一句话看懂：月之暗面金融行业与生态负责人徐天天在第十七届财新峰会上表示，AI的能力边界和智能天花板远未到来，大模型仍处在加速演化阶段，驱动力来自三层增长曲线的叠加。
事件核心：发生了什么
11月12日，在第十七届财新峰会上，月之暗面（Moonshot AI）金融行业与生态负责人徐天天发表演讲，围绕大模型的能力边界给出判断。她认为，当前AI的能力边界与智能天花板都远未触及，行业整体仍处于快速演进的轨道上。
支撑这一判断的是她对AI演进动力的拆解：第一层是传统预训练曲线，算力基础设施、能源供给和模型参数规模等维度仍在增长；第二层是后训练与推理侧的增长，通过引入思维链（Chain of Thought）和针对推理侧的专业化训练，大模型在逻辑思考和复杂问题拆解上实现了质变；第三层是智能体（Agent）的系统设计，随着Agent本身及其复杂控制框架（即Harness工程）持续迭代，整个系统的协作上限被进一步抬高。
为什么重要
这一表态来自国内头部大模型公司的一线业务负责人，其价值不在于给出新模型或新功能，而在于对技术路线节奏的判断。把增长归因于三条曲线的叠加，意味着行业竞争不再只拼参数和算力：后训练与推理优化决定了模型“想得清楚”的能力，Agent与系统框架则决定了模型“做得成事”的能力。对闭源和开源阵营而言，这提示竞争重点正从单点模型能力转向训练、推理与系统工程的整体配合。
徐天天同时指出一个现实落差：企业推进工作流重塑和内部制度设计的速度，目前明显落后于模型自身的迭代速度。技术演进与组织变革之间的速度差，是大模型在企业落地时绕不开的问题。
对用户/开发者/创作者的影响
对开发者来说，Agent框架和推理侧训练被列为独立增长曲线，意味着做AI应用的价值不只取决于调用哪个模型，还取决于如何编排工具链和控制流程；围绕思维链、推理优化和Harness工程的工程能力值得投入。对企业采购和业务负责人来说，把大模型接入现有系统只是表层集成，若组织结构与业务流程不随之调整，底层能力的爆发力难以转化为实际生产力。对普通用户，短期内更直接的体验来自推理能力提升带来的复杂任务表现，而非一夜之间的能力跃迁。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是月之暗面是否会在Agent框架或推理侧训练上推出可验证的产品能力，目前公开信息显示还停留在观点层面；二是企业侧的组织与流程改造能否跟上模型迭代节奏，形成可复用的落地案例；三是同类厂商在“预训练+后训练+Agent系统”三层上的投入节奏，是否会带动API能力和定价结构的变化。
来源：AIbase
