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·外滩大会见解论坛的现场，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）发表了关于人工智能（AI）发展的深刻见解。他指出，AI正日益成为驱动全球经济持续增长的关键动力，然而，在围绕AI展开的投资活动、战略决策以及政策制定过程中，各方正面临着前所未有的巨大不确定性。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必然确定性。

萨金特教授深入剖析了AI当前取得显著进展的根源，他认为这主要得益于数据规模的爆炸性增长、计算能力的飞跃式提升，以及模型复杂度的不断加深。然而，在萨金特教授的视野中，AI真正的突破性前沿在于能否实现从“开普勒阶段”向“牛顿阶段”的跨越——即AI系统不仅能够揭示数据间的相关性，更能深入理解并推断出事物背后的内在结构，从而在训练数据之外展现出更强的泛化能力，并能够清晰地界定自身知识的边界。

面对AI所带来的颠覆性变革，萨金特教授强调，无论是企业界、投资界还是监管机构，都不能仅仅依赖于一个理想化的模型来预测未来。相反，各方必须正视模型的固有局限性，为未知因素和潜在错误预留足够的应对空间，并构建起能够灵活应对各种可能性的决策机制。只有这样，我们才能在AI时代的浪潮中稳健前行，把握机遇，应对挑战。