11月12日，正在北京举行的第十七届财新峰会上，Kimi母公司月之暗面的金融行业与生态负责人徐天天给出了这两天被反复转发的判断：AI的能力边界，或者说智能上限，还远远没有达到，甚至还在加速进化。和"AI无所不能"式的口号不同，他给出的是一套可以拆开看的框架。财新网
他把AI的能力水平说成三条曲线共同叠加的结果：一是算力、能源、参数等构成的预训练曲线，目前仍在增长；二是后训练和推理端带来的增长，它让大模型拥有了思维链；三是智能体设计，智能体及其整个harness（控制框架）工程越来越复杂，同样在推高智能上限。翻译成普通人的语言：第一条曲线决定AI的底座有多宽，第二条决定它一次能想多深，第三条决定它能替你办成多少事——三条都还没到头，叠加起来就是你偶尔感受到的"AI突然更好用了"。财新网
第一条曲线：底座还在加宽，但卡脖子的环节更多了
预训练是三条曲线里最昂贵的一条：把海量文本、代码和图像喂给模型，靠算力、能源和参数规模把知识底座垫厚。徐天天说这条曲线仍在增长，同一个会场里，另一家公司感受到的则是供给跟不上。硅基流动CEO袁进辉直言，现在是严重的生产受限，无论是芯片、内存、机房还是供电，各个环节都受限，从需求端看算力远远不够。财新网
但增长不等于没有约束。中国水利电力质量管理协会会长王广辉在同一峰会上提醒，行业需要厘清电力、水资源等约束和产业实际需求，警惕以算力概念圈地、脱离实际需求盲目建设——用他的话说，现在算力的投入和投资还没有到摘果子的时候。第一条曲线想继续往上走，烧的不只是钱，还有电和水。财新网
第二条曲线：从"答得快"到"想得深"，思考正在变便宜
第二条曲线常被称作推理侧的扩展。预训练让模型"读完了所有书"，后训练和推理端教的是怎么用书：遇到难题先打草稿，把推理过程一步步写出来再给答案，这就是徐天天提到的思维链。代价是单次回答消耗的算力更多，好处是能力上限被明显抬高。
两条曲线合流的真正结果，是同等能力的价格不断下跌。美国研究机构Epoch AI今年9月发布的报告《The Plunging Price of Thought》测算，2023年以来，要达到同样的AI能力水平，成本每季度下降约47%，一年约13倍。报告举过一个直观例子：同一套物理评测中，2025年1月OpenAI的o3拿到75分、平均每题0.3美元；不到18个月，GPT-5.6 Luna打出同样的分数，每题只要0.0004美元，便宜了725倍。这解释了很多人"模型在变强、账单却没变贵"的困惑：单位"思考"的价格在快速坍塌，这是AI能力扩散到大众手里的前提。报告作者同时提醒，基准分数可能被"刷"高，降价速度并不等于每个真实场景的体验速度。知乎
第三条曲线：从会说话到会办事
第三条曲线离普通用户最近。模型本身只是发动机，把能力变成生产力，靠的是发动机外面那一整套工程：调用工具、记住上下文、拆解任务、执行到一半发现不对再回头纠错——徐天天说的harness（控制框架）就是这一层，而且它"越来越复杂"。
变化已经能在需求端看到。袁进辉描述过这条曲线带来的跃升：从两三年前说话的能力超过人，到近期智能体在办事能力上的跃升，每一次能力提升都带来对Token（词元）需求的爆发式增长。最近几个月用户最能感知的升级——AI开始能查资料、写代码、一口气跑完一个多步骤流程——更多来自这一层的工程推进，而不是模型又"读"了多少书。财新网
普通人的观察清单：盯三个信号
把三条曲线叠在一起，所谓迭代逻辑其实很朴素：能力不来自任何一条曲线的孤军突进，而来自底座、思考、办事三者的乘积；每一次"AI突然好用"，往往是其中一条或两条曲线刚跨过临界点。对普通人，不必记住曲线本身，只需要盯三个信号——同等能力的价格还在降，说明第二条曲线仍在兑现；AI一次能办完的任务在变长，说明第三条曲线在推进；机房、电力、水资源的约束新闻变多，说明第一条曲线在减速，成本随时可能反弹。
另一面也该记住："远未达到上限"出自大模型厂商在公开论坛上的方向性陈述，不是对任何行业、任何时间表的承诺；同一场峰会上"没到摘果子的时候"的提醒，说明产业内部对节奏本身就存在分歧。三条曲线还在叠加，但真正值得普通人关心的，从来不是终点在哪，而是下一段进步会先落在自己的哪件事上。
