转码速度相比 H.264 慢很多，CPU 和编码耗时成本更高，所以很多团队只在头部热门视频上启用了 AV1 转码。这个“只处理头部内容”的策略本身也是预算受限下的一种取舍。
2.3 编码效率提升与视频总量增长的关系
整理一下编码效率提升和视频总量增长之间的关系：
| 编码标准 | 相对压缩率提升 | 平台常见动作 | 总体效果 |
|---|---|---|---|
| H.264 | 基准 | 建立视频业务 | 视频流量快速增长 |
| H.265 | 比 H.264 节省 30%~50% 码率 | 提升默认清晰度、放开时长限制 | 单路码率下降，总路数上升 |
| AV1 | 比 H.265 再节省 20%~30% 码率 | 推 4K HDR、增加高质量内容 | 单位成本下降，全局流量继续增长 |
| VVC | 比 AV1 进一步提升 | 尚未大规模应用 | 预计重演上述过程 |
对于视频平台而言，编码效率提升真正带来的不是“总成本下降”，而是“同样成本可以做更多业务”。一旦业务规模扩大，效率红利很快会被新增消耗吞掉。
3. 视频领域杰文斯悖论的四大表现形式
3.1 从 720P 到 8K：画质升级吃掉压缩红利
最直观的表现是分辨率的持续升级。
在 H.264 时代，1080P 被视为高清的标杆，当时的宽带条件决定了大多数平台只能把 1080P 作为最高清晰度。到 H.265 普及后，4K 成为中高端内容的标准清晰度，8K 也开始在一些大型体育赛事和演示内容中亮相。
分辨率升级带来的数据增长是指数级的：
- 4K 的水平像素是 1080P 的两倍，垂直像素也是两倍，总像素数是 4 倍；
- 8K 的总像素数又是 4K 的 4 倍；
- 即使编码效率大幅提升，像素总量的暴增仍然会推高码率绝对值。
假设某平台早期只推 1080P，平均码率 5Mbps；后来升级到 4K，用新一代编码压到 12Mbps，单路码率是原来的 2.4 倍。即便用户观看时长不变，总流量也已经翻倍，更何况用户还看了更多 HDR、高帧率内容。
3.2 短视频与直播：创作门槛降低内容供给爆炸
视频创作门槛的降低，是杰文斯悖论在内容量层面的体现。
过去制作一条高清视频需要专业摄像机、专业剪辑软件和较高的带宽条件。现在一部手机加一个剪辑 App 就能完成拍摄、剪辑、配音、字幕全流程。编码和传输效率的提升，让低成本的普通用户也能稳定上传几十 MB 甚至几百 MB 的视频文件。
这种内容供给的爆炸式增长，远超编码效率提升带来的“减负”。
一个很典型的场景是短视频平台。为了提高用户上传成功率，平台会使用高效编码来压缩用户上传的视频，并转成多种清晰度。上传转码做得越高效，用户上传的视频就越不容易失败，创作者也就更愿意持续产出内容。
结果是：压缩效率越高的平台，内容生产门槛越低，新增内容数量越大，平台总存储量和每年新增的存储成本反而增长得更快。
3.3 存储与 CDN 成本下降反推业务规模扩张
存储和 CDN 的价格本身并不是杰文斯悖论的决定因素，但价格下降会放大悖论的效果。
视频压缩效率提升，最直接的影响是平均文件体积下降。文件体积下降意味着同样的存储预算可以容纳更多视频，同样的带宽预算可以支撑更多播放。
平台在有限的成本预算内可以做更多事，于是更愿意：
- 增加视频清晰度档位；
- 延长视频保留时间；
- 开放更多创作者入驻；
- 支持更长直播回放；
- 增加多语言字幕和多种音轨。
这些动作都会消耗新增的存储和带宽。从技术团队的角度看，做编码优化的收益是真实存在的，但它更多体现在“支撑了业务增长”，而不是“降低了总成本”。
3.4 用户观看时长增加带动二次消费
视频流量的总量可以近似用以下公式表达：
总流量 = 用户数 × 人均观看时长 × 平均码率在杰文斯悖论的影响下，这三个因子并不是独立的。更高效的编码让缓冲更少、加载更快，用户更愿意完整观看长视频；更低的码率让移动网络环境下也能流畅播放高清内容，人均观看时长随之上升。
