9月9日，2011年诺贝尔经济学奖获得者、纽约大学知名教授托马斯·萨金特（Thomas Sargent）在2026Inclusion·外滩大会的见解论坛上发表了重要观点。他指出，人工智能（AI）正日益成为驱动全球经济增长的关键因素，然而，在AI领域的投资、战略决策以及相关政策制定方面，却面临着前所未有的不确定性。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确定性增强。

萨金特教授分析道，AI当前所取得的显著进步，很大程度上归功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。然而，在他看来，AI发展的真正前沿，在于能否从当前的“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内在结构，实现训练数据之外的高效泛化，并明确自身知识边界的阶段。

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走向。相反，他们必须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，并构建起能够灵活应对各种可能性的决策机制。只有这样，才能在AI浪潮中稳健前行，把握机遇，规避风险。