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。

萨金特教授指出，AI正日益成为驱动全球经济增长的关键因素，然而，在围绕AI进行的投资、决策制定以及相关政策规划方面，却存在着诸多不确定性。他特别强调，尽管资本对AI领域的投入规模持续攀升，但这并不等同于未来回报的必然性增加。

在深入剖析AI发展现状时，萨金特教授提到，当前AI所取得的显著进步，很大程度上得益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。然而，在萨金特教授看来，AI真正的突破点在于能否实现从“开普勒阶段”向“牛顿阶段”的跨越。这意味着AI不仅要能够发现数据间的相关性，更要能够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，并准确识别自身知识的边界。

面对AI带来的深刻变革，萨金特教授给出了中肯的建议。他认为，无论是企业、投资者还是监管者，都不能过分依赖理想化的模型来预测未来。相反，他们应该正视模型的局限性，为可能出现的未知情况和错误预留足够的空间，并构建一套能够灵活应对各种可能性的决策机制。