人均观看时长上升之后，平台会顺势增加插播广告、商品链接、互动弹幕等功能，这些功能又会额外加载视频片段、贴片广告和互动资源，带来二次流量消耗。
所以，靠提高编码效率来降低流量成本，往往会因为用户行为的改变而失效。
4. 数据视角：视频流量为何只增不减
4.1 网络流量构成中的视频占比
在互联网流量的统计中，视频一直占据绝对主导地位。多家网络调研机构的数据显示，视频流量占全球 IP 流量的比例长期维持在 70% 以上，部分年份甚至超过 80%。
具体到移动网络，短视频和直播的流量占比逐年上升。视频会议、在线教育、云游戏等实时视频类应用的普及，也在持续增加低延迟视频流量的比重。
这些趋势意味着，视频流量的增长并不是某一个平台的选择，而是整个行业的基础趋势。单个平台可以优化自己的编码技术，但无法改变视频在互联网流量中的主导地位。
4.2 存储成本与视频增长速度
视频平台的存储系统通常采用分层策略：
- 热数据存放在性能较高的存储节点；
- 冷数据迁移到大容量低成本的存储介质；
- 更老的内容可能进入归档存储。
分层存储本身就是为了应对视频总量的持续增长。如果视频总量增长是线性的，存储成本还能通过冷热分层做合理控制；但短视频和直播的普及让视频总量出现了近似指数级的增长，冷数据也越来越多。
压缩效率提升让单个视频的存储占用下降了，但内容量的增长速度远快于平均文件体积的下降速度，总存储用量仍然在增长。
4.3 转码算力消耗的反弹
视频平台通常会对上传的视频进行多种格式的转码：
- 不同分辨率（360P、720P、1080P、4K）；
- 不同编码格式（H.264、H.265、AV1）；
- 不同封装格式（MP4、HLS、DASH 分段）。
转码算力消耗取决于转码任务的复杂度、转码时长和并发任务数。编码效率越高的格式，通常转码复杂度也越高。
实测中，AV1 编码的耗时通常是 H.264 的 5 到 10 倍以上，H.265 也比 H.264 慢 2 到 4 倍。这意味着：
- 平台为了省带宽而启用新一代编码，会把成本压力转移到转码算力上；
- 如果内容总数还在增加，转码任务总量只增不减；
- 转码集群的 GPU/CPU 需求可能比带宽成本更早达到瓶颈。
用一句话概括：编码效率提升带来的带宽节省，最终会被更耗时的转码和更多的内容供给消化掉。
5. 视频工程师应该如何面对杰文斯悖论
杰文斯悖论不是一个“坏事”，它本质上是技术效率和商业规模之间的张力。对工程师来说，重要的不是消灭它，而是理解它，并用工程手段做出合理应对。
5.1 合理选择编码参数：不要盲目追求最高压缩比
很多优化项目把“压缩率越高越好”当成唯一目标，但在实际业务中，过高的压缩比会带来两个问题：
- 编码耗时显著增加，线上转码集群成本飙升；
- 高压缩比可能引入画质劣化，在复杂场景下出现块效应、涂抹等问题。
更合理的做法是按内容场景设置编码参数：
- 大动态体育赛事，需要保留足够码率保证画面流畅；
- 人物访谈、课堂录播，可以使用稍低的码率；
- 短视频 UGC 内容，清晰度要求低于 PGC 内容。
FFmpeg 中可以通过-crf控制质量，通过-maxrate和-bufsize限制码率波动：
# 限制最大码率的 H.264 编码 ffmpeg -i input.mp4 -c:v libx264 -crf 23 -maxrate 4M -bufsize 8M -c:a copy output.mp45.2 通过智能编码策略平衡画质与码率
现代视频平台可以采用场景自适应编码（SAD，Scene Adaptive Encoding）。这种技术通过分析视频内容复杂度，动态调整编码参数：
- 静止画面比较多的视频，降低码率；
- 快速运动的画面，提高码率；
- 人脸特写、文字屏幕共享等场景，使用更精细的编码策略。
结合内容分类实现差异化编码，可以在不牺牲主观画质的前提下，降低平均码率。省下来的带宽再投入到更多业务场景时，也能对总成本有更清晰的认知。
