诺贝尔经济学奖得主萨金特：AI发展尚处“开普勒阶段”，未来回报存不确定性

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。

萨金特指出，AI正日益成为驱动全球经济增长的关键引擎，然而，在围绕AI展开的投资活动、决策制定以及政策导向等方面，却充斥着大量的不确定性因素。尽管当前资本对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。

他进一步分析道，AI之所以能取得今日的显著进展，很大程度上得益于前所未有的海量数据积累、强大的计算能力支撑以及日益复杂的模型构建。在萨金特教授的视角中，AI发展的真正前沿，在于能否实现从当前的“开普勒阶段”向更高层次的“牛顿阶段”的跨越——即AI不仅能揭示事物间的相关性，更能深入理解并推断出事物背后的内在结构，在训练数据之外展现出更强的泛化能力，并具备识别自身知识边界的智慧。

面对AI所带来的翻天覆地的变化，萨金特强调，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，他们必须正视模型的固有局限性，为未知领域和潜在错误预留出足够的空间，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，把握住机遇，规避风险。