前言：AI 圈也有自己的“黑话”

你是不是也遇到过这种情况：

打开一篇 AI 文章，满屏都是“大模型”“神经网络”“强化学习”“Transformer”“token”“RAG”……

每个字都认识，连在一起就看不懂了。

这不是你的问题。AI 领域确实有太多专业名词，而且新词还在不断冒出来。

这篇文章整理了 60 个最常用的 AI 基础名词，用最简单的话解释清楚。

第一部分：最基础的概念（先搞懂这几个）

1. 人工智能

让机器像人一样思考、学习、做决定。

人工智能是一个非常宽泛的概念，所有让机器“变聪明”的技术都属于 AI。1956 年，美国达特茅斯学院的一次学术会议上首次提出了“人工智能”这个术语。从那以后，AI 经历了多次高潮和低谷，直到近十年才真正爆发。

一句话总结：让机器拥有“智能”的总称。

2. 机器学习

人工智能的一个核心子集。不写规则，而是让机器从数据里自己学规律。

传统编程是“输入规则+数据 → 输出答案”，机器学习是“输入数据+答案 → 学出规则”。比如：给它看 10 万张猫和狗的照片，并告诉它每张是什么，它自己学会区分猫和狗。

机器学习分为三大类：监督学习（有标签数据）、无监督学习（无标签数据，自己找规律）、强化学习（通过奖励和惩罚学习）。你手机上的输入法“越用越顺手”，就是因为它在不断学习你的打字习惯。

一句话总结：让机器从数据中自己找规律。

3. 深度学习

机器学习的一个子集。用“神经网络”来学习。

深度学习的“深度”指的是神经网络的层数很多（几十层甚至上千层）。层数越多，模型能学到的特征就越抽象、越高级。

深度学习是近十年 AI 大爆发的主要原因。2012 年，AlexNet 在图像识别竞赛中大幅超越传统方法，让全世界看到了深度学习的潜力。从那以后，深度学习几乎占领了所有 AI 领域——图像识别、语音识别、自然语言处理、下围棋（AlphaGo）都用它。

一句话总结：用多层神经网络进行的机器学习。

4. 神经网络

模拟人脑神经元结构的一种算法模型。

人脑有大约 860 亿个神经元，它们通过突触连接传递信号。神经网络就是受此启发设计的：有很多层“神经元”连接在一起，数据从输入层进去，经过一层一层的计算（隐藏层），从输出层出来。

每个神经元接收多个输入，加权求和后再通过一个“激活函数”决定是否“激活”并向后传递。训练神经网络的过程，就是不断调整神经元之间的“连接权重”，让网络的输出越来越正确。

一句话总结：受人脑启发设计的计算模型。

5. 训练

把数据“喂”给模型，让模型不断调整内部参数，直到输出结果符合预期。

训练就像教小孩认字——你给小孩看一张“猫”的图片，告诉他“这是猫”。如果他说错了，你纠正他。重复成千上万次，小孩就学会了。训练过程中，模型每处理一批数据，就计算一下“错得有多离谱”（损失函数），然后根据错误程度调整参数（反向传播），让下次更准。

一句话总结：让模型从数据中学习的过程。

6. 推理

训练完成之后的使用阶段。给模型一个输入，它根据训练学到的知识，计算出输出结果。

你问 ChatGPT 一个问题，它回答你——这个过程就是推理。训练是一次性的（或者定期进行的），成本很高；推理是反复进行的，每次成本很低。训练像“上学”，推理像“考试”。

一句话总结：用训练好的模型来回答问题的过程。

7. 模型

一个已经训练好的“数学函数”或“程序文件”。

你可以把模型理解为一个“脑子”——里面存着训练学到的所有知识，以大量参数（数字）的形式存在。输入数据进去，模型经过计算，输出结果。模型本身是一个文件（比如几个 GB 的 .bin 文件），可以被复制、部署、运行。

一句话总结：训练好的“大脑文件”，用来处理输入、产生输出。

8. 参数

模型内部的“旋钮”或“权重”。

训练的过程就是不断调整这些参数，让模型的输出越来越准确。参数越多，模型的“记忆力”和“表达能力”就越强。GPT-3 有 1750 亿个参数——你可以想象成 1750 亿个旋钮，训练就是找到每个旋钮的最佳位置。

