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增长的关键引擎，然而，在围绕AI展开的投资活动、决策制定以及政策导向等方面，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领域的投入规模持续扩大，但这并不直接等同于未来回报的确定性增加。AI当前的显著进步，在很大程度上得益于数据量的爆炸性增长、计算能力的飞跃式提升，以及模型复杂度的不断加深。

在萨金特教授的视角下，AI发展的真正前沿，在于其能否从当前的“开普勒阶段”——即主要依赖数据发现事物间相关性的阶段，迈向“牛顿阶段”——即能够深入理解并推断事物背后本质结构，实现训练数据之外的高效泛化，并准确识别自身知识边界的阶段。这一转变，对于AI技术的长远发展和广泛应用至关重要。

面对AI带来的深刻变革，萨金特教授建议，无论是企业决策者、投资者还是政策监管者，都应避免过度依赖单一理想化模型来预测未来。相反，他们应当认识到模型的固有局限性，为未知因素和潜在错误预留足够的应对空间，并构建灵活多变的决策机制，以适应AI技术发展可能带来的各种不确定性。