结论：月之暗面金融行业与生态负责人徐天天在 2026 年 11 月 12 日财新峰会上表示，AI 能力上限远未到达，预训练、后训练与智能体三条曲线叠加，正推动 AI 迭代继续加速。
关键数字：三条增长曲线 / 科技企业 AI 渗透率已处高位 / 金融医疗等行业容错率低。

增长曲线	含义	当前状态
预训练算力曲线	算力、能源、参数规模扩张	仍在增长
后训练与推理曲线	从快思考到慢思考，形成思维链	已展现思考链路
智能体设计曲线	Agent 控制框架更复杂，抬高智能上限	设计复杂度上升

三条曲线如何叠加

徐天天将 AI 能力提升拆解为三条曲线：其一是传统预训练曲线，包含算力、能源与参数规模，目前仍在增长；其二是后训练与推理端曲线，让大模型从”快思考”转向”慢思考”，展现出思考链路；其三是智能体（Agent）设计曲线，控制框架（harness）工程日益复杂，进一步抬高智能上限。

她强调，三条曲线目前都在增长，叠加之后导致 AI 迭代速度加快。这意味着，单看某一维度会低估整体演进节奏。

企业落地的瓶颈转移

徐天天指出，企业拥抱 AI 的瓶颈已经发生三次转移：最初卡在”如何提问”，后来变为”资料整理”，现在则卡在”AI 系统搭建”。她认为，当前企业制度与流程的设计速度，远远慢于模型的迭代速度。

在行业渗透上，科技企业 AI 渗透已达到很高比例，但金融、法律、医疗等行业的渗透仍有距离。原因在于代码工作的可验证性高、成本低，而金融医疗等行业验证成本高、容错率低、系统复杂，形成现实冲突。

月之暗面在做什么

徐天天表示，月之暗面正在与行业一起探索 AI 在金融等容错率较低场景的落地路径。这类场景对准确性与合规要求更高，需要更稳妥的部署方式。

她未给出具体产品时间表，但明确将”智能体独立完成任务的时长增长”视为迭代加速的直接信号，认为 AI 正从”打杂”切入更深的工作流程。

对产业而言，三条曲线叠加的判断意味着 AI 能力仍处上升通道，短期内难言触顶。

值得注意的是，模型能力跑在企业管理与制度改造之前，落地瓶颈正从技术转向组织。这意味着，下一阶段竞争的关键，不只是模型参数，而是能否把智能体嵌入真实业务流程并解决验证与容错问题。

常见问题

徐天天是谁？

徐天天是月之暗面（Moonshot AI）金融行业与生态负责人，2026 年 11 月 12 日在第十七届财新峰会”以发展应变局”主题下发表上述观点。

AI 迭代真会一直加速吗？

这是基于三条增长曲线仍在增长做出的判断，属企业高管对趋势的研判，并非已验证的定量结论。若任一曲线放缓，整体节奏也会受影响。

对普通人有什么影响？

对普通用户而言，更长的智能体任务时长意味着 AI 助手能接管更复杂的连续工作；对企业而言，落地难点正从”会不会用”转向”如何把系统接进流程”。

信息来源：财新网、新浪财经 2026 年 11 月 12 日报道《月之暗面徐天天：AI 能力远未达到上限 还在加速进化》。