来源：睿见 Economy

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。