尧图网站建设 
2026 AI 术语大扫盲220 黑话一篇讲透建议收藏人工智能的技术词汇正以 “快时尚” 的速度迭代 —— 刚学会上一个词行业里已经又冒出三个新词。本文系统梳理 AI 领域最核心、最常用的技术术语按主题分为 12 大板块共 240 词条覆盖从机器学习基础到大模型训练、推理、智能体、多模态、基础设施、热门工具框架、安全治理、评测基准与前沿方向适合作为入门读者的 “AI 词典”也适合进阶读者快速查漏补缺。AI 技术全景AI 技术全景一、基础概念二、模型架构三、数据与训练四、推理与生成五、检索增强 RAG六、AI 智能体七、多模态与内容生成八、基础设施与部署九、安全、对齐与治理十、评测与基准十一、前沿与产业趋势十二、热门工具与框架一、基础概念篇术语英文 / 缩写一句话解释人工智能AI让机器模拟人类智能感知、理解、推理、决策的技术总称机器学习ML让计算机从数据中自动学习规律而不是靠人工编写规则深度学习DL用多层神经网络从数据中自动学习特征是现代 AI 的技术底座神经网络Neural Network受大脑神经元启发、由大量 “人工神经元” 连接构成的计算模型自然语言处理NLP让计算机理解、生成和处理人类语言的技术计算机视觉CV让计算机 “看懂” 图像和视频支撑人脸识别、自动驾驶、医学影像生成式 AIGenerative AI能创造全新内容文字、图片、音频、视频、代码的 AI基础模型Foundation Model在大规模数据上预训练、可适配多种下游任务的通用大模型前沿模型Frontier Model能力最强的一批基础模型其能力可能伴随新风险大语言模型LLM用海量文本训练、能理解和生成自然语言的模型小语言模型SLM数亿到数十亿参数的精简模型是端侧 AI 和降本场景的主力多模态 AIMultimodal AI能同时理解和处理文字、图片、音频、视频等数据的 AI原生多模态Native Multimodality在统一架构内直接处理多模态数据而非 “外挂” 适配模块词元Token模型处理文本的最小单位约 0.75 个英文词或 1-2 个汉字API 按此计费模型参数Parameters模型内部可学习的数值决定能力边界常以 7B、70B、千亿描述规模上下文窗口Context Window模型一次能处理的最大文本长度已从 4K 发展到 100 万 tokens推理Inference用训练好的模型进行预测或生成输出的过程涌现能力Emergent Abilities模型规模超过临界点后突然出现的、小模型不具备的能力规模法则Scaling Laws模型性能随参数、数据、算力增长而提升的规律“大力出奇迹” 的理论依据通用人工智能AGI在大多数有经济价值的工作中达到或超越人类的通用智能尚未实现超级智能ASI在所有领域远超人类水平的假想 AI零样本 / 少样本学习Zero-shot / Few-shot模型在完全没有或仅有少量示例的情况下完成任务上下文学习ICL不更新参数、仅凭提示中给出的示例就学会完成新任务开源 / 闭源模型Open Source vs Closed可免费下载修改DeepSeek、Llamavs 仅通过 API 提供服务GPT、ClaudeAI 幻觉HallucinationAI 自信地生成看似合理但事实错误的内容只能缓解无法根除AI 偏见AI Bias模型从训练数据中学习并放大的性别、种族、地域等社会偏见二、模型架构篇术语英文 / 缩写一句话解释Transformer—2017 年 Google 提出基于自注意力的架构是所有大语言模型的基石注意力机制Attention让模型处理一个词时关注输入中其他相关词是现代 AI 最关键的发明之一自注意力Self-Attention让序列中每个词与所有词交互并按相关性加权擅长捕捉长距离依赖多头注意力Multi-Head Attention用多组注意力头并行捕捉不同维度的关系是 Transformer 标配组件位置编码Positional Encoding给 Transformer 注入词语顺序信息旋转位置编码RoPE是当前主流卷积神经网络CNN通过卷积自动提取图像特征是图像识别、自动驾驶视觉的核心循环神经网络RNN / LSTM / GRU擅长处理序列数据的早期架构靠隐藏状态记忆历史如今多被 Transformer 取代编码器 - 解码器Encoder-Decoder / Seq2Seq编码器读入输入、解码器生成输出的序列转换框架机器翻译的经典形态BERT—2018 年 Google 发布的双向预训练语言模型NLP 预训练时代里程碑GPTGenerative Pre-trained TransformerOpenAI 的生成式预训练 Transformer 系列从 GPT-1 演进到 GPT-5混合专家模型MoE多个 “专家” 子模型 路由器每次只激活部分专家兼顾能力与成本扩散模型Diffusion Model通过逐步 “去噪” 把随机噪声变成高质量图像文生图主流技术扩散 TransformerDiT把扩散去噪骨干换成 Transformer2024 年后文生图 / 视频的主流架构生成对抗网络GAN生成器与判别器相互博弈的经典生成架构曾是图像生成主流变分自编码器VAE把数据压缩到有规律的低维潜空间再采样生成是文生图的重要基石流匹配Flow Matching更稳定高效的生成训练范式被多家旗舰视频 / 图像模型采用状态空间模型SSM / Mamba以线性复杂度处理长序列的新架构被视为 Transformer 的潜在继任者推理模型Reasoning Model / LRM能 “想清楚再回答” 的模型OpenAI o 系列、DeepSeek-R1、Claude Opus 等世界模型World Model能理解并模拟物理世界规律运动、光照、力的模型视频生成与机器人的共同基础视觉 - 语言 - 动作模型VLA把视觉、语言理解与动作输出统一的模型是机器人大脑的主流形态3D 高斯泼溅3D Gaussian Splatting用大量 3D 高斯椭球表示场景并实时渲染正成为 3D 重建新标准三、数据与训练篇术语英文 / 缩写一句话解释预训练Pre-training在海量通用数据上训练基础模型是所有大模型的第一阶段监督微调SFT用 “问题 - 答案” 标注数据继续训练让模型学会对话和指令遵循指令微调Instruction Tuning用大量 “指令 - 回答” 数据微调让模型从文本预测器变成通用助手对齐Alignment让模型行为符合人类价值观和意图的训练过程人类反馈强化学习RLHF用人类偏好训练奖励模型、再用强化学习优化输出让模型 “听话、安全”AI 反馈强化学习RLAIF用 AI 模型而非人类生成偏好反馈的强化学习方法可规模化奖励模型Reward Model给 AI 回答打分的 “裁判” 模型是 RLHF 的关键组件PPOProximal Policy Optimization强化学习经典策略优化算法RLHF 的主流训练方法直接偏好优化DPO直接从偏好数据学习无需奖励模型和复杂 RL比 RLHF 更简单高效组相对策略优化GRPO对同一问题生成多份回答、按组内相对优劣给奖励DeepSeek 训练推理模型的核心技术可验证奖励强化学习RLVR在数学、编程等有明确对错的任务上用自动校验代替人类打分是 R1 等推理模型的关键宪法 AIConstitutional AI给 AI 一部成文 “宪法”让它按条文自我批评修正Anthropic 提出合成数据Synthetic Data由 AI 生成而非人工采集的训练数据缓解数据枯竭的关键手段数据标注Data Labeling为训练数据添加标签与注释决定模型能力上限知识蒸馏Knowledge Distillation把大模型教师的知识压缩进小模型学生让小的又快又强低秩适应LoRA只训练少量低秩参数而非整个模型的高效微调方法消费级显卡也能微调QLoRA—LoRA 的量化版本进一步降低微调显存门槛参数高效微调PEFT只更新少量参数完成适配的微调技术总称LoRA、Adapter 等迁移学习Transfer Learning把一个任务学到的知识应用到另一个相关任务是微调的理论基础灾难性遗忘Catastrophic Forgetting模型学新任务时把旧知识 “冲掉”持续学习面临的经典难题持续学习Continual