一句话总结：模型内部的数字“开关”，决定模型的智能程度。

9. 数据集

用来训练模型的原始数据集合。

比如：10 万张猫和狗的照片、100 万篇新闻文章、50 万条对话记录。数据集的规模和质量，直接影响模型的性能。AI 圈有句老话叫“垃圾进，垃圾出”——给模型喂垃圾数据，模型就只能输出垃圾结果。

一句话总结：训练模型的“教材”。

10. 标注

给数据打标签。

在一张照片里标出“这是猫”“这是狗”，在一段文字里标出“这个是地名”“这个是时间”，在一段录音里标出“这句话说的是什么”——这些都是标注。标注好的数据才能用来训练监督学习模型。标注通常需要大量人力，所以很多 AI 公司有专门的“数据标注团队”。

一句话总结：给原始数据打上“正确答案”的过程。

第二部分：大模型相关（现在最火的）

11. 大模型

参数规模巨大的模型（通常十亿级以上）。

特点是：数据量大、计算量大、能力强。为什么大模型比小模型强？简单说，参数越多，模型能记住的“知识”就越多，能处理的“模式”就越复杂。GPT、文心一言、通义千问、盘古都属于大模型。

一句话总结：参数数量巨大的模型，能力更强。

12. 大语言模型

专门处理“语言”的大模型。

输入文字，输出文字。它的训练数据是海量的文本（书籍、网页、论文、代码），所以它学会了理解语言、生成语言、回答问题、写代码、翻译、总结……几乎所有跟文字相关的任务它都能做。ChatGPT、文心一言、通义千问都是大语言模型。

一句话总结：专门理解和生成文字的大模型。

13. 多模态模型

能同时处理多种类型数据的模型。

传统模型只能处理一种数据（要么文字，要么图片）。多模态模型可以同时处理多种类型：能“看图说话”（输入图片，输出文字描述）、能“按描述画图”（输入文字，输出图片）、能“看视频回答问题”等。GPT-4、文心一言、通义千问都具备多模态能力。

一句话总结：能同时处理文字、图片、视频等多种数据的模型。

14. 基础模型

在大量通用数据上训练好的“底座”模型。

别人可以在这个基础上微调，不用从头开始训练。基础模型的理念是：训练一个大模型太贵了（几千万美元），不如由少数几个公司训练好基础模型，其他人基于它做微调。就像建房子，基础模型是“毛坯房”，微调是“精装修”。

一句话总结：通用能力很强、可以二次开发的“底座模型”。

15. 微调

在已经训练好的模型基础上，用特定领域的数据再训练一下，让它更擅长某个特定任务。

比如：用一个基础模型，用法律数据微调，得到一个“法律 AI 助手”；用医学数据微调，得到一个“医学诊断 AI”。微调的成本比从头训练低得多（只需要少量数据和计算资源）。

一句话总结：给通用模型“补习”某个专业领域。

16. 上下文长度

模型一次能“记住”多少字。

上下文越长，模型能处理的文本就越长。GPT-3 只能处理几千字，Claude 和 Gemini 可以处理几十万到上百万字——相当于能“读完一部长篇小说再回答你的问题”。上下文长度越长，模型在回答时能参考的信息就越多。

一句话总结：模型能“记住”的文本长度。

17. Token

大模型处理文本的最小单位。Token 不是“字”，也不是“词”，而是介于两者之间。

把中文翻译成英文，“你好”可能是 1-2 个 token；英文里 1 个单词约等于 1-3 个 token。大模型按 token 计费（比如 GPT-4 每 1000 个 token 收几分钱）。一段 1000 个中文字符的文本大约对应 1500-2000 个 token。

一句话总结：大模型处理文本的“计价单位”。

18. 生成式 AI

专门“生成”新内容的 AI。

传统 AI 做的是“识别”或“分类”——判断一张图是不是猫、一封邮件是不是垃圾邮件。生成式 AI 做的是“创造”——生成一段文字、一张图、一首歌、一段视频。ChatGPT、Midjourney、Sora 都属于生成式 AI。

一句话总结：能“创造”新内容的 AI。

19. 文生文

输入文字、输出文字。

这是最常见的形式。你输入“写一篇关于 AI 的文章”，AI 输出一篇文章。你输入“用 Python 写一个排序算法”，AI 输出代码。ChatGPT、文心一言做的主要就是文生文。

