诺奖得主萨金特：AI 供应链 + 中国深思熟虑的权衡 + 开普勒 vs 牛顿阶段
诺奖得主萨金特：AI 供应链 + 中国深思熟虑的权衡 + 开普勒 vs 牛顿阶段
来源类型： 经济学家深度演讲
日期： 2026-05-29
标签： #萨金特 #诺贝尔奖 #AI供应链 #中国AI #开普勒阶段 #牛顿阶段 #经济学 #深交所
演讲者背景
托马斯·萨金特（Thomas Sargent）：
- 2011 年诺贝尔经济学奖得主
- 纽约大学经济学教授
- 演讲场合：深交所 2026 全球投资者大会（5 月 29 日）
核心论点
"中国在 AI 供应链上做了诸多深思熟虑的权衡，有乐观的理由。"
"AI 领域的领先并非单一模型测试得分高低所能定义。"
智能的三大类型
"所谓智能，它是一系列的活动，有智能的人类所开展的各项活动，包括三种类型：
1. 模式识别——收集数据，归纳成模式
2. 泛化能力——从历史数据观察，应用到新模式
3. 决策——形成行为"
AI 开发的四类工具
| 工具 | 内容 |
|---|---|
| 统计学 | 概率论、相对频率、拟合模型 |
| 生物学 | 生命产生、繁衍、死亡、进化 |
| 经济学 | 生产、分配、定价、价值交换 |
| 物理学 | 时间、空间、运动、各种力 |
美妙的悖论
"这些是科学家用来构建开发 AI 的工具，但是 Steven Pinker 说到——人类经过了几十年，甚至数万年的进化之后，我们本来是作为狩猎者和采集者的，我们天生人类就是去狩猎采集的……人适合做狩猎，人适合做采集，但人不适合这种现代生活。"
"那它进入了我们的一些常识，也是我们进化之后现代生活做的一些事情，其实并不适合解决我们生活当中的问题。"
AI 擅长 vs 不足
AI 擅长
- 检测和组织归纳各种模式
- 模拟复杂的函数（大语言模型用最小二乘法估计非线性函数）
- 处理大数据集（像 DeepSeek 这样的现代 AI）
- 乏味或易出错的任务（人类不想做的）
AI 不足——开普勒 vs 牛顿阶段
"像冯·诺依曼和库普曼斯（Koopmans）这样的现代科技的开创者，他们说有两个阶段，一个是开普勒阶段，一个是牛顿阶段。"
"AI 现在在开普勒阶段表现很好，在开普勒阶段 AI 非常出色，但是它在牛顿阶段的实力还没有展现出来。"
| 阶段 | 描述 | AI 表现 |
|---|---|---|
| 开普勒阶段 | 模式识别、归纳、拟合曲线 | AI 出色 |
| 牛顿阶段 | 深挖本质、得出结构性模型 | AI 不足 |
AI 是替代还是辅助
"AI 不是替代，AI 是辅助，是一种补充，它是一种能量的倍增器，你成为 AI 的主宰，你给 AI 提出问题、纠正问题、引导它解决。"
萨金特的中国学生案例
"我有一个 20 多岁的中国学生，对他来说，AI 就等于他手下有一大批的研究员为他服务，他在这个年龄段就能掌握一支研究助理的大军。"
"关键的经验是 AI 能够提高我们学习基础知识的回报率。"
AI 供应链 = 系统
三大组成部分
- 物理组成部分——机器、电网、发电机、可再生能源、半导体、芯片、数据中心
- 人力资本——人才输送管道（家庭、教育、工作、研究、政府）
- 生态系统——开源计算、大语言模型、数据中心、监管环境
供应链脆弱性
"供应链是一个系统，它有不同的组成部分，而且它们要整合在一起。应该说它是一个社会主义的一种事业。系统的一个薄弱环节就会危及整个整体。"
中国 AI 供应链的优势
萨金特的"局外人"视角
"我是一个中国的局外人，我也是来中国做客的。但从一个外部的视角来看，我觉得中国有非常多的深思熟虑让中国的供应链能够做各种的权衡，这里是下了功夫的。"
三大优势
1. 基础教育扎实
"我作为美国人，过去四五年我可以看到，其实我最好的学生是跑到中国去读中小学，因为那里可以学到基础知识，有自主权使用各种工具。"
2. 电力 + 电池
"电力是 AI 的一个瓶颈。中国在电池等其他领域做了很多。"
3. 人力资本 + 开源
"中国打造的基础设施，包括科学、技术的学生培养，这个是在国与国比较当中处于一个非常了不起的地位。"
核心警告
"AI 供应链的最后一个瓶颈就是人力资本的瓶颈——你再看看中国打造的基础设施……这个在国与国比较当中处于一个非常了不起的地位。"
与已有知识的关联
- wiki/entities/thomas-sargent — 托马斯·萨金特
- wiki/entities/shenzhen-stock-exchange — 深交所
- wiki/concepts/ai-supply-chain — AI 供应链
- wiki/concepts/china-ai — 中国 AI
- wiki/concepts/kepler-stage — 开普勒阶段
- wiki/concepts/newton-stage — 牛顿阶段
- wiki/concepts/ai-as-multiplier — AI 作为倍增器
- wiki/concepts/human-capital — 人力资本
资料来源
- 原文：https://mp.weixin.qq.com/s/rU6Gnpzow7-uyqoyU-g4WQ
- 原始文件：
raw/articles/BAT国内/诺奖得主萨金特最新演讲：AI供应链与中国.md - 来源：中国企业家俱乐部
我的判断（高置信度）
这是 2026 年 AI 经济学领域最权威的国际专家观点——诺奖得主从供应链视角看中国 AI。
关键洞察：
1. "AI 不是单一模型测试" —— 系统性视角
2. "开普勒阶段强 / 牛顿阶段弱" —— AI 真实能力边界
3. "中国供应链深思熟虑" —— 局外人视角
4. "电力 + 教育 + 开源" —— 中国三大优势
5. "AI 作为倍增器" —— 而非替代
6. "供应链薄弱环节危及整体" —— 系统思维
预测：
- 2026 H2：AI 供应链概念可能成为政策焦点
- 2027：可能形成"AI 供应链"国际评估标准
- 2028：AI 可能在"牛顿阶段"突破
- 对中国政策制定者的建议：
- 继续发挥基础教育和电力优势
- 支持开源生态
- 关注人力资本长期投资
- 对中国企业的建议：
- 不要只看模型测试得分
- 重视供应链整体能力
- AI + 基础科学结合 是方向
- 对全球 AI 治理的建议：
- 建立 AI 供应链国际合作
- 避免薄弱环节攻击
- 促进开源共享
- 对学术界的启示：
- 从"开普勒"到"牛顿"是研究方向
- AI + 基础科学是突破路径
- 结构性模型 是核心