服务热线
新闻资讯
新闻资讯
通俗理解100 个常见 AI 相关术语
2026-10-14
7
一、AI 基础概念
-
AI 人工智能
让机器像人一样完成理解、判断、生成、决策等任务。 -
机器学习 Machine Learning
让机器从数据中“总结规律”，而不是人手写所有规则。 -
深度学习 Deep Learning
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。 -
生成式 AI Generative AI
能生成文字、图片、代码、音乐、视频的 AI，就像“内容生产机器”。 -
大模型 Large Model
参数很多、能力很强的 AI 模型，好比知识面很广的“超级大脑”。 -
大语言模型 LLM
专门理解和生成语言的大模型，比如 ChatGPT 这类系统的核心。 -
基础模型 Foundation Model
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。 -
多模态 Multimodal
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。 -
自然语言处理 NLP
让机器理解、生成、翻译和总结人类语言。 -
计算机视觉 CV
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
-
Token
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。 -
Prompt 提示词
你给 AI 下的指令，就像给员工布置任务的说明书。 -
上下文窗口 Context Window
AI 一次能记住和处理的内容长度，好比它的“短期记忆容量”。 -
推理 Inference
模型训练好以后，真正回答问题、生成内容的过程。 -
训练 Training
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。 -
预训练 Pre-training
模型先学习通用知识，就像上基础课。 -
微调 Fine-tuning
在通用模型上继续训练，让它更适合某个行业或任务。 -
参数 Parameters
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。 -
权重 Weights
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。 -
Embedding 向量嵌入
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
-
CPU 中 央处理器
电脑的大脑，擅长处理复杂但不一定重复的任务。 -
GPU 图形处理器
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”。 -
TPU
Google 为 AI 设计的专用芯片，像专门为深度学习定制的跑车。 -
NPU
神经网络处理器，常见于手机、PC、边缘设备，用来加速 AI 功能。 -
ASIC 专用芯片
为特定任务设计的芯片，效率高，但灵活性较低。 -
FPGA
可以重新配置的芯片，像“可改装的电子积木”。 -
HBM 高带宽内存
AI 芯片旁边的高速内存，像给 GPU 配的“超宽高速仓库通道”。 -
DRAM 内存
电脑运行程序时临时存数据的地方，像办公桌。 -
SRAM 静态存储器
芯片内部更快但更贵的存储，像放在手边的小抽屉。 -
Chiplet 小芯片
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
-
数据中心 Data Center
集中放服务器、存储、网络设备的大型机房，是 AI 的“工厂”。 -
服务器 Server
提供计算能力的机器，AI 模型通常跑在很多服务器上。 -
机柜 Rack
放服务器的柜子，像数据中心里的“货架”。 -
集群 Cluster
很多服务器连在一起共同工作，像一支计算团队。 -
Scale Out 横向扩展
增加更多服务器一起干活，像多招人。 -
Scale Up 纵向扩展
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。 -
交换机 Switch
数据中心里的交通枢纽，负责把数据送到正确的服务器。 -
网卡 NIC
服务器连接网络的接口，像电脑的“网路门”。 -
光模块 Optical Module
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。 -
光纤 Fiber
用光传输数据的线，像数据高速公路。
五、光互联与高速通信
-
带宽 Bandwidth
单位时间能传多少数据，像高速公路有几条车道。 -
延迟 Latency
数据从一端到另一端需要多久，像快递送达时间。 -
吞吐量 Throughput
系统实际处理数据的能力，像工厂实际产量。 -
400G / 800G / 1.6T
光模块传输速率等级，数字越大，数据高速公路越宽。 -
DSP 数字信号处理器
光模块里的“信号修复师”，让高速传输的信号更稳定。 -
硅光 Silicon Photonics
用硅芯片工艺做光通信器件，目标是更高集成度、更低功耗。 -
EML 电吸收调制激光器
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。 -
VCSEL 垂直腔面发射激光器
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。 -
LPO 线性直驱光模块
尽量减少 DSP，主要为了降低功耗，像把中间复杂环节省掉。 -
CPO 共封装光学
