幣圈人補課AI:30個高頻黑話,一次講清
原文標題:《AI 隱語詞典(2026 年 3 月版),建議收藏》
原文作者:Golem,Odaily 星球日報
現在,幣圈人要是不關注 AI,很容易遭群嘲(對,我的朋友,想想你為啥會點進來)。
你是否對 AI 的基礎概念一竅不通,每句話裡的縮寫都問下豆包啥意思啊?你又是否在 AI 線下活動中對各種專有名詞一頭霧水,還要假裝沒掉線?
雖然在短時間內一腳跨入 AI 行業不現實,但知道下 AI 行業高頻基礎詞彙總是不虧的。幸運了,接下來這篇文章就是為你準備的↓真誠建議你熟讀並收藏。
基礎詞彙(12)
· LLM(大語言模型)
LLM 核心是用海量數據訓練出來、擅長理解和生成語言的深度學習模型,它能處理文本,現在也越來越能處理其他類型內容。
與之相對的是 SLM(小語言模型)——通常強調成本更低、部署更輕、本地化更方便的語言模型。
· AI Agent(AI 智能體)
AI Agent 指的不只是「會聊天的模型」,而是能理解目標、調用工具、分步執行任務、必要時還能做規劃和驗證的系統。Google 將 agent 定義為能基於多模態輸入進行推理並代用戶執行動作的軟體。
· Multimodal(多模態)
其 AI 模型不只讀文字,而是能同時處理文本、圖片、音訊、視訊等多種輸入輸出形式。Google 明確把多模態定義為處理和生成不同類型內容的能力。
· Prompt(提示詞)
用戶給模型輸入的指令,是最基礎的人機交互方式。
· Generative AI(生成式 AI / AIGC)
強調 AI「生成」而不是單純分類或預測,生成式模型可以根據 prompt 生成文本、代碼、圖像、表情貼、視訊等內容。
· 代幣(Token)
這是 AI 圈最像「Gas 單位」的概念之一。模型不是按「字數」理解內容,而是按 token 處理輸入輸出,計費、上下文長度、響應速度,通常都和 token 強相關。
· 上下文窗口(Context Window / 上下文長度)
指模型一次性能「看到」和利用的 token 總量,也可稱為模型在單次處理時能考慮或「記住」的 token 數量。
· 記憶(Memory)
讓模型或 Agent 保留用戶偏好、任務上下文、歷史狀態。
· 訓練(Training)
模型從數據中學習參數的過程。
· 推理執行(Inference)
和訓練相對,指模型上線後接收輸入並生成輸出的過程。行業裡常說「訓練很貴,推理更費錢」,因為真實商業化階段很多成本發生在 inference。相關訓練/推理區分也是主流廠商討論部署成本時的基礎框架。
· 工具調用(Tool Use / Tool Calling)
意思是模型不只輸出文字,而是可以去調用搜索、程式碼執行、數據庫、外部 API 等工具,這已經被當成 Agent 的關鍵能力之一。
· API(應用程式介面)
AI 產品、應用、Agent 接第三方服務時的基礎設施。
進階詞彙(18)
· 變換器(Transformer)
一種讓 AI 更擅長理解上下文關係的模型架構,也是今天大多數大語言模型的技術底座,最大的特點是能同時看整段內容裡每個詞和其他詞的關係。
· 注意力機制(Attention)
它是 Transformer 最關鍵的核心機制,作用就是讓模型在讀一句話時,自動判斷「哪些詞最值得重點看」。
· Agentic / Agentic Workflow(智能體式 / Agent 化工作流)
這是最近很熱的說法,意思是一個系統不再只是「一問一答」,而是帶有一定自主性地拆解任務、決定下一步、調用外部能力。很多廠商把它當成「從 Chatbot 走向可執行系統」的標誌。
· Subagents(子智能體)
一個 Agent 再拆出多個專職小 Agent 去處理子任務。
· Skills(可複用能力模塊)
隨著 OpenClaw 爆火,這個詞近明顯變得常見,這是給 AI Agent 的可安裝、可複用、可組合的能力單元/操作說明書,但也特別提醒有工具濫用和數據暴露風險。
· Hallucination(機器幻覺)
意為模型一本正經地胡說八道,「感知到並不存在的模式」從而生成錯誤或荒誕輸出,這是模型看似合理、實則錯誤的過度自信輸出。
· Latency(延遲)
模型從收到請求到輸出結果所花的時間,屬於最常見的工程黑話之一,一聊落地和產品化就會頻繁出現。
· Guardrails(護欄)
用於限制模型/Agent 能做什麼、什麼時候停、什麼內容不能輸出。
· Vibe Coding(氛圍編程)
這個詞也是如今最火爆的 AI 黑話,意為用戶直接靠對話表達需求,AI 來寫代碼,而用戶不需要具體懂如何寫代碼。
** Parameters(參數)
模型內部用於存儲能力和知識的數字規模,常被用來粗暴衡量模型體量,「百億參數」「千億參數」都是 AI 圈最常見的唬人說法。
· Reasoning Model(強推理模型)
它通常指更擅長多步推理、規劃、驗證、複雜任務執行的模型。
· MCP(模型上下文協議)
這是近一年非常熱的新黑話,作用類似給模型和外部工具/數據源之間建立通用接口。
· Fine-tuning / Tuning(微調)
是在基礎模型上繼續訓練,讓它更適應特定任務、風格或領域。Google 術語表直接把 tuning 和 fine-tuning 作為相關概念。
· Distillation(蒸餾)
把大模型的能力盡量壓縮給小模型,像是讓「老師」教會「學生」。
· RAG(檢索增強生成)
這幾乎已經成了企業 AI 的基礎配置。微軟把它定義為「搜索 + LLM」的模式,用外部數據來給回答做 grounding,解決模型訓練數據過時、不了解私有知識庫的問題。目的是把回答建立在真實文檔和私有知識上,而不是只靠模型自己回憶。
· Grounding(事實對齊)
常和 RAG 一起出現,意思是讓模型回答建立在文檔、數據庫、網頁等外部依據上,而不是只靠參數記憶「自由發揮」。微軟在 RAG 文檔中明確把 grounding 作為核心價值。
· Embedding(向量嵌入 / 語義向量)
就是把文字、圖片、音訊等內容編碼成高維數字向量,以便做語義相似度計算。
· Benchmark(基準測試)
用一套統一標準去測試模型能力的評測方式,也是各家模型最愛拿來「證明自己很強」的排行榜語言。
猜你喜歡

