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。尽管资本对AI领域的投入持续加大，但这并不直接等同于未来回报的确定性增强。

萨金特教授分析道，AI当前所取得的显著进步，主要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，在他看来，AI发展的真正前沿，在于能否实现从“开普勒阶段”到“牛顿阶段”的跨越——即不仅满足于发现数据间的相关性，更要能够深入理解和揭示事物背后的内在结构，实现训练数据之外的广泛泛化能力，并具备识别自身知识局限性的智慧。

面对AI带来的深刻变革，萨金特教授强调，无论是企业界、投资界还是监管机构，都不能仅仅依赖于理想化的模型来预测未来。相反，必须正视模型的固有局限性，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景的决策机制。这样，才能在AI时代的浪潮中，把握机遇，应对挑战，实现可持续发展。