大模型的智能上限究竟有多高？在人工智能狂飙式发展的当下，这个问题成为业界争论的焦点。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给出了自己的答案：现阶段AI的能力边界与智能天花板都远未到来，整个行业依旧行驶在高速进化的轨道上。
在11月12日的发言中，徐天天拆解了推动模型能力攀升的动力结构。她认为，近期人工智能水平的快速抬升并非某一项技术单独作用的结果，而是三条增长曲线相互叠加、彼此放大的产物。
最基础的一条，是延续多年的预训练路线。算力集群的扩张、能源供应的保障以及参数规模的爬坡，构成了这条曲线的传统支柱，目前它仍处在上升通道中，没有出现停滞的信号。
第二条曲线出现在训练与推理环节。思维链方法的引入，配合面向推理侧的专项训练，让模型在逻辑推演和复杂任务拆解上完成了质的跨越。
第三条则与智能体的系统设计有关。智能体本身连同其控制框架——业内常说的Harness工程——不断迭代升级，把整个系统的协同上限推向了新的高度。
技术狂奔的同时，徐天天也点出了落地环节的一块短板：企业在工作流重塑和内部制度设计上的推进速度，明显跟不上模型自身的迭代节奏。
这种技术快、组织慢的错位，在她看来正是行业需要正视的现实。企业若只把大模型当作工具接进现有系统，很难释放其真实价值；唯有在组织架构和业务流程层面做出深层调整，才能把底层技术的爆发力兑换成看得见的商业回报与生产效率。
