AI进化远未见顶,三大增长曲线揭示加速密码

在近期举办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分享了对于人工智能发展轨迹的深刻洞察。针对业界普遍关心的AI迭代速度问题,她给出了明确判断:当前的智能水平距离理论上限仍有巨大空间,而技术演进的速度不仅不会放缓,反而将在多重动力叠加下持续加快。

驱动迭代的三大核心曲线

徐天天将推动AI能力跃升的动力归结为三条相互交织的增长曲线。

  • 预训练算力曲线: 大规模算力投入仍是模型能力突破的基石。随着硬件性能提升与成本优化,更庞大、更复杂的模型训练成为可能,直接拓宽了AI的能力边界。
  • 后训练与推理的“慢思考”演进: AI的思考模式正在发生深刻转变。早期模型依赖直觉式的“快思考”,而现在,通过精细化的后训练(如指令微调、人类反馈强化学习)和推理过程优化,AI展现出更长的“思考链路”,能够进行更复杂、更深度的推理,即“慢思考”。这使得AI的输出更加精准、可靠且符合逻辑。
  • 智能体设计复杂化曲线: 智能体(Agent)的设计理念正从单一任务执行转向具备规划、记忆、工具使用等多模态能力的复杂系统。这种设计复杂度的提升,本质上是将多个AI能力模块进行有机组合与协同,从而创造出远超单个模型能力的“超级智能体”,极大提高了实际应用场景中的智能上限。

叠加效应催生指数级进步

徐天天强调,这三条曲线并非独立发展,而是产生了强大的叠加效应。更强大的基础模型(曲线一)为复杂智能体(曲线三)提供了更优质的“大脑”;而“慢思考”能力的增强(曲线二)则让智能体的决策过程更可控、更可信。三者共同作用,形成了AI技术迭代的正向循环,使得进步速度呈现指数级特征。

这一分析为行业展望提供了清晰的框架。它意味着,在未来一段时间内,我们将不仅看到模型参数的增长,更会见证AI在理解深度、决策质量以及与现实世界交互复杂度上的全方位突破。对于金融等高度依赖数据分析与风险判断的行业而言,这种加速进化将带来重塑业务流程与创新服务模式的巨大机遇。