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性增强。

萨金特教授分析道，AI当前所取得的显著进步，主要归功于数据量的爆炸性增长、计算能力的飞跃式提升，以及模型复杂度的不断加深。然而，在他看来，AI真正的突破点在于能否跨越当前的“开普勒阶段”，迈向更为成熟的“牛顿阶段”。这一转变意味着AI不仅要能够揭示数据间的相关性，更要深入理解并推断出事物背后的内在结构和规律，从而在训练数据之外展现出更强的泛化能力，同时能够清晰地界定自身知识的边界。

面对AI带来的深刻变革，萨金特教授强调，无论是企业决策者、投资者还是政策制定者，都不能盲目依赖理想化的模型来预测未来。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，应对挑战。