Learning让模型在不遗忘旧知识的前提下持续学习新任务联邦学习Federated Learning数据不出本地、只上传梯度更新的分布式训练保护隐私数据飞轮Data Flywheel“用得越多→数据越多→产品越好→用户越多” 的自增强循环四、推理与生成篇术语英文 / 缩写一句话解释自回归生成Autoregressive Generation逐字预测下一个词并拼回输入再继续ChatGPT 就是这样 “蹦” 出回答的解码策略Decoding Strategies从概率榜里挑词的规则决定回答的稳定与灵活贪心解码Greedy Decoding每次都选概率最高词的解码方式最稳定但容易呆板重复束搜索Beam Search同时保留多条候选路径的搜索式解码兼顾质量与多样性Top-k / Top-p—从概率最高的 k 个词 / 累计概率 p 的词中采样控制输出多样性温度参数Temperature控制输出随机性的旋钮0 最确定、越高越有创意KV 缓存KV Cache缓存注意力中间结果避免重复计算让长对话更快更便宜模型量化Quantization把参数从 FP16/FP32 压到 INT8/INT4/FP8大幅降低显存与成本闪电注意力Flash AttentionIO 感知的注意力优化大幅降低显存占用长上下文推理的前提稀疏注意力Sparse Attention只关注部分重要位置降低长文本处理成本推测解码Speculative Decoding小模型 “草拟”、大模型 “审核”不损质量提速 2-3 倍结构化输出Structured Output让模型按 JSON 等固定格式输出方便程序直接消费思维链CoT让模型 “一步步思考” 的提示技术显著提升复杂推理准确率思维树ToT让模型探索多条推理分支并评估选择比 CoT 更强自我一致性Self-Consistency多次采样推理路径并投票取多数提升推理稳健性测试时计算Test-Time Compute在推理阶段投入更多算力提升答案质量o1/o3 等推理模型的理论基础扩展思考Extended Thinking让模型作答前先进行更长时间的内部推理与自查Claude、Gemini 均支持函数调用Function Calling / Tool Use让模型调用外部 API 与工具“不只是说话而是能做事”提示词工程Prompt Engineering设计与优化输入提示词以获得更好输出“与 AI 对话的艺术”系统提示词System Prompt定义 AI 角色、行为规则与输出约束的底层指令上下文工程Context Engineering系统性地编排模型可见的信息指令、文档、工具定义、历史比单纯措辞更关键上下文压缩Context Compression把大段上下文压成摘要或关键信息省钱省窗口提示词缓存Prompt Caching缓存重复提示前缀、只按增量计费多轮对话成本可降 90%模型路由Model Routing按任务难度把请求分给大小模型兼顾效果与成本五、检索增强与知识篇术语英文 / 缩写一句话解释向量嵌入Embedding把文字、图片等数据转成固定长度数字向量让计算机比较语义相似度向量数据库Vector Database专门存储与检索向量的数据库是 RAG 和语义搜索的核心设施文本分块Chunking把长文档切成语义完整的小块是 RAG 的第一道工序检索增强生成RAG先检索外部知识再生成回答显著减少幻觉、提升准确性混合检索Hybrid Search关键词检索 向量语义检索结合兼顾精确匹配与语义理解重排序Reranking先粗召回再精排显著提升检索与问答质量图增强检索GraphRAG把知识图谱与 RAG 结合用实体与关系完成多跳推理微软提出智能体 RAGAgentic RAG让模型主动多轮搜索、验证、整合信息2026 年 RAG 的主流进化方向知识图谱Knowledge Graph以实体 - 关系结构化组织知识的图数据库支撑多跳问答事实对齐Grounding让 AI 输出基于真实数据源而非凭空生成常与 RAG、实时搜索结合六、AI 智能体篇术语英文 / 缩写一句话解释智能体AI Agent能自主感知、规划、使用工具并多步执行任务的 AI 