一句话总结：输入文字，输出文字。

20. 文生图

输入文字、输出图片。

你输入“一只喝咖啡的猫，油画风格”，AI 生成一张对应的图片。Midjourney、Stable Diffusion、文心一格做的就是这个。文生图是生成式 AI 的另一个重要分支，近年来进步非常快。

一句话总结：输入文字，输出图片。

21. 文生视频

输入文字、输出视频。

你输入“一只猫在弹钢琴，写实风格”，AI 生成一段几秒钟的视频。Sora 做的就是文生视频。文生视频比文生图和文生文都难得多，因为视频涉及时间维度和多帧一致性，技术还处于早期阶段。

一句话总结：输入文字，输出视频。

22. 图生图

输入图片、输出图片。

你上传一张素描，AI 生成一张彩色油画；上传一张夏天的照片，AI 生成冬天的版本；上传一张普通的自拍，AI 生成动漫风格的肖像。图生图常用于创意设计、风格迁移等场景。

一句话总结：输入图片，输出修改后的图片。

第三部分：技术原理类（听懂别人在聊什么）

23. Transformer

2017 年 Google 提出的一种神经网络架构。现在几乎所有大模型都是基于 Transformer 的。

Transformer 之前，处理语言的主流方法是 RNN（循环神经网络），但它有几个致命缺点：处理长文本时“记不住前面”、计算速度慢、难以并行训练。Transformer 横空出世，彻底改变了这一切。它的核心是“自注意力机制”——能同时看到输入中的任意两个位置。

一句话总结：大模型背后的“核心技术架构”。

24. 自注意力机制

Transformer 的核心技术——让模型能关注到输入内容中“不同部分之间的关系”。

比如处理“我吃了苹果，它很甜”这句话，自注意力机制让模型能理解“它”指的是“苹果”，而不是“我”或“吃”。这个机制让模型能“全局理解”输入内容，而不是一个词一个词地机械处理。

一句话总结：让模型理解“上下文关系”的机制。

25. 预训练

在大规模通用数据上先训练一个模型，让它具备广泛的基础能力。

这个阶段成本最高——需要海量数据（PB 级别）、大量 GPU（成千上万张）、巨额电费。预训练完成后，模型已经“读完”了互联网上大部分公开文本，具备通用知识。之后的微调、指令微调都是在这个基础上进行。

一句话总结：用海量通用数据“打基础”的训练阶段。

26. 指令微调

用“问题-答案”对来微调模型，让模型学会“听懂指令”。

预训练让模型学会了“接下文”（给你一段话的开头，它补全后面），但不会“回答问题”。指令微调就是教它“用户问什么就答什么”。ChatGPT 的成功，很大程度上归功于高质量的指令微调。

一句话总结：让模型从“接话”变成“回答问题”。

27. 人类反馈强化学习

一种训练方法：让模型生成多个答案，人类给答案打分，模型学习“什么样的答案是好的”。

具体做法：先让模型生成几个回答，标注员按质量排序，训练一个“奖励模型”来模拟人类的偏好，再用强化学习来优化主模型。这个方法是 ChatGPT 比之前的模型更像“人”的重要原因。

一句话总结：用人类反馈来训练模型“说人话”。

28. 涌现能力

当模型参数超过某个规模后，突然出现的新能力。

比如：小模型不会做数学题、不会推理、不会写代码。但参数突破某个阈值后，这些能力突然就“出现”了。就像水烧到 100℃ 突然沸腾一样——能力不是“慢慢变强”，而是“突然冒出来”。这种现象就叫“涌现”。这也是为什么各大公司拼命做更大模型——越大越可能出现新能力。

一句话总结：参数够大后“突然出现”的新能力。

29. 幻觉

模型“编造”不存在的信息。

问“诸葛亮用什么手机”，模型可能会编一个“华为 Mate 60 Pro”——听起来合理，但完全是假的。幻觉是大模型还没完全解决的问题，原因是模型本质上是“猜下一个词”，而不是“查数据库”。减少幻觉是 RAG（下面会讲）等技术的目标之一。

