專題：2026 Inclusion·外灘大會

　　新浪科技訊 9月9日下午消息，在2026 Inclusion·外灘大會「AI經濟增長新範式與社會價值重構」論壇上，2011年諾貝爾經濟學獎得主、紐約大學教授托馬斯·薩金特（Thomas Sargent）表示，AI正在成為推動經濟增長的重要力量，但圍繞AI的投資、決策與政策制定，也正面臨巨大的不確定性。資本投入的規模不斷擴大，並不意味着未來回報就更加確定。

　　在薩金特看來，理解AI正在帶來的經濟變化，首先需要承認一個事實：我們正在進入一個「知道AI很重要，卻還不知道它究竟會把經濟帶向哪裏」的階段。

　　他用17世紀的開普勒和牛頓作比。

　　開普勒通過大量天文觀測數據，總結出了行星運行的規律，但當時並不知道這些規律背後的物理原因；牛頓則進一步解釋了這些規律背後的基本原理。「今天的AI有點像開普勒。」薩金特表示。

　　但在薩金特看來，AI真正的前沿，是能否從「開普勒階段」走向「牛頓階段」——不僅能夠發現相關性，還能夠進一步理解和推斷事物背後的結構，在訓練數據之外實現更好的泛化，並能夠識別自身知識的邊界。

　　「我們還不知道AI什麼時候會進入‘牛頓階段’。」薩金特說。

　　薩金特提醒，很多人會把神經網絡理解成一種「無模型」的學習方式，但實際上，每一種AI算法都包含特定的參數化模型，也包含大量關於世界的隱含假設。在熟悉的數據和環境中，一個模型可能表現得非常出色，但當環境發生變化、出現訓練數據之外的新情況時，模型也可能失靈。

　　「我們正身處‘未知’的核心。」薩金特說。因此，他反覆強調「謙遜」。

　　在他看來，面對AI帶來的巨大變化，無論是企業、投資者還是監管者，都不能僅僅依據一個理想化的模型預測未來，而需要承認模型存在侷限，為未知和錯誤留下空間，並建立能夠應對不同可能性的決策機制。

　　新浪聲明：所有會議實錄均為現場速記整理，未經演講者審閱，新浪網登載此文出於傳遞更多信息之目的，並不意味着讚同其觀點或證實其描述。