系统代理式 AIAgentic AI“会做事的 AI”自主规划、调用工具、多步执行并自我纠错2026 年最热方向智能体工作流Agentic Workflow由智能体自主决策、迭代执行整条业务流程的工作方式子智能体Sub-agent父智能体为处理子任务临时创建、上下文隔离的专职智能体多智能体系统Multi-Agent System多个智能体各司其职、协作完成复杂任务比单智能体更可靠可扩展编排Orchestration协调多个智能体的调度层决定任务分给谁、什么顺序、失败如何处理ReActReason Act“思考→行动→观察” 循环范式构建 Agent 的主流框架规划Planning智能体把大目标拆解为有序子步骤的能力反思Reflection智能体回顾自身执行过程、总结经验并自我修正的机制智能体记忆Agent Memory跨会话记住用户偏好、历史与任务上下文的记忆系统模型上下文协议MCPAnthropic 2024 年推出的开放协议统一 AI 与外部工具 / 数据连接“AI 的 USB-C”智能体间协议A2AGoogle 2025 年发布、Linux 基金会接管的智能体互连协议被称为 “智能体的 TCP/IP”智能体通信协议ACP智能体间标准化通信的早期提案之一智能体承载框架Agent Harness围绕模型构建的任务承载与执行机制底座模型之外的 “另一半”计算机使用Computer Use让 AI 像人一样操作电脑屏幕、点击输入完成任务Anthropic 2024 年推出浏览器智能体Browser Agent自主打开网页、点击、填表完成线上任务OpenAI Operator、Mariner 等深度研究Deep ResearchAI 自主并行阅读数百网页 / 论文十几分钟产出带引用报告2025-2026 新范式智能体评测Agent Evaluation衡量多步任务、工具使用与长期目标达成质量的评测体系环状 / 图状工程Loop vs Graph Engineering单智能体循环执行 vs 显式节点边的工作流结构之争上下文腐烂Context Rot长会话中上下文过载导致输出质量逐步下降含 “中间丢失” 效应人在回路Human-in-the-loop关键节点保留人工审核的混合模式用于医疗、金融等高风险场景数字员工Digital Worker以智能体形式承担具体岗位职责的 “虚拟员工”企业 AI 落地主要形态垂直智能体Vertical AI Agent深耕医疗、法律、金融等单一行业的专用智能体七、多模态与内容生成篇术语英文 / 缩写一句话解释视觉语言模型VLM同时理解图像与文本的模型旗舰 LLM 已原生内置CLIPContrastive Language-Image Pre-trainingOpenAI 的图文对比预训练模型广泛用于图文匹配与检索文生图Text-to-Image用文字描述生成图片Midjourney、DALL・E、Stable Diffusion图生图Image-to-Image以图片为底图按提示重绘、换风格、局部编辑或扩图ControlNet—通过线稿、深度图等条件精确控制图像生成的插件技术文生视频Text-to-Video用文字生成视频Sora 等2024 年起的重大突破方向图生视频 / 媒体生视频Image/Media-to-Video以图片或视频为参考生成连贯视频3D 生成3D Generation用文本 / 图片生成三维模型与场景降低内容制作门槛语音识别ASR把语音自动转写成文字识别率已接近真人文本转语音TTS把文字转成自然语音声音克隆Voice Cloning用少量样本复制某人音色与语气生成语音全双工语音Full-Duplex VoiceAI 像真人一样边听边说、随时被打断的实时语音交互语音到语音Speech-to-Speech直接跨语音生成回复无需中间的文本转写AI 音乐生成AI Music用文字 / 旋律生成完整歌曲Suno 等数字人Digital HumanAI 驱动的虚拟人物形象直播、客服、播报、代言深度伪造Deepfake深度学习生成的以假乱真音视频带来身份冒用等风险AIGC 检测AIGC Detection判断内容是否由 