简介
2022 年 11 月 30 日，OpenAI 正式发布 ChatGPT，人类自此迈入真正可用的 AI 工具时代。在此之前，AI 仅局限于专业研究领域，普通人很少听过或者使用 AI 工具，日常接触最多的也只是车牌识别（文字识别）、语音识别等基础应用；而从 ChatGPT 诞生起，大模型的广泛应用让普通人得以在日常生活中受益，无论是利用 AI 生成视频、辅助写作、编写代码，还是进行智能对话，AI 都已深度融入各类日常场景。
自 1956 年 AI 概念正式诞生以来，行业先后经历了黄金年代、第一次 AI 寒冬、繁荣期、第二次 AI 寒冬与冷静发展期，如今已正式步入大模型时代。当下，大量 AI 应用持续造福人类，正深刻改变着人们的生活方式。
大模型究竟是什么？复杂来说，大模型是基于海量数据训练而成的巨型人工智能模型，其核心原理是通过海量参数学习数据中的复杂模式，采用“预训练+微调”的框架，先通过无监督学习掌握通用知识，再针对具体任务进行优化，最终形成真正可用的 AI 工具。简单来讲，大模型就是一个通过数学计算模拟人类认知推理过程的工具，它并没有多数人想象中那么强大——没有意识，并非无所不知，甚至可以将其看作一个函数，接受输入、产生输出，只是多数情况下，输出内容能贴合我们的预期而已。比如我们向模型输入问题：“地球和太阳之间有哪些行星？”，大模型会输出：“根据太阳系行星的轨道顺序，在地球和太阳之间的行星有两颗，按照距离太阳由近到远的顺序，分别是水星和金星。” 事实上，大模型未必能完全理解这个问题，甚至不清楚自己输出的内容是否正确，它只是机械地根据此前的训练数据，逐一生成对应的 token 而已。
但无论如何，大模型（像 GPT 系列、文心一言、豆包、通义千问、Grok、DeepSeek）确实能帮我们解决不少问题，至少可以辅助甚至替代人类完成一些简单或机械化的任务，并且它必将持续深刻地改变人类的生活。
接下来，我们就一起来了解大模型时代必备的一些 AI 相关术语。
术语
AI
英文全称：Artificial Intelligence
解释：直译为人工智能，即通过技术手段让机器模拟人类的智能行为，涵盖思考、学习、决策及执行各类任务的能力。
AIGC
英文全称：Artificial Intelligence Generated Content
解释：直译为人工智能生成内容，指由人工智能系统自动生成或创造的各类内容，常见的有文本、图片、音频、视频等。
LLM
英文全称：Large Language Model
解释：直译为大语言模型，是指在海量数据上训练而成、拥有数十亿甚至万亿级参数的深度学习模型。例如我们熟悉的ChatGPT-3.5（参数量约200亿）、DeepSeek-V3.2（参数量约6850亿）、豆包1.5（参数量约2000亿）。
基座模型：指未经过特定任务微调、具备通用能力的原始大模型。
多模态：目前许多 LLM 不仅能处理文本信息，还能兼容图像、音频等多种格式的信息，这类模型被称为“多模态大模型”。
Prompt
解释：直译为提示词，是用户与LLM进行交互的核心指令和输入内容，也是引导模型生成特定、高质量输出的关键。
一个优质的提示词通常包含：角色、任务、上下文、输出格式等要素，如：
角色：你是一名顶级的行业战略顾问。任务：为我分析中国新能源汽车行业2024年的竞争格局，并预测未来2年的关键发展趋势。分析框架：请运用经典的波特五力模型展开分析，并补充SWOT分析中的核心机遇与威胁。输出格式：请以清晰的Markdown格式呈现，运用标题、列表并加粗关键结论。
SFT
英文全称：Supervised Fine-Tuning
解释：直译为监督微调，指在通用大模型（即基座模型）的基础上，利用特定领域、高质量的标注数据对其进行额外训练，使其能更好地适配特定任务或应用领域。
Token
解释：是大模型理解和处理文本的基本单位。大模型生成内容时，会先将用户输入转换成一个个 Token，通常一个英文单词或一个汉字是一个 Token（具体取决于词汇本身及分词器的设计），再逐一生成 Token，最终形成可正常阅读的文本。大模型对输入和输出的处理存在限制，单次交互中能够读取和考量的 Token 数量有上限，这一上限被称为 Token 窗口（也叫上下文窗口）。窗口大小直接决定了单次可向模型输入的信息量，GPT-3 最初的窗口仅为 2K Tokens，而目前最新的部分模型已支持 200K 甚至 1M 以上的窗口规模了。
RAG
英文全称：Retrieval-Augmented Generation解释：直译为检索增强生成，其核心逻辑是：当用户提出问题时，系统会先从外部知识库（如文档、数据库等）中检索出与问题相关的信息，再将这些信息作为上下文，与用户的问题一同提交给大模型，由模型结合检索到的信息生成最终答案。
MCP
英文全称：Model Context Protocol
解释：直译为模型上下文协议，是由 Anthropic 公司（Claude 的研发机构）提出的一种开放协议标准。它规范了应用程序向大语言模型提供上下文的方式，通过标准化接口，可实现大模型与各类外部工具、数据源的高效联动。
Agent
解释：译为智能体，是一种更高级的 AI 应用模式。它不仅具备生成回复的能力，还能自主感知环境、规划任务目标、调用相关工具，进而完成一系列复杂的任务。AI Agent 是 AI 应用的最终形态，可以帮助人类完成复杂的任务，如可以帮助程序员写代码的 Agent，可以自动回答和处理订单的客服 Agent。
总结
以上便是大模型时代核心 AI 术语的系统解析，从 AI 的基础定义的到 Agent 的高级应用形态，从 ChatGPT 开启的 AI 工具新时代，到大模型“预训练+微调”的核心逻辑，我们梳理了入门必备的关键知识。这些术语不仅是理解 AI 技术的基础，更是我们高效运用大模型、把握其发展趋势的前提，而随着技术的不断迭代，大模型与各类 AI 应用的深度融合，也必将持续深刻地重塑我们的生活与工作方式。
学习资源推荐
如果你想更深入地学习大模型，以下是一些非常有价值的学习资源，这些资源将帮助你从不同角度学习大模型，提升你的实践能力。
一、全套AGI大模型学习路线
AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
二、640套AI大模型报告合集
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
因篇幅有限，仅展示部分资料，需要点击文章最下方名片即可前往获取
四、AI大模型商业化落地方案
作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。