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
-
Transformer
现代大模型的核心架构，擅长处理语言和序列信息。 -
Attention 注意力机制
让模型判断哪些信息更重要，好比读文章时划重点。 -
MoE 专家混合模型
模型里有多个“专家”，不同问题找不同专家处理，节省算力。 -
RAG 检索增强生成
先查资料再回答，像开卷考试，能减少胡编。 -
向量数据库 Vector Database
存放语义向量的数据库，方便 AI 找相似内容。 -
知识图谱 Knowledge Graph
用点和线表示知识关系，像一张概念关系网。 -
RLHF 人类反馈强化学习
人给模型反馈，让它回答得更符合人类偏好。 -
SFT 监督微调
用人工标注的问答样本训练模型，让它更会按要求回答。 -
蒸馏 Distillation
让小模型学习大模型的能力，像师傅带徒弟。 -
剪枝 Pruning
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
-
AI Agent 智能体
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。 -
Copilot 副驾驶
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。 -
Chatbot 聊天机器人
能对话的 AI，常见于客服、助手、问答系统。 -
AIGC
AI 生成内容，包括文章、图片、视频、音乐、代码。 -
AI 搜索
不只是给链接，而是理解问题、整合资料后给答案。 -
AI 编程助手
帮程序员写代码、改 Bug、解释代码。 -
数字人 Digital Human
用 AI 生成外貌、声音和动作的虚拟人物。 -
自动驾驶 Autonomous Driving
用 AI 感知环境、规划路线、控制车辆。 -
机器人 Robotics
AI 与机械结合，让机器能感知、移动、操作物体。 -
边缘 AI Edge AI
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
-
数据集 Dataset
训练 AI 用的资料集合，就像学生的教材和题库。 -
标注 Annotation
给数据加标签，比如告诉 AI 哪张图里是猫。 -
训练数据 Training Data
模型学习时使用的数据。 -
测试数据 Test Data
用来检查模型水平的数据，好比考试卷。 -
过拟合 Overfitting
模型把训练题背熟了，但遇到新题不会做。 -
泛化 Generalization
模型遇到新问题也能答得好，说明真的学会了规律。 -
Benchmark 基准测试
衡量模型能力的标准考试。 -
准确率 Accuracy
回答正确的比例。 -
召回率 Recall
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。 -
幻觉 Hallucination
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
-
API
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。 -
API 限流
限制用户调用次数，通常说明资源有限或要控制成本。 -
Token 计费
按输入和输出的 Token 数收费，像按用水量交水费。 -
推理成本 Inference Cost
AI 每回答一次问题所消耗的计算、电力、服务器成本。 -
训练成本 Training Cost
从零或大规模训练模型的成本，通常非常高。 -
模型部署 Deployment
把模型真正放到服务器或设备上运行。 -
云计算 Cloud Computing
通过互联网租用计算资源，不必自己买服务器。 -
私有化部署 On-premise Deployment
把 AI 系统部署在企业自己的服务器里，更强调数据安全。 -
SaaS
软件即服务，用户按订阅使用软件，比如在线办公、AI 工具。 -
算力租赁
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
-
AI 安全 AI Safety
研究如何让 AI 不失控、不误导、不造成伤害。 -
对齐 Alignment
让 AI 的目标和人类意图一致，避免“答非所问”或错误执行。 -
隐私保护 Privacy
防止用户数据、企业数据被泄露或滥用。 -
数据合规 Compliance
AI 使用数据时符合版权、隐私、监管要求。 -
开源模型 Open-source Model
权重或代码公开的模型，方便开发者使用和改造。 -
闭源模型 Closed-source Model
模型细节不公开，通常由公司通过 API 或产品提供服务。 -
国产替代
用本土芯片、软件、设备替代进口方案。 -
AI CapEx
云厂商为 AI 建数据中心、买 GPU、买网络设备的资本开支。 -
光模块超级周期
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。 -
硅光产业链
围绕硅光芯片、激光器、调制器、探测器、封装、光模块形成的产业链，是 AI 数据中心高速互联的重要方向。
一句话理解：AI 不只是一个软件故事，它背后是一整套“数据、模型、芯片、服务器、网络、光模块、电力、散热、应用”的系统工程。
，尽量用普通人能懂的方式解释，适合作为入门词典。
一、AI 基础概念
-
AI 人工智能
让机器像人一样完成理解、判断、生成、决策等任务。 -
机器学习 Machine Learning
让机器从数据中“总结规律”，而不是人手写所有规则。 -
深度学习 Deep Learning
