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持续增长的关键引擎，然而，在AI领域的投资、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的投入规模持续攀升，但这并不直接等同于未来收益的必然增加，风险与机遇并存。

萨金特教授分析认为，AI当前所取得的显著进步，主要归功于海量数据的积累、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——即不仅揭示数据间的相关性，更要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，并能够清晰界定自身知识的边界。

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，必须正视模型的局限性，为未知因素和潜在错误预留足够的空间，并构建起能够灵活应对各种可能性的决策机制。这种前瞻性的思维和策略，对于把握AI发展的脉搏，引领未来经济的新方向至关重要。