通俗理解100 个常见 AI 相关术语

一、AI 基础概念

让机器像人一样完成理解、判断、生成、决策等任务。

让机器从数据中“总结规律”，而不是人手写所有规则。

机器学习的一种，像搭很多层“神经网络积木”，适合处理图像、语音、文本。

能生成文字、图片、代码、音乐、视频的 AI，就像“内容生产机器”。

参数很多、能力很强的 AI 模型，好比知识面很广的“超级大脑”。

专门理解和生成语言的大模型，比如 ChatGPT 这类系统的核心。

先用海量数据训练出来的底座模型，之后可改造成客服、写作、编程等应用。

AI 不只看文字，还能看图、听声音、看视频，像人一样综合理解信息。

让机器理解、生成、翻译和总结人类语言。

让机器“看懂”图片和视频，比如识别人脸、车辆、缺陷、医学影像。

---

二、模型怎么“思考”和工作

AI 处理文字的基本小单位，可以理解为“字词碎片”。你问得越多，用掉的 Token 越多。

你给 AI 下的指令，就像给员工布置任务的说明书。

AI 一次能记住和处理的内容长度，好比它的“短期记忆容量”。

模型训练好以后，真正回答问题、生成内容的过程。

让模型读海量数据、调整内部参数的过程，好比学生刷题学习。

模型先学习通用知识，就像上基础课。

在通用模型上继续训练，让它更适合某个行业或任务。

模型内部的“知识旋钮”。参数越多，不一定越聪明，但通常容量更大。

模型判断时给不同信息的重要程度，好比做决策时的打分权重。

把文字、图片等转成一串数字，让机器能计算“语义距离”。

---

三、AI 算力硬件

电脑的大脑，擅长处理复杂但不一定重复的任务。

原本用于图形计算，现在非常适合 AI 训练和推理，像一支“并行计算大军”。

Google 为 AI 设计的专用芯片，像专门为深度学习定制的跑车。

神经网络处理器，常见于手机、PC、边缘设备，用来加速 AI 功能。

为特定任务设计的芯片，效率高，但灵活性较低。

可以重新配置的芯片，像“可改装的电子积木”。

AI 芯片旁边的高速内存，像给 GPU 配的“超宽高速仓库通道”。

电脑运行程序时临时存数据的地方，像办公桌。

芯片内部更快但更贵的存储，像放在手边的小抽屉。

把大芯片拆成多个小芯片拼起来，像搭乐高一样做高性能芯片。

---

四、AI 数据中心与网络

集中放服务器、存储、网络设备的大型机房，是 AI 的“工厂”。

提供计算能力的机器，AI 模型通常跑在很多服务器上。

放服务器的柜子，像数据中心里的“货架”。

很多服务器连在一起共同工作，像一支计算团队。

增加更多服务器一起干活，像多招人。

把单台机器或单个节点做得更强，像给一个人升级更强装备。

数据中心里的交通枢纽，负责把数据送到正确的服务器。

服务器连接网络的接口，像电脑的“网路门”。

把电信号和光信号互相转换的小设备，是 AI 数据中心高速互联的关键零件。

用光传输数据的线，像数据高速公路。

---

五、光互联与高速通信

单位时间能传多少数据，像高速公路有几条车道。

数据从一端到另一端需要多久，像快递送达时间。

系统实际处理数据的能力，像工厂实际产量。

光模块传输速率等级，数字越大，数据高速公路越宽。

光模块里的“信号修复师”，让高速传输的信号更稳定。

用硅芯片工艺做光通信器件，目标是更高集成度、更低功耗。

高速光模块常用激光器路线，性能强但成本、功耗和封装有压力。

适合短距离传输，像短跑选手，便宜、易阵列化，但远距离和高速上限有限。

尽量减少 DSP，主要为了降低功耗，像把中间复杂环节省掉。

把光学部件和交换芯片放得更近，减少电信号损耗，像把仓库建在工厂旁边。

---

六、AI 模型结构与算法

现代大模型的核心架构，擅长处理语言和序列信息。

让模型判断哪些信息更重要，好比读文章时划重点。

模型里有多个“专家”，不同问题找不同专家处理，节省算力。

先查资料再回答，像开卷考试，能减少胡编。

存放语义向量的数据库，方便 AI 找相似内容。

用点和线表示知识关系，像一张概念关系网。

人给模型反馈，让它回答得更符合人类偏好。

用人工标注的问答样本训练模型，让它更会按要求回答。

让小模型学习大模型的能力，像师傅带徒弟。

删除模型里不重要的部分，让模型更轻、更快。

---

七、AI 应用与产品形态

不只是回答问题，还能规划任务、调用工具、执行步骤，像一个数字助理。

帮人完成工作但不完全替代人，比如代码副驾驶、办公副驾驶。

能对话的 AI，常见于客服、助手、问答系统。

AI 生成内容，包括文章、图片、视频、音乐、代码。

不只是给链接，而是理解问题、整合资料后给答案。

帮程序员写代码、改 Bug、解释代码。

用 AI 生成外貌、声音和动作的虚拟人物。

用 AI 感知环境、规划路线、控制车辆。

AI 与机械结合，让机器能感知、移动、操作物体。

AI 不在云端，而是在手机、汽车、摄像头等本地设备运行。

---

八、数据、训练和评估

训练 AI 用的资料集合，就像学生的教材和题库。

给数据加标签，比如告诉 AI 哪张图里是猫。

模型学习时使用的数据。

用来检查模型水平的数据，好比考试卷。

模型把训练题背熟了，但遇到新题不会做。

模型遇到新问题也能答得好，说明真的学会了规律。

衡量模型能力的标准考试。

回答正确的比例。

该找出来的东西有多少被找出来了，常用于搜索和识别任务。

AI 一本正经地胡说八道，生成看似合理但实际错误的信息。

---

九、部署、成本与商业化

软件之间调用能力的接口。AI API 就像把模型能力做成“水龙头”，别人按量使用。

限制用户调用次数，通常说明资源有限或要控制成本。

按输入和输出的 Token 数收费，像按用水量交水费。

AI 每回答一次问题所消耗的计算、电力、服务器成本。

从零或大规模训练模型的成本，通常非常高。

把模型真正放到服务器或设备上运行。

通过互联网租用计算资源，不必自己买服务器。

把 AI 系统部署在企业自己的服务器里，更强调数据安全。

软件即服务，用户按订阅使用软件，比如在线办公、AI 工具。

不买 GPU，而是按小时或按量租用计算资源。

---

十、安全、产业和投资常用词

研究如何让 AI 不失控、不误导、不造成伤害。

让 AI 的目标和人类意图一致，避免“答非所问”或错误执行。

防止用户数据、企业数据被泄露或滥用。

AI 使用数据时符合版权、隐私、监管要求。

权重或代码公开的模型，方便开发者使用和改造。

模型细节不公开，通常由公司通过 API 或产品提供服务。

用本土芯片、软件、设备替代进口方案。

云厂商为 AI 建数据中心、买 GPU、买网络设备的资本开支。

AI 数据中心高速互联需求爆发，带动光模块持续升级和放量。

从硅光芯片、激光器、调制器、探测器，到封装、光模块，整条产业链已经逐步串联成型，而它所指向的，正是 AI 数据中心实现高速互联的一条关键路径。

如果只用一句话来概括：

尽量用普通人能懂的方式解释，适合作为入门词典。

欢迎加入行业交流群，备注岗位+公司，请联系老虎说芯（加V：tigerchip）