5月29日，在深交所2026全球投资者大会上，2011年诺贝尔经济学奖得主、 纽约大学经济学教授托马斯 · 萨金特（ Thomas Sargent）表示，中国AI供应链有诸多值得乐观的理由。
萨金特将人工智能定义为对人类三种智能活动的模拟：模式识别、泛化能力与决策。他指出，AI的开发主要依赖四类工具——统计学、生物学、经济学与物理学。但这形成一个“美妙的悖论”：人类天生适合狩猎采集，而非现代生活所需的这些学科，教育正是为了克服这一认知障碍。
在能力评估上，萨金特认为AI擅长检测和组织模式、处理海量数据集，能完成人类觉得乏味或易错的任务。但其局限性同样明显。他引用冯·诺依曼和库普曼斯的框架，区分了“开普勒阶段”（通过数据拟合出数学模型）与“牛顿阶段”（深入挖掘结构模型）。萨金特指出，当前AI在开普勒阶段表现出色，但在牛顿阶段尚未展现强大实力。
关于AI与人类的关系，萨金特从经济学家视角提出替代与辅助之分。他观察到，不少学生将AI作为替代工具，跳过基础知识学习。他本人有学习障碍，深知苦学的价值。他认为，真正掌握基础知识的人能让AI成为辅助和“能量倍增器”，而非主宰者。
谈及AI供应链，萨金特将其定义为一个包含物理组件（芯片、电网、数据中心）、人力资本（从家庭到科研机构的人才培养体系）及制度环境（监管、开源生态等）的复杂系统。他以中美对比为例，指出中国在基础教育、理工科人才培养方面投入显著，但也面临电力、芯片及贸易壁垒带来的瓶颈。
作为外部观察者，萨金特认为中国在AI供应链上做了诸多深思熟虑的权衡，有乐观的理由。他强调，AI领域的领先并非单一模型测试得分高低所能定义。