在人工智能发展速度引发广泛讨论的当下，大模型的能力边界究竟在哪里?在11月12日举行的第十七届财新峰会上，月之暗面金融行业与生态负责人徐天天发表了专业观点，明确指出当前 AI 的能力边界与智能上限还远远没有达到极限，行业整体依然处在加速进化的快车道中。

三条叠加的增长曲线:驱动大模型持续进化的底层逻辑

在主题发言中，徐天天对人工智能的进化动力进行了深入剖析。她指出，当前 AI 能力水平的快速跃升并非单一因素造成，而是三条关键增长曲线共同叠加、同频共振的结果:

第一条:传统的预训练曲线。 这涵盖了算力基础设施、能源供给以及模型参数规模等传统维度的持续增长，目前这条基础曲线依然保持着上升势头。

第二条:后训练与推理端的曲线增长。 通过引入思维链（Chain of Thought）以及针对推理侧的专项训练，大模型在逻辑思考和复杂问题拆解上的能力得到了质的飞跃。

第三条:智能体（Agent）的系统设计。 随着智能体自身及其复杂的控制框架(Harness 工程)不断迭代升级，整个系统的协同上限被进一步拉高。

行业转型的深层审视:技术迭代远超制度设计

在大模型技术狂飙突进的同时，徐天天也指出了行业在实际应用和生态落地中面临的一大现实挑战:企业在工作流重塑以及内部制度设计上的推进速度，目前远远落后于模型自身迭代的步伐。

这种技术发展与组织变革之间的速度差，意味着企业在拥抱人工智能变革时，不能仅仅停留在工具层面的接入，更需要从组织架构和业务流程上进行深度适配，才能真正将底层技术的爆发力转化为切实的商业价值与生产力。