诺贝尔经济学奖得主萨金特：AI发展在“开普勒阶段”，尚未迎来“牛顿”

专题：2026 Inclusion·外滩大会

　　新浪科技讯 9月9日下午消息，在2026 Inclusion·外滩大会“AI经济增长新范式与社会价值重构”论坛上，2011年诺贝尔经济学奖得主、纽约大学教授托马斯·萨金特（Thomas Sargent）表示，AI正在成为推动经济增长的重要力量，但围绕AI的投资、决策与政策制定，也正面临巨大的不确定性。资本投入的规模不断扩大，并不意味着未来回报就更加确定。

　　在萨金特看来，理解AI正在带来的经济变化，首先需要承认一个事实：我们正在进入一个“知道AI很重要，却还不知道它究竟会把经济带向哪里”的阶段。

　　他用17世纪的开普勒和牛顿作比。

　　开普勒通过大量天文观测数据，总结出了行星运行的规律，但当时并不知道这些规律背后的物理原因；牛顿则进一步解释了这些规律背后的基本原理。“今天的AI有点像开普勒。”萨金特表示。

　　但在萨金特看来，AI真正的前沿，是能否从“开普勒阶段”走向“牛顿阶段”——不仅能够发现相关性，还能够进一步理解和推断事物背后的结构，在训练数据之外实现更好的泛化，并能够识别自身知识的边界。

　　“我们还不知道AI什么时候会进入‘牛顿阶段’。”萨金特说。

　　萨金特提醒，很多人会把神经网络理解成一种“无模型”的学习方式，但实际上，每一种AI算法都包含特定的参数化模型，也包含大量关于世界的隐含假设。在熟悉的数据和环境中，一个模型可能表现得非常出色，但当环境发生变化、出现训练数据之外的新情况时，模型也可能失灵。

　　“我们正身处‘未知’的核心。”萨金特说。因此，他反复强调“谦逊”。

　　在他看来，面对AI带来的巨大变化，无论是企业、投资者还是监管者，都不能仅仅依据一个理想化的模型预测未来，而需要承认模型存在局限，为未知和错误留下空间，并建立能够应对不同可能性的决策机制。

　　新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。