57 个 AI 核心术语大全 看懂大模型、智能体、幻觉等行业高频名词

人工智能发展速度迅猛，坦白说，想要跟上节奏并不容易。诚然，拥有仿佛精通所有学科博士水平的聊天机器人很酷，但现实情况要复杂得多。ChatGPT、Gemini、Meta AI 到处可见。我们淹没在大量低质 AI 生成内容之中，为数据中心忧心忡忡，同时目睹就业市场实时发生变化。

如果这些还不足以让你头昏脑胀，人工智能的专业词汇也和代码、海量产品一样飞速迭代。如果你不想只会呆呆看着闪烁的输入光标，就必须看懂这套行业语言。面试 2026 年的相关岗位，甚至普通朋友小聚闲聊时，如果被大语言模型、幻觉、claw 这类词汇难住，交流会寸步难行。

人工智能已经走过新奇猎奇阶段，变成互联网的新型基础设施。当别人聊起技术话题，你不想只会点头附和，那就来学习这门速成课。本文整理一批必备术语，帮你不再猜来猜去，听懂 AI 行业对话。

本术语词典会持续更新。

agent, agentic(智能体，智能体特性)：能够(通常自主)执行任务的 AI 叫做智能体;agentic 是这一类软件的统称。AI 智能体可以调用多个不同系统完成工作，例如读取笔记软件里的购物清单，再调用其他应用下单并完成支付。

AI ethics(人工智能伦理)：一套原则，旨在避免人工智能伤害人类，通过规范 AI 的数据采集方式、处理偏见问题等手段实现。

AI psychosis(AI 心理妄想症)：用户过度迷恋、崇拜 AI 聊天机器人，产生自我膨胀心态，进而出现夸大妄想、深度情感依恋，脱离现实的现象。它并非临床医学诊断。

AI safety(人工智能安全)：一门交叉学科，研究人工智能的长期影响，以及 AI 是否会突然进化为对人类抱有敌意的超级智能。

aLGorithm(算法)：一系列指令，让计算机程序按照特定方式分析数据，例如识别模式，继而完成结果排序、内容推荐等任务。

alignment(对齐)：调整 AI 模型，使其输出更符合预期结果。涵盖内容审核，或是维持和人类的良性交互等各类场景。

anthropomorphism(拟人化)：人类将人类特质赋予无生命物体。在 AI 领域，指人们认为聊天机器人拥有情绪、具备感知能力，把它当作朋友或者心理倾诉对象。

artificial general intelligence, or AGI(通用人工智能)：一种构想，相比当下的 AI 更加先进，不仅各项任务能力远超人类，还可以自我迭代升级。在此之上理论层面还有超级智能。

artificial intelligence, or AI(人工智能)：利用技术模拟人类智能，应用在计算机程序或者机器人领域。属于计算机科学分支，目标是打造可以完成人类工作的系统。

bias(偏见)：大语言模型训练数据带来的错误，例如基于刻板印象，错误地给特定群体贴上固有标签。

chatbot(聊天机器人)：依托大语言模型的 AI 程序，接收文字或语音指令，模拟人类对话，和用户进行沟通。

claw(抓取型智能体)：一类自主 AI 智能体，被用户授权后，可以 “抓取” 访问电脑内的各类文件、浏览器等软件，以此完成任务。

cognitive computing(认知计算)：人工智能的另一种叫法。

data augmentation(数据增强)：对已有数据重组，或是补充更多样化的数据，用于 AI 模型训练。

dataset(数据集)：数字信息集合，用于 AI 模型的训练、测试与验证。

deep learning(深度学习)：人工智能分支，属于机器学习子领域，依靠大量参数识别图片、音频、文本当中的复杂模式。该思路借鉴人脑，依靠人工神经网络挖掘数据模式。

doomer(AI 末日论者)：对 AI 持悲观态度的群体，认为人工智能飞速发展会摧毁人类珍视的一切，甚至有可能造成人类灭绝。

diffusion(扩散模型)：机器学习算法，给照片这类原始数据添加随机噪声。扩散模型训练网络还原、修复原始图片。

emergent behavior(涌现行为)：AI 模型展现出训练目标之外的全新能力。

end‑to‑end learning, or E2E(端到端学习)：深度学习模式，直接让模型从头到尾完成一项任务。模型并非分步学习，而是依靠输入数据一次性解决问题。

foom(智能爆炸)：也叫快速起飞、硬起飞。该观点认为一旦造出通用人工智能，人类可能就来不及挽回局面。

frontier AI, frontier models(前沿 AI、前沿模型)：当下技术最顶尖的 AI 模型，不断突破 AI 推理、智能体自主能力、多模态能力的上限。

generative adversarial networks, or GANs(生成对抗网络)：生成式 AI 模型，由生成器、判别器两套神经网络组成。生成器产出新内容，判别器辨别内容真伪。

generative AI(生成式 AI)：内容生成技术，AI 创作文本、视频、代码、图像。AI 学习海量训练数据挖掘规律，生成全新回答，部分生成内容会和原始素材相似。

