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持续增长的核心动力，然而，在围绕AI进行大规模投资、制定战略决策以及出台相关政策的过程中，各方均面临着前所未有的不确定性挑战。尽管资本投入的规模在持续攀升，但这并不直接等同于未来回报的确定性增加。

萨金特教授分析认为，AI当前所取得的显著进展，主要归功于数据量的爆炸式增长、计算能力的飞跃提升以及模型复杂度的不断加深。在他看来，AI发展的真正前沿，在于能否从当前的“开普勒阶段”——即主要依赖数据发现事物间相关性的阶段，迈向“牛顿阶段”——即能够深入理解并推断事物背后内在结构，实现训练数据之外更广泛场景的泛化应用，并具备自我认知知识边界的能力。

面对AI技术带来的深刻变革，萨金特教授强调，无论是企业界、投资领域还是监管机构，都不能仅仅依赖于理想化的模型来预测未来走势。相反，各方应充分认识到模型的局限性，为可能出现的未知情况和错误预留足够的应对空间，并构建起能够灵活应对多种可能性的决策机制，以确保在AI时代的浪潮中稳健前行。