5.3 用成本模型指导技术选型
技术人员不应该只看编码效率，还要建立单位成本模型。
简单的成本评估公式可以是：
单视频总成本 = 转码算力成本 + 存储成本 + 分发带宽成本假设一个视频有三个清晰度档位：
- 转码一次需消耗 200 CPU 分钟，按云厂商单价折算为 C1；
- 转码产物平均存储 3GB，存储有效期 180 天，折算为 C2；
- 平均被播放 100 次，每次播放 500MB 流量，折算为 C3；
- 总成本 = C1 + C2 + C3。
用这种模型评估不同编码方案的性价比，往往能发现：有些视频用 H.265 转码省下的存储和带宽，不足以抵消转码算力成本的上升。此时为所有内容统一开启 H.265 就不合理，可以只对头部内容启用。
5.4 建立容量评估与资源利用率监控体系
面对总消耗持续增长的必然趋势，视频平台要建立完整的容量评估体系：
- 记录码率、分辨率、编码格式、内容类型等维度；
- 统计每路视频的转码耗时、CPU 占用、存储占用、带宽消耗；
- 用单位成本和单位收益来衡量编码方案的优势。
监控指标建议覆盖：
| 指标 | 说明 |
|---|---|
| 平均码率 | 所有视频码率的均值，结合各清晰度档位分布 |
| 转码耗时均值 | 反映转码集群压力 |
| 存储增量 | 每天新增视频的存储占用 |
| CDN 带宽峰值 | 进入计费口径的带宽峰值 |
| 单用户单位观看成本 | 总成本除以总观看时长 |
通过这些指标，技术团队能更清晰地看到：成本上涨是来自效率不足，还是来自业务规模扩大。如果是后者，那恰恰说明编码效率提升是有效的，只是需要匹配足够的容量规划。
6. 常见误区与思考
6.1 误区：压缩率越高说明技术越强
压缩率高低不能离开画质来谈。极端情况下，把码率压到极低也能播放，但画面细节完全丢失，用户无法接受。
视频编码优化的目标，是在主观画质可接受的前提下，尽可能降低码率。评估时需要做主观画质对比，而不是只看客观指标。
6.2 误区：新一代编码一定全面优于旧编码
新一代编码通常在压缩效率上有优势，但也要考虑：
- 终端解码兼容性；
- 解码功耗对移动端的影响；
- 转码耗时和成本；
- 浏览器和播放器的支持情况。
很多平台选择 H.265 超过 AV1，不是因为 AV1 不好，而是因为 H.265 在终端的兼容面更广。技术选型从来不是单指标最优，而是综合权衡。
6.3 误区：把技术优化等同于总成本下降
这是杰文斯悖论给技术人员最重要的提醒。
编码优化、压缩率提升、转码提速，这些技术指标的改善，最终可能转化为更高质量的内容供应、更大的用户规模、更长的观看时长，而不是更低的总成本。
技术优化的价值是提升了业务的成本效率，让同样预算可以支撑更大规模。工程师在汇报优化成果时，建议同时呈现“单位成本”和“总量成本”两组数据，避免决策层产生误解。
7. 总结与展望
杰文斯悖论在视频领域的显现，本质上是一种技术效率与需求规模之间的赛跑。视频编解码效率的每一次提升，都会带来更清晰的内容、更低的上传门槛、更长的观看时长，也会带来更大的存储规模、更高的转码算力和更多的带宽消耗。
对于技术团队来说，重要的不是试图逆转这个规律，而是在理解规律的基础上做好容量规划、成本建模和技术选型。编码优化仍然要做，而且要做得更精细；但与此同时，也要接受“总量增长”是视频业务发展的常态。
下一步可以继续关注三个方向：
- 内容自适应编码的工程落地，让每类视频都使用合适的码率；
- AI 辅助编码和画质增强，在低码率条件下重建更高质量的细节；
- 视频系统的成本量化分析方法，让每个技术决策都有数据支撑。
如果你正在负责视频系统的编码优化或成本治理，不妨先把编码参数、转码耗时、存储增量、带宽峰值这几类数据收集起来，建立一份属于自己的成本台账。技术效率优化通常不会直接让总成本下降，但它能让你的平台支撑起更大的业务规模——这本身就是工程师创造价值的体现。