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。 -
生成式 AI Generative AI
能生成文字、图片、代码、音乐、视频的 AI，就像“内容生产机器”。 -
大模型 Large Model
参数很多、能力很强的 AI 模型，好比知识面很广的“超级大脑”。 -
大语言模型 LLM
专门理解和生成语言的大模型，比如 ChatGPT 这类系统的核心。 -
基础模型 Foundation Model
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。 -
多模态 Multimodal
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。 -
自然语言处理 NLP
让机器理解、生成、翻译和总结人类语言。 -
计算机视觉 CV
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
-
Token
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。 -
Prompt 提示词
你给 AI 下的指令，就像给员工布置任务的说明书。 -
上下文窗口 Context Window
AI 一次能记住和处理的内容长度，好比它的“短期记忆容量”。 -
推理 Inference
模型训练好以后，真正回答问题、生成内容的过程。 -
训练 Training
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。 -
预训练 Pre-training
模型先学习通用知识，就像上基础课。 -
微调 Fine-tuning
在通用模型上继续训练，让它更适合某个行业或任务。 -
参数 Parameters
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。 -
权重 Weights
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。 -
Embedding 向量嵌入
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
-
CPU 中 央处理器
电脑的大脑，擅长处理复杂但不一定重复的任务。 -
GPU 图形处理器
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”。 -
TPU
Google 为 AI 设计的专用芯片，像专门为深度学习定制的跑车。 -
NPU
神经网络处理器，常见于手机、PC、边缘设备，用来加速 AI 功能。 -
ASIC 专用芯片
为特定任务设计的芯片，效率高，但灵活性较低。 -
FPGA
可以重新配置的芯片，像“可改装的电子积木”。 -
HBM 高带宽内存
AI 芯片旁边的高速内存，像给 GPU 配的“超宽高速仓库通道”。 -
DRAM 内存
电脑运行程序时临时存数据的地方，像办公桌。 -
SRAM 静态存储器
芯片内部更快但更贵的存储，像放在手边的小抽屉。 -
Chiplet 小芯片
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
-
数据中心 Data Center
集中放服务器、存储、网络设备的大型机房，是 AI 的“工厂”。 -
服务器 Server
提供计算能力的机器，AI 模型通常跑在很多服务器上。 -
机柜 Rack
放服务器的柜子，像数据中心里的“货架”。 -
集群 Cluster
很多服务器连在一起共同工作，像一支计算团队。 -
Scale Out 横向扩展
增加更多服务器一起干活，像多招人。 -
Scale Up 纵向扩展
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。 -
交换机 Switch
数据中心里的交通枢纽，负责把数据送到正确的服务器。 -
网卡 NIC
服务器连接网络的接口，像电脑的“网路门”。 -
光模块 Optical Module
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。 -
光纤 Fiber
用光传输数据的线，像数据高速公路。
五、光互联与高速通信
-
带宽 Bandwidth
单位时间能传多少数据，像高速公路有几条车道。 -
延迟 Latency
数据从一端到另一端需要多久，像快递送达时间。 -
吞吐量 Throughput
系统实际处理数据的能力，像工厂实际产量。 -
400G / 800G / 1.6T
光模块传输速率等级，数字越大，数据高速公路越宽。 -
DSP 数字信号处理器
光模块里的“信号修复师”，让高速传输的信号更稳定。 -
硅光 Silicon Photonics
用硅芯片工艺做光通信器件，目标是更高集成度、更低功耗。 -
EML 电吸收调制激光器
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。 -
VCSEL 垂直腔面发射激光器
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。 -
LPO 线性直驱光模块
尽量减少 DSP，主要为了降低功耗，像把中间复杂环节省掉。 -
CPO 共封装光学
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
-
Transformer
现代大模型的核心架构，擅长处理语言和序列信息。 -
Attention 注意力机制
让模型判断哪些信息更重要，好比读文章时划重点。 -
MoE 专家混合模型
模型里有多个“专家”，不同问题找不同专家处理，节省算力。 -