納斯達克指數跌入調整區間|Rewire新聞早報

OpenAI敗給千問,聊天框裡長不出收銀台

一年估值翻140%,誰在給國防人工智慧寫支票?

Bittensor 對比 Virtuals:兩種截然不同的 AI 飛輪機制

福布斯:加密行業為何對人工智能智能體如此狂熱?

早報 | Startale 完成 6300 萬美元 A 輪融資;STS Digital 推出結構化加密貨幣平台;Polymarket 將對幾乎所有交易類別徵收吃單費

World Liberty Financial 銷毀 4700 萬枚代幣以應對 WLFI 價格下跌 – 2025 年 9 月 3 日更新
想像一下,一個備受矚目的加密貨幣項目剛啟動,其代幣價值就迅速下滑。World Liberty Financial 如何應對?

Etherex價格飆升40%:2025年9月3日Linea獎勵計畫正式啟動
想像一下您的投資如同火箭般飛速增長,這正是Etherex目前正在經歷的行情,其背後動力源於全新的激勵機制。

Linea空投資格查詢工具今日上線,社區反響熱烈 – 2025年9月3日
想像一下在不斷發展的加密貨幣世界中發現自己有資格獲得免費代幣的快感——這就像是發現…

Linea 空投更新:85% 代幣分配給用戶與開發者,Layer-2 網路於 2025 年 9 月 3 日強化以太坊協同效應
想像一條繁忙的數位高速公路,以太坊的核心優勢透過創新的 Layer-2 解決方案展現得更加耀眼——這正是 Linea 的願景。

馬雲入局加密貨幣:雲鋒金融4400萬美元投資以太坊及RWA佈局——2025年9月3日最新動態
想像一下,像雲鋒金融這樣與全球最具影響力的企業家之一有聯繫的金融巨頭,突然進軍加密貨幣領域……

以太坊基金會發文:重構 L1 與 L2 分工,共建以太坊終極生態

Linea空投申領窗口9月10日至12月9日開放,代幣完全解鎖 – 2025年9月3日最新更新
想像一下進入一個繁榮的區塊鏈生態系統,獎勵如寶藏般湧現。Linea空投申領即將開啟,快來查看您的資格。

Binance 投資 5300 萬美元進軍墨西哥,推出金融科技平台 Medá – 2025 年 9 月 3 日最新動態
想像一下一個數位金融與日常生活需求完美融合的充滿活力的市場,這正是 Binance 在墨西哥正在打造的場景。

2025年加密貨幣交易所發展趨勢深度解析
步入2025年9月3日,加密貨幣世界持續吸引著投資者,而加密貨幣交易所作為核心樞紐,其重要性日益凸顯。

DeepSeek 如何撼動比特幣與加密貨幣市場
想像一下,一款突破性的 AI 模型像驚悚片中的意外情節一樣橫空出世,對比特幣價格造成了什麼影響?

比特幣牛市穩健:什麼因素可能引發下一次 BTC 價格飆升?
發佈時間:2025-09-03T09:06:01.000Z 比特幣憑藉其強勁的上漲趨勢持續吸引市場關注,儘管近期走勢顯示出短暫的盤整跡象…

Solana Chapter 2 手機空投價值一度超過預售價,為持有者帶來快速獲利
想像一下,在尖端智慧型手機發布之前就已預訂,隨後還能在錢包中收到免費的代幣空投,甚至足以覆蓋手機成本…
