诺贝尔经济学奖得主萨金特：美国AI巨额投资建立在可疑模型之上

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·萨金特在2026 Inclusion·外滩大会见解论坛上表示，美国正涌入AI的巨额投资建立在可疑的模型之上，没人真正知道这些模型最终会产出什么。

萨金特将当前AI发展阶段比作17世纪天文学领域的“开普勒阶段”。开普勒通过大量观测数据总结出行星运动的规律，但尚未理解这些规律背后的物理原因；牛顿则进一步揭示了规律背后的基本原理。萨金特认为，当前AI擅长从海量数据中识别模式、拟合规律并进行预测，但这并不意味着它已经真正理解世界为何如此运行。AI能否走向“牛顿阶段”，即在训练数据之外实现更好泛化、推断事物背后的结构并识别自身知识边界，仍是未知数。

他指出，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，在熟悉的数据与环境中可能表现出色，但面对训练数据之外的新情况时也可能失灵。这使围绕AI的投资、决策与政策制定面临巨大不确定性。萨金特强调，面对AI带来的变化，企业、投资者和监管者应保持谦逊，不能仅依据理想化模型预测未来，而需承认模型存在局限，为未知和错误留出空间，并建立能够应对不同可能性的决策机制。