一句话总结：模型“一本正经地胡说八道”。

30. 对齐

让模型的输出符合人类的价值观和期望。

对齐的内容包括：不输出歧视性言论、不教人做危险的事情、不做违法建议、保持友好和尊重。对齐是大模型安全的“护栏”，也是很多大模型公司投入大量资源的地方。

一句话总结：让模型“说人话、做人事”。

31. 温度

控制模型“创造力”的参数。取值范围通常是 0 到 1 或 0 到 2。

温度越低（趋近 0），输出越确定、越保守、越可预测——适合“问事实、要准确答案”的场景。温度越高，输出越随机、越有“创意”——适合“写诗、编故事、头脑风暴”的场景。温度调太高会胡说八道，调太低会枯燥乏味。

一句话总结：控制模型“保守还是放飞”的旋钮。

32. Top-p 采样

另一种控制输出随机性的方法。也叫“核采样”。

做法：把模型预测的下一个词按概率从高到低排序，只从累积概率达到 p 的候选词中随机选择。p=0.9 表示“只看最可能的 90% 候选词”。和温度一样，p 越高输出越多样，p 越低输出越确定。

一句话总结：控制模型“选词范围”的参数。

第四部分：工程应用类（实际开发中遇到的）

33. RAG

检索增强生成。简单说：先“查资料”，再“回答”。

标准做法：用户提问 → 从知识库中搜索相关文档 → 把文档 + 问题一起给大模型 → 大模型基于文档回答。好处是：答案更准确、有据可查、减少幻觉，而且知识库可以随时更新，不用重新训练模型。RAG 是目前大模型落地最主流的技术方案之一。

一句话总结：让模型“查完资料再回答”。

34. Embedding

把文字转换成数字向量（一串数字）。

Embedding 的关键特性是：语义相近的文字，转换成数字后在“数学空间”里的距离也近。比如“猫”和“狗”的向量距离很近（都是动物），“猫”和“汽车”的距离很远。这个特性让机器可以用“计算距离”的方式来理解语义。

一句话总结：把文字变成“数学坐标”。

35. 向量数据库

专门存储和搜索向量的数据库。

RAG 系统会把知识库中的文档用 Embedding 转成向量，存在向量数据库里。用户提问时，系统先把问题转成向量，到向量数据库里搜“最近的”（语义最相似的）文档片段，再送给大模型参考。传统数据库搜的是“关键词”，向量数据库搜的是“语义”。

一句话总结：专门存“数学坐标”的数据库。

36. 知识库

RAG 系统中的“参考书”——存了领域相关的文档、问答、资料。

知识库可以是公司的内部文档、产品手册、客服问答、法律法规……用户提问时，系统从知识库里搜相关片段，再让模型基于这些片段回答。知识库的质量直接影响 RAG 的效果。

一句话总结：给 RAG 系统提供“参考材料”的数据库。

37. Agent

一个能“自主行动”的 AI。不只会回答问题，而是能调用工具、制定计划、完成复杂任务。

比如：你给 Agent 说“帮我订一张明天去北京的机票”，它能自己查询航班、比较价格、调用订票接口、完成支付。Agent 是大模型的“升级版”——它把大模型当作“大脑”，再加上“执行能力”。

一句话总结：能“自己动手做事”的 AI。

38. 思维链

让模型“把思考过程写出来”。

不是直接给答案，而是先写“这个问题要分三步解决：第一步……第二步……第三步……所以答案是……”。思维链能显著提升模型处理数学、逻辑、推理等复杂问题的能力。这也是为什么你让 ChatGPT 算数时，它会把步骤写出来。

一句话总结：让模型“展示推理过程”。

39. 提示词工程

设计和优化“问法”来让模型输出更好的结果。

同样的问题，不同的问法得到的结果可能差很多。“帮我写一封投诉信”和“帮我写一封正式的投诉信，语气礼貌但坚决，包含事实和证据”得到的结果完全不同。提示词工程就是研究“怎么问最好”的学科。

一句话总结：研究“怎么问 AI 才能得到好答案”。

40. API

应用程序接口。大模型公司把模型能力包装成 API，开发者调用 API 就能在自己的应用里使用大模型。

你不用自己训练和部署模型（太贵太难），只要调用 API 发送请求、接收结果就行。现在几乎所有大模型公司都提供 API 服务，按 token 使用量收费。

一句话总结：调用大模型的“在线接口”。

第五部分：硬件与算力类（决定 AI 能力的底层）

41. GPU

图形处理器。它原本是让游戏画面更流畅的，但后来发现它特别适合做 AI 计算。

因为 AI 计算需要大量“并行运算”（同时做成千上万次简单的加减乘除），而 GPU 正好有几千个核心可以同时计算。NVIDIA 是最大的 GPU 厂商，A100、H100 是 AI 领域最抢手的芯片。训练大模型全靠它。

