2026年5月15日，北京大学汇丰商学院英国校区AI经济学前沿国际会议（PHBS UK Conference on Frontiers of AI in Economics）举行。40余位来自中国、英国、美国、意大利、德国、瑞士等国家的知名学者齐聚英国牛津郡，围绕人工智能如何重塑全球金融体系与经济理论展开深入探讨。

会议现场

北大汇丰商学院助理教授、英国校区副主任Domenico Tarzia在开幕致辞中表示，本次会议汇聚了来自经济学、金融学与统计学等领域的学者，期待参会者能够在严谨讨论中激发新的思想，进一步推动更多跨学科、跨地区的学术合作。

2011年诺贝尔经济学奖得主、北京大学汇丰商学院萨金特数量经济与金融研究所荣誉主任、纽约大学经济学与商学W.R. Berkley讲席教授托马斯·萨金特（Thomas J. Sargent）发表题为《作为机器学习者的爱因斯坦》（Einstein as Machine Learner）的主旨演讲。他以经济学方法论和科学思想史为线索，比较人类智能、统计学习与现代AI的共同逻辑，强调机器学习并非单纯算法，而是延续了以数据、函数和理论进行归纳分析的科学传统。与会者就AI是否能够产生原创理论、经济学中的学习机制，以及人类直觉的局限等话题展开讨论。

左至右：Domenico Tarzia、托马斯·萨金特、王鹏飞

欧洲大学学院荣休教授Ramon Marimon和研究员Matteo Munton介绍了合作论文《我们从宏观学习中学到什么，如今又从宏观AI中学到什么？》（What Have We Learned from Macro-learning Then and What Can We Learn from Macro-AI Now?）以及《人工智能生成的预期与市场稳定性》 （AI-generated Expectations and Market Stability）。论文将AI预测主体置于存在多重均衡的宏观模型中，考察其在不同信息、记忆机制和外部信号下的预期形成与市场协调行为。结果表明，AI代理能够在一定程度上模拟人类预测模式，但其行为高度依赖模型能力、背景信息、记忆结构和实验设计。参会者围绕AI代理的实验有效性及其对市场波动的潜在影响展开讨论。

宾夕法尼亚大学副教授Winston Wei Dou介绍了合作论文《人类优势，机器局限：金融市场中的算法羊群效应与人机博弈》（Human Edge, Machine Limits: Algorithmic Herding and AI-Human Competition in Financial Markets）。论文构建了AI投资者与不同认知水平人类投资者竞争的理论框架，发现AI会因训练数据来自平均人类行为而受到限制，并可能在市场份额扩大时形成算法趋同和价格冲击，而高水平人类投资者仍可能表现更优。论文引发了参会者对AI交易监管、算法羊群效应、市场效率和金融稳定等问题的进一步讨论。

左至右：Ramon Marimon、Matteo Munton、Winston Wei Dou

苏黎世大学教授Felix Kübler介绍了论文《均衡流形上的贝叶斯优化》（Bayesian Optimization on the Equilibrium Manifold）。在高维一般均衡模型和复杂经济计算日益重要的背景下，论文提出将贝叶斯优化与均衡流形结合，用于在满足均衡条件的可行空间中寻找目标函数较优的参数、政策或配置。结果表明，将经济理论约束嵌入机器学习搜索过程，有助于提高复杂模型求解效率。参会者围绕均衡计算、模型识别和AI辅助经济理论研究展开讨论。

洛桑大学副教授Simon Scheidegger介绍了合作论文《利用机器学习计算受约束的最优碳税规则》（Using Machine Learning to Compute Constrained Optimal Carbon Tax Rules）。论文在包含代际重叠、随机气候风险和临界点损害的宏观模型中，引入机器学习工具求解最优碳税设计问题。结果表明，碳税可以降低排放和气候风险，但若要获得当前世代的政治支持，需要通过转移支付进行补偿。带有最优转移支付的简单累积排放碳税可以实现约0.42%的消费等价福利增益，而进一步加入碳强度和气候临界点等更复杂税基后，福利增益仅小幅上升至约0.45%。参会者围绕政府承诺可信度及政策现实适用性展开讨论。

香港浸会大学助理教授董丁介绍了合作论文《有限理性LLM代理的实验宏观经济学：价格水平财政理论的应用》（Experimental Macro with LLM Agents of Bounded Rationality: with an Application to the Fiscal Theory of Price Level）。论文将LLM代理引入结构化宏观经济环境，构建可控的“一般均衡实验室”，用于研究预期形成和均衡选择机制。研究发现，LLM代理能够展现类似人类实验中的有限理性特征，并在价格水平财政理论相关模型中形成不同通胀均衡；可信改革比“表面改革”更能带来持续的去通胀效果。与会者随后围绕情境设定、政策可信度和prompt设计展开讨论。

左至右：Felix Kübler、Simon Scheidegger、董丁

闭幕致辞中，北京大学博雅特聘教授、汇丰商学院院长王鹏飞教授向托马斯·萨金特教授、各位报告人、与会嘉宾、组织团队和志愿者表示感谢。他指出，本次会议议题前沿、讨论深入，具有高度吸引力。他介绍了北大汇丰英国校区和学院国际化办学情况，并向与会学者发出访问深圳的邀请，期待未来持续深化国际学术交流。

会议由北大汇丰副教授、萨金特数量经济与金融研究所副主任史蛟主持。

部分与会人员合影留念

本次会议由北京大学汇丰商学院萨金特数量经济与金融研究所和北京大学汇丰商学院英国校区联合主办。作为北大汇丰英国校区推动国际化学术交流的重要活动之一，会议以“学术对话·全球视野”为宗旨，展示了AI与经济学融合发展的最新研究成果，也为全球学者搭建了高水平的思想交流平台。未来，学院将继续依托国际化办学优势，推动前沿研究与国际交流，为人工智能时代的经济学创新贡献更多智慧与力量。