诺奖得主萨金特，AI新经济仍处'开普勒阶段',面对未知需保持谦逊

在人工智能技术迅猛发展的今天，如何理解其对经济的影响成为各界关注的焦点。2026年9月9日，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）在2026 Inclusion·外滩大会见解论坛上发表演讲，就AI与经济增长的关系提出了重要观点。

萨金特指出，当前AI的发展阶段类似于17世纪的天文学家开普勒。尽管AI已经能够从海量数据中识别模式、拟合规律并进行预测，但这并不意味着它真正理解了世界的运行机制。"我们正身处‘未知’的核心，"萨金特表示，"AI正在改变生产率，也正在改变企业研发、金融投资、教育科研和消费服务，但这些变化的具体影响目前尚无法确定。"

在演讲中，萨金特用开普勒和牛顿的类比来说明这一观点：开普勒通过大量天文观测数据总结出行星运行的规律，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，"萨金特说，"它擅长发现相关性，但能否进一步理解和推断事物背后的结构，实现训练数据之外的泛化，并识别自身知识的边界，这是AI面临的真正挑战。"

萨金特特别强调了"不确定性"在AI时代的重要性。他指出，AI带来的许多变化属于经济学意义上的"不确定性"，即人们甚至无法准确知道未来可能出现什么，以及各种结果发生的概率。这与传统的"风险"概念不同，后者虽然结果未知，但概率大致可以估计。

"AI正在深入金融投资、企业经营、科研创新和公共政策等领域，"萨金特说，"这意味着如何面对不确定性，将成为AI时代越来越重要的经济问题。"他提醒，每一种AI算法都包含特定的参数化模型和关于世界的隐含假设，当环境发生变化或出现训练数据之外的新情况时，模型可能会失灵。

基于长期研究的"稳健控制"理论，萨金特提出了一种应对策略：决策的目标不是找到一个绝对正确的模型，而是让决策在模型出现偏差甚至错误时依然能够保持相对可靠。"不能只问‘如果模型是对的，最优选择是什么’，还要问‘如果模型错了，这个选择还能不能承受’。"他说。

萨金特认为，面对AI带来的巨大变化，无论是企业、投资者还是监管者，都需要承认模型的局限性，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。"这或许也是理解AI新经济的另一面：AI带来的不仅是更强大的预测能力，也带来了对未知边界的重新认识。对今天的AI而言，真正稀缺的或许不是更多预测，而是在预测之外，承认未知、保留余地，并在不确定中做出更稳健的选择。"

这场演讲引发了与会者的广泛讨论，尤其是在AI投资、企业战略制定和公共政策设计等领域。专家们普遍认为，萨金特的观点为理解AI新经济提供了一个重要的框架，特别是在当前AI技术快速迭代、应用场景不断拓展的背景下，如何平衡创新与风险、预测与不确定性，将成为决定AI能否真正推动可持续经济增长的关键因素。