RAG 检索增强生成
先查资料再回答，像开卷考试，能减少胡编。 -
向量数据库 Vector Database
存放语义向量的数据库，方便 AI 找相似内容。 -
知识图谱 Knowledge Graph
用点和线表示知识关系，像一张概念关系网。 -
RLHF 人类反馈强化学习
人给模型反馈，让它回答得更符合人类偏好。 -
SFT 监督微调
用人工标注的问答样本训练模型，让它更会按要求回答。 -
蒸馏 Distillation
让小模型学习大模型的能力，像师傅带徒弟。 -
剪枝 Pruning
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
-
AI Agent 智能体
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。 -
Copilot 副驾驶
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。 -
Chatbot 聊天机器人
能对话的 AI，常见于客服、助手、问答系统。 -
AIGC
AI 生成内容，包括文章、图片、视频、音乐、代码。 -
AI 搜索
不只是给链接，而是理解问题、整合资料后给答案。 -
AI 编程助手
帮程序员写代码、改 Bug、解释代码。 -
数字人 Digital Human
用 AI 生成外貌、声音和动作的虚拟人物。 -
自动驾驶 Autonomous Driving
用 AI 感知环境、规划路线、控制车辆。 -
机器人 Robotics
AI 与机械结合，让机器能感知、移动、操作物体。 -
边缘 AI Edge AI
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
-
数据集 Dataset
训练 AI 用的资料集合，就像学生的教材和题库。 -
标注 Annotation
给数据加标签，比如告诉 AI 哪张图里是猫。 -
训练数据 Training Data
模型学习时使用的数据。 -
测试数据 Test Data
用来检查模型水平的数据，好比考试卷。 -
过拟合 Overfitting
模型把训练题背熟了，但遇到新题不会做。 -
泛化 Generalization
模型遇到新问题也能答得好，说明真的学会了规律。 -
Benchmark 基准测试
衡量模型能力的标准考试。 -
准确率 Accuracy
回答正确的比例。 -
召回率 Recall
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。 -
幻觉 Hallucination
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
-
API
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。 -
API 限流
限制用户调用次数，通常说明资源有限或要控制成本。 -
Token 计费
按输入和输出的 Token 数收费，像按用水量交水费。 -
推理成本 Inference Cost
AI 每回答一次问题所消耗的计算、电力、服务器成本。 -
训练成本 Training Cost
从零或大规模训练模型的成本，通常非常高。 -
模型部署 Deployment
把模型真正放到服务器或设备上运行。 -
云计算 Cloud Computing
通过互联网租用计算资源，不必自己买服务器。 -
私有化部署 On-premise Deployment
把 AI 系统部署在企业自己的服务器里，更强调数据安全。 -
SaaS
软件即服务，用户按订阅使用软件，比如在线办公、AI 工具。 -
算力租赁
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
-
AI 安全 AI Safety
研究如何让 AI 不失控、不误导、不造成伤害。 -
对齐 Alignment
让 AI 的目标和人类意图一致，避免“答非所问”或错误执行。 -
隐私保护 Privacy
防止用户数据、企业数据被泄露或滥用。 -
数据合规 Compliance
AI 使用数据时符合版权、隐私、监管要求。 -
开源模型 Open-source Model
权重或代码公开的模型，方便开发者使用和改造。 -
闭源模型 Closed-source Model
模型细节不公开，通常由公司通过 API 或产品提供服务。 -
国产替代
用本土芯片、软件、设备替代进口方案。 -
AI CapEx
云厂商为 AI 建数据中心、买 GPU、买网络设备的资本开支。 -
光模块超级周期
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。 -
硅光产业链
围绕硅光芯片、激光器、调制器、探测器、封装、光模块形成的产业链，是 AI 数据中心高速互联的重要方向。
一句话理解：AI 不只是一个软件故事，它背后是一整套“数据、模型、芯片、服务器、网络、光模块、电力、散热、应用”的系统工程。
免责声明：本文采摘自“老虎说芯”，仅代表作者观点，如有侵权或异议请联系我们删除。
相关推荐
从华强北柜台到线上商城：电子元器件采购平台与华强北模式的异与同
2026-10-14
29
华强北电子市场有哪几种经营模式？随着时代的发展有哪些变化？
2026-10-14
29
总经理宋仕强为销冠林圆芳和“龙虎战队”萨科微销售一部颁奖（萨科微10月14日芯闻）
2026-10-14
35
高通获得华为逻辑折叠专利授权，高通用真金白银付费，证明逻辑折叠有效，打脸韬定律是造词一说
2026-10-14
34
国内部分半导体上市公司财务数据综合统计（2026-Q2）
2026-10-14
32
粤公网安备44030002007346号