大模型、生成式AI、AGI……这些词到底啥意思？
大模型、生成式AI、AGI……这些词到底啥意思？
适用人群：被各种AI术语搞晕的小白 阅读时长：5分钟 你将学会：听懂别人聊AI时说的黑话，不再被术语吓到
一、最常听到的5个词
1. AI（人工智能）
最宽泛的词，只要是让机器表现出"像人一样智能"的技术，都可以叫AI。
- 包括：下棋的AI、人脸识别、语音助手、聊天机器人、自动驾驶……
- 我们现在说的"用AI"，通常特指下面的"生成式AI"。
2. 大模型（LLM，大语言模型）
AI的"大脑"。你可以把它理解为一个读了海量文字、学会了语言规律的超级程序。
- "大"是因为它内部有几百亿甚至上万亿个参数（可以理解为"记忆点"）。
- 你跟AI聊天，本质上是在跟这个大模型对话。
- 常见的大模型：GPT系列、豆包、DeepSeek、Kimi、通义千问等。
3. 生成式AI
能"创造"内容的AI。输入一段文字，它能生成新的文字、图片、音频、视频。
- 以前的AI主要是"判断"（比如这张图是不是猫），现在的AI能"生成"（比如画一只猫）。
- 我们用AI写文案、画图、做视频，用的都是生成式AI。
4. AGI（通用人工智能）
一个还没实现的目标：指像人一样能思考、能学习任何技能、有自主意识的AI。
- 现在的AI都是"窄AI"——只能做特定的事（聊天、画图），不能真正理解世界。
- AGI什么时候能实现？没人知道，可能十年，可能永远不会。
- 别被"AGI即将到来"的说法吓到，那是科技圈的讨论，跟你日常用AI没关系。
5. Prompt（提示词/指令）
你给AI的输入文字。你说的每一句话、每一个要求，都是一个Prompt。
- "Prompt写得好不好"直接决定AI输出质量。
- 后面
05-实操指令模板库里全是好用的Prompt模板。
二、其他常见术语速查
| 术语 | 大白话解释 |
|---|---|
| 训练 | AI"读书学习"的过程。开发者把海量数据喂给它，让它学会规律。这个过程很贵、很慢，普通用户不用管。 |
| 推理 | 你实际使用AI时，它"思考"并生成回答的过程。你每次提问都在触发推理。 |
| 微调 | 在通用大模型基础上，用特定领域的数据再训练一下，让它更擅长某类任务（比如法律、医疗）。 |
| 幻觉 | AI一本正经地胡说八道，编造不存在的事实。这是当前AI的通病，重要信息必须核实。 |
| 上下文 | AI在一次对话中能"记住"的内容长度。上下文越长，它越能记住你之前说的话。 |
| Token | AI处理文字的基本单位。1个Token大约等于0.7个汉字（或1个英文单词）。AI按Token计费和限制长度。 |
| API | 程序之间的接口。如果你想让自己的网站/软件调用AI能力，就需要用API。普通用户直接用APP就行。 |
| 多模态 | AI能同时处理多种类型的信息——文字、图片、音频、视频。比如你发一张图给AI，它能看懂并回答。 |
| Agent（智能体） | 能自己规划步骤、调用工具、完成复杂任务的AI。比如"帮我订一张明天去上海的机票"，它会自己查航班、比价、下单。目前还在早期阶段。 |
| RAG（检索增强生成） | 让AI先去查资料再回答，而不是只靠脑子里的记忆。这样回答更准确、能引用最新信息。 |
三、一张图理解关系
AI（最宽泛）
└── 生成式AI（能创造内容的那一类）
└── 大模型/LLM（生成式AI的核心技术）
├── 文字大模型（GPT、豆包、DeepSeek…）
├── 图像大模型（Midjourney、即梦…）
└── 视频大模型（Sora、可灵…）
AGI = 终极目标（还没实现）
Prompt = 你跟AI说话的方式
四、小白不需要懂什么？
说实话，下面这些你完全不用管，不影响你用AI：
- 模型有多少参数（100亿还是1000亿，用起来你感觉不到太大差别）
- 用了什么架构（Transformer、MoE……这些是工程师的事）
- 训练数据有多少TB
- 什么是对齐、 RLHF、蒸馏……
你只需要关心两件事：
- 这个工具能不能满足我的需求？
- 我怎么提问能让它答得更好？
下一步
术语搞懂了，接下来进入实操：市面上这么多AI工具，我该从哪个开始用？ → 见 02-AI工具导航/主流AI工具全景图.md