诺贝尔经济学奖得主萨金特：AI发展面临不确定性，需跨越至“牛顿阶段”

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正逐步成为驱动全球经济持续增长的关键引擎，然而，在AI领域的投资决策、战略规划以及政策制定方面，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的投入规模在持续扩大，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，需要更加审慎和全面的考量。

他进一步分析，AI之所以能取得今天的显著进展，很大程度上得益于海量数据的积累、计算能力的飞跃以及模型复杂度的不断提升。然而，在萨金特教授看来，AI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。这意味着AI不仅要能够发现数据之间的相关性，更要能够深入理解和推断事物背后的内在结构和规律，从而在训练数据之外实现更广泛的泛化应用，并具备识别自身知识边界的能力。

面对AI带来的深刻变革，萨金特教授呼吁企业、投资者和监管者都要保持清醒的头脑。他指出，不能仅仅依赖一个理想化的模型来预测AI的未来走向，而必须承认模型的局限性，为未知和错误预留足够的空间。同时，还需要建立一套灵活多变的决策机制，以应对AI发展过程中可能出现的各种不确定性和风险。