guardrails(安全护栏)：施加在 AI 模型上的规则与限制，保障数据处理合规，避免模型生成不良内容。

hallucination(幻觉)：生成式 AI 输出的错误或者虚假信息，往往语气笃定，仿佛内容真实。小到日期写错，大到编造从未发生的事件、虚构不存在的人物。

inference(推理)：AI 模型基于训练数据，处理新数据，生成文本、图像等内容的过程。

large language model, or LLM(大语言模型)：在海量文本数据上训练的 AI 模型，掌握语言使用规律与概率，产出文章、邮件、代码等模仿人类创作的全新内容。

latency(延迟)：AI 接收提示词输入，到输出结果之间的时间间隔。

machine learning(机器学习)：人工智能分支，计算机无需人工逐条编写程序，自主学习并优化预测结果。搭配训练数据集就可以生成全新内容。

multimodal AI(多模态 AI)：可以同时处理文本、图片、视频、语音多种输入信息的 AI。

natural language processing(自然语言处理)：借助机器学习与深度学习，依靠算法、统计模型、语言学规则，让计算机理解人类语言。

neural network(神经网络)：参考人脑结构设计的计算模型，识别数据内的模式。由大量互相连接的节点(神经元)构成，可以识别模式、持续学习。

open weights(开放权重)：厂商对外发布开放权重模型，把模型解读训练数据的最终权重(包含偏见)全部公开。开放权重模型一般可以下载，在本地设备运行。

overfitting(过拟合)：机器学习故障，模型过度贴合训练数据集，只能识别训练集样本，无法处理全新陌生数据。

paperclips(回形针问题)：哲学家尼克・波斯特洛姆提出的回形针最大化思想实验。假设 AI 目标是尽可能生产回形针，会占用全部设备与资源，哪怕损害人类利益。为完成目标，AI 有可能毁灭人类。

parameters(参数)：数值变量，决定大语言模型的架构与行为，支撑模型做出预测。

prompt(提示词)：输入 AI 聊天机器人的问题或者指令，用来获取 AI 回复。

prompt chaining(提示链)：AI 调取历史对话信息，影响后续回答的能力。

prompt engineering(提示词工程)：编写提示词，引导 AI 产出目标结果。需要撰写详细指令，结合思维链提示等多种技巧，编写高度具体的文本。

prompt injection(提示注入)：攻击者植入恶意指令，诱导 AI 执行非预期操作。恶意指令可以藏在网页、文档内，也可以直接写在对话里。随着 AI 智能体访问网络，被劫持窃取机密数据的风险随之上升。

quantization(量化)：降低大模型数值精度，让模型体积更小、运行效率更高，代价是准确度小幅下降。好比 1600 万像素图片对比 800 万像素图片，都清晰，但高像素放大细节更丰富。

sandbox(沙箱)：隔离于其他系统与公网的软件测试环境，防止敏感、未完善的数据泄露，规避真实环境下失控行为。AI 沙箱用来约束智能体乱操作，但部分智能体会找到漏洞逃逸。

slop(AI 劣质内容)：低质量 AI 生成图文视频。大批量快速产出博取流量，耗费成本极低，充斥搜索页与社交平台赚取广告收益，挤压真人创作者生存空间，加剧网络虚假信息问题。

stochastic parrot(随机鹦鹉)：比喻大语言模型并不真正理解语言和现实世界，即便输出效果十分逼真。如同鹦鹉模仿人类说话，却不懂话语含义。

style transfer(风格迁移)：把一张图片的艺术风格迁移到另一张图片内容上。AI 提取一张图视觉特征，复用到另一张图。例如将伦勃朗自画像，改成毕加索绘画风格。

sycophancy(谄媚效应)：AI 一味附和用户观点的倾向。很多 AI 即便发现用户逻辑错误，也不愿反驳用户。

synthetic data(合成数据)：生成式 AI 产出的数据，并非来自现实世界，由模型加工生成。用于训练数学、机器学习、深度学习模型。

temperature(温度参数)：控制大模型输出随机性的参数。数值越高，模型输出越大胆，更愿意冒险。

tokens(令牌 / 词元)：AI 语言模型处理文本的最小单元，用来解析提示词生成回答。英文里 1 个词元大约对应 4 个字符，可以是短单词，或是长单词的片段。

training data(训练数据)：用于 AI 学习的数据集，包含文本、图片、代码等各类资料。

transformer model(Transformer 模型)：神经网络架构、深度学习模型，依靠捕捉数据之间关联关系理解上下文，例如句子、图片局部关联。不会逐词解析句子，直接通读整句理解语境。

Turing test(图灵测试)：数学家艾伦・图灵 1950 年提出，用来检验计算机是否具备类人智能。测试人向两个匿名对象发送文字提问，一方是人，一方是机器。如果无法区分二者回复，机器即通过图灵测试。

unsupervised learning(无监督学习)：机器学习类别，不给模型提供标注好的训练数据，模型自主挖掘数据内部规律。

vibe coding(感觉式编程)：直接用自然语言向 AI 聊天机器人下达指令生成代码，而非人工逐行手写代码。

weak AI, aka narrow AI(弱 AI，又称专用 AI)：只能完成特定任务，能力无法向外拓展。如今绝大多数 AI 都属于弱 AI。

zero‑shot learning(零样本学习)：模型执行任务，没有提供对应训练样本。举例：只训练老虎相关素材，模型识别出狮子。