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，却面临着前所未有的不确定性和挑战。

萨金特教授强调，尽管资本对AI领域的投入规模持续扩大，但这并不直接等同于未来回报的确定性增加。相反，AI的快速发展带来了更多的变数和未知因素，需要更加谨慎和全面的考量。

他进一步解释说，AI之所以能取得今天的显著进展，很大程度上得益于前所未有的数据规模、强大的计算能力以及日益复杂的模型架构。然而，在萨金特教授看来，AI真正的突破点在于能否从当前的“开普勒阶段”——即主要依赖数据发现事物之间的相关性，迈向“牛顿阶段”——即能够深入理解和推断事物背后的本质结构，实现训练数据之外的广泛泛化，并清晰识别自身知识的边界。

面对AI带来的深刻变革，萨金特教授呼吁企业、投资者和监管者都不能仅仅依赖于一个理想化的模型来预测未来。相反，他们应该承认模型的局限性，为未知和错误预留足够的空间，并构建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，把握机遇，应对挑战。