诺贝尔经济学奖得主萨金特：AI尚处“开普勒阶段”，未来回报存变数

9月9日，在2026Inclusion·外滩大会见解论坛上，2011年诺贝尔经济学奖得主、纽约大学知名教授托马斯·萨金特（Thomas Sargent）发表了重要观点。他指出，人工智能（AI）正日益成为驱动全球经济增长的关键因素，然而，在围绕AI的投资布局、战略决策以及政策制定方面，却充斥着前所未有的不确定性。尽管资本对AI领域的投入规模持续攀升，但这并不直接等同于未来回报的确定性增强。

萨金特教授深入剖析了AI当前发展的核心驱动力，他认为，AI之所以能取得今日之成就，很大程度上归功于海量数据的积累、计算能力的飞跃以及模型复杂度的不断提升。然而，在萨金特教授看来，AI真正的突破点在于能否跨越“开普勒阶段”，迈向“牛顿阶段”——即AI系统不仅能揭示数据间的相关性，更能深入理解并推断事物背后的内在逻辑与结构，从而在训练数据之外展现出更强的泛化能力，并具备自我认知知识边界的智慧。

面对AI带来的深刻变革，萨金特教授强调，无论是企业决策者、投资者还是政策制定者，都不能盲目依赖某个理想化的模型来预测未来。相反，他们必须正视模型的局限性，为未知因素和潜在错误预留足够的应对空间，并构建一套能够灵活适应不同情景的决策机制。这样，才能在AI时代的浪潮中，稳健前行，把握机遇，应对挑战。