诺贝尔经济学奖得主萨金特：AI尚处“开普勒阶段”，未来收益充满变数

9月9日，在2026Inclusion·外滩大会见解论坛上，2011年诺贝尔经济学奖获得者、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增长的关键引擎，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领域的投入持续攀升，但这并不直接等同于未来回报的必然增长，两者之间并不存在简单的因果关系。

萨金特教授分析道，AI当前所取得的显著进步，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，在他看来，AI发展的真正前沿，在于能否跨越从“开普勒阶段”到“牛顿阶段”的鸿沟——即AI不仅能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，实现训练数据之外的广泛适用性，并具备识别自身知识局限的能力。

面对AI带来的深刻变革，萨金特教授强调，无论是企业界、投资界还是监管层，都不能仅仅依赖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，为未知因素和潜在错误预留足够的应对空间，并构建起能够灵活适应不同可能性的决策体系。只有这样，才能在AI时代的浪潮中稳健前行，把握机遇，应对挑战。