一句话总结：AI 计算的“发动机”。

42. 算力

做 AI 计算的能力。算力越大，训练越快、模型越大、效果越好。

算力受三个因素影响：GPU 的数量和型号、训练的时长、算法的效率。训练大模型需要“巨量算力”——GPT-4 据说用了几万张 GPU、花了几个月、耗资上亿美元。

一句话总结：做 AI 计算的“马力”。

43. 训练成本

训练一个模型要花的钱。包括：GPU 硬件（几万美元一张）、电费、带宽、存储、人力。

大模型的训练成本从几百万到上亿美元不等。GPT-3（1750 亿参数）训练一次据估计花了约 460 万美元。这也是为什么大模型主要是大公司在做——成本实在太高了。

一句话总结：训练模型要花的“真金白银”。

44. 推理成本

模型每次回答问题的成本。

虽然单次推理很便宜（几分钱到几毛钱），但如果用户量很大（比如 ChatGPT 有几亿用户），日成本就非常高了——可能达到数百万美元。所以大模型公司都在拼命优化推理效率，降低成本。

一句话总结：每次问 AI 问题要花的“成本”。

第六部分：数据和伦理类

45. 偏见

模型从数据里学到的歧视性倾向。

如果训练数据里“CEO”大多是男性、“护士”大多是女性，模型可能会认为“CEO 应该是男性”“护士应该是女性”。这种偏见会被模型放大，导致不公平的决策。消除偏见是 AI 伦理的重要课题。

一句话总结：模型从数据里“学到的歧视”。

46. 隐私保护

防止模型泄露训练数据中的个人信息。

大模型可能会“记住”训练数据中的姓名、地址、电话等隐私信息。有人可以通过特定的“提示词”诱导模型泄露这些信息。隐私保护技术就是要防止这种情况发生。

一句话总结：防止 AI“记住”不该记住的个人信息。

47. 开源模型

代码和模型权重都公开的模型。任何人都可以下载、使用、修改。

优点：透明、可研究、不依赖特定厂商。代表：Llama（Meta）、Qwen（阿里）、ChatGLM（智谱）。与“闭源模型”相对。

一句话总结：所有人都能免费下载使用的模型。

48. 闭源模型

代码和模型权重不公开，只能通过 API 调用。

优点：厂商负责维护和更新。缺点：依赖厂商、无法定制。OpenAI 的 GPT-4、Google 的 Gemini、百度的文心一言都属于闭源模型。

一句话总结：只能通过 API 调用、代码不公开的模型。

49. 版权问题

大模型训练用的大量网络数据（包括受版权保护的作品），这些数据的使用是否合法，目前在全球都存在争议。

新闻机构、书籍作者、艺术家起诉 AI 公司“未经许可使用他们的作品训练模型”。这个问题目前还没有定论，各国法律也在逐步完善中。

一句话总结：AI“读书”要不要给“作者”付钱？

50. 可解释性

理解模型“为什么会做出这个决定”。

传统模型（比如决策树）很容易解释——“因为年龄大于 18 岁，所以允许进入”。但大模型有几千亿参数，输入怎么变成输出的，完全是一个“黑箱”。可解释性研究就是试图打开这个黑箱，理解模型的内部运作机制。

一句话总结：搞懂模型“为什么这样回答”。

一张图总结所有概念的关系

text

人工智能（最宽泛）
    └── 机器学习（AI 的子集）
        └── 深度学习（机器学习的子集）
            └── 神经网络（深度学习的基础）
                └── Transformer（神经网络的一种）
                    └── 大语言模型（基于 Transformer）
                        └── ChatGPT / 文心一言 / 通义千问（具体产品）

训练阶段：
数据 → 标注 → 数据集 → 预训练 → 微调 → 指令微调 → 对齐 → 模型

推理阶段：
用户输入 → Token → 模型推理 → 输出

应用技术：
RAG = 知识库 + Embedding + 向量数据库 + 大模型
Agent = 大模型 + 工具调用 + 任务规划

最后

这 60 个名词只是 AI 世界的入门词汇。技术每天都在更新，新名词也在不断冒出来。

但不用焦虑——没有人能一次性记住所有名词。每次遇到不懂的词，查一下，用一次，慢慢就熟了。