诺贝尔经济学奖得主萨金特：AI发展尚处“开普勒阶段”，未来回报充满变数

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）发展的独到见解。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展开的投资活动、决策制定以及政策导向等方面，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必然增长或确定性的提升。

萨金特教授深入剖析了AI当前取得显著进展的核心要素，包括空前庞大的数据集、日益增强的计算能力，以及愈发精细复杂的算法模型。在他看来，AI发展的真正前沿，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，更能深入理解并推断出事物背后的内在结构与运行机制，从而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局限性的智慧。

面对AI技术带来的深刻变革，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，都不应过分依赖单一的理想化模型来预测未来。相反，他们应当认识到模型的固有局限性，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情境、有效管理不确定性的决策体系。这样的策略不仅有助于降低风险，更是把握AI时代机遇、实现可持续发展的关键所在。