诺贝尔经济学奖得主萨金特：AI发展尚处“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）发表了关于人工智能（AI）发展的深刻见解。他指出，AI正日益成为推动全球经济持续增长的关键驱动力，然而，在围绕AI的投资布局、战略决策以及政策制定等方面，却面临着前所未有的巨大不确定性。尽管资本对AI领域的投入规模在持续扩大，但这并不直接等同于未来回报的确定性增强。

萨金特教授分析道，AI之所以能在今日取得显著进展，很大程度上得益于数据规模的爆炸性增长、计算能力的飞跃提升以及模型复杂度的不断增加。然而，在他看来，AI真正的进步前沿在于能否实现从“开普勒阶段”到“牛顿阶段”的跨越——即AI系统不仅能揭示数据间的相关性，更能深入理解和推断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，并能够清晰识别自身知识的边界。

面对AI带来的深刻变革，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，必须承认模型本身存在的局限性，为未知因素和潜在错误预留足够的空间，并构建起能够灵活应对各种可能性的决策机制。只有这样，才能在AI时代的浪潮中稳健前行，把握机遇，规避风险。