AI 生成的技术尚无百分百可靠方案文档智能Document AI让 AI 读懂发票、合同、报告并输出结构化数据八、基础设施与部署篇术语英文 / 缩写一句话解释算力Computing PowerAI 训练与推理所需计算能力FLOPs被称为 “AI 时代的石油”图形处理器GPUAI 训练与推理核心硬件NVIDIA 占据绝对主导张量处理器TPUGoogle 自研 AI 专用芯片针对 TensorFlow/JAX 优化神经网络处理器NPU集成在手机、PC 芯片中的低功耗 AI 推理单元端侧 AI 的关键AI 芯片AI ChipGPU、NPU、TPU 等专为 AI 设计的处理器统称CUDA—NVIDIA 的并行计算平台深度学习框架的事实标准底座高带宽内存HBMAI 芯片的专用高带宽内存决定大模型训练吞吐超节点Supernode把成百上千颗 AI 芯片深度整合成一台巨型超级计算机2026 热词万卡集群10K-GPU Cluster上万张 GPU 组成的超算集群大模型训练的标配分布式训练Distributed Training把大模型拆到成百上千张卡上协同训练张量 / 流水 / 数据并行TP / PP / DP分布式训练的三种基本切分方式全分片数据并行FSDPPyTorch 的分片并行方案训练超大规模模型的主流选择DeepSpeed—微软的大模型训练优化框架ZeRO 显存优化等vLLM—UC Berkeley 的高性能推理引擎PagedAttention 提速 10-20 倍PagedAttention—仿操作系统分页管理 KV 缓存的推理优化技术GGUF—llama.cpp 定义的模型格式专为 CPU 推理与量化设计llama.cpp / Ollama—本地运行大模型的推理引擎与一键部署工具AI 网关AI Gateway应用与各家模型 API 之间的统一中转层换模型不改代码、统一限流计费AI 编排AI Orchestration连接协调多个模型、工具与数据源的中间层企业 AI 部署必需MLOps / LLMOps—模型与 LLM 应用的开发、部署、监控运维体系端侧 AIOn-Device / Edge AI模型在手机、PC、IoT 本地运行无需云端AI PC—内置 NPU、能本地跑大模型的个人电脑智算中心AI Data Center专为 AI 训练推理建造的数据中心GPU 集群、高速网络、液冷存算一体Computing-in-Memory把存储与计算融合进同一器件打破 “冯・诺依曼瓶颈”神经形态计算Neuromorphic Computing模拟人脑神经元与突触的超低功耗类脑芯片方向量子机器学习QML量子计算与机器学习结合的前沿方向仍处早期九、安全、对齐与治理篇术语英文 / 缩写一句话解释AI 安全AI Safety确保 AI 行为符合人类价值观与利益的研究领域对齐Alignment让模型目标与人类意图一致见训练篇此处为治理视角超级对齐SuperalignmentOpenAI 发起的、在超级智能出现前解决对齐问题的长期项目越狱Jailbreak精心构造提示词绕过 AI 安全限制的攻击手法提示词注入Prompt Injection诱导 AI 忽略原指令或泄露系统提示的攻击方式红队测试Red Teaming安全专家主动攻击模型以发现漏洞并修补护栏Guardrails部署侧拦截违规输入输出的安全规则与过滤层可解释性Interpretability让 AI 决策过程可被人类理解的研究方向机制可解释性Mechanistic Interpretability逆向工程模型内部机制如神经元、电路的研究路线水印Watermarking在 AI 内容中嵌入可检测标记用于溯源与防伪对抗攻击Adversarial Attack用微小扰动欺骗模型产生错误输出的攻击手段差分隐私Differential Privacy在训练中注入噪声、保护个体数据不外泄的隐私技术欧盟 AI 法案EU AI Act全球首部全面的 AI 监管法律按风险分级监管AI 治理AI Governance管理 AI 开发、部署与使用的政策与监督框架可信 AITrusted AI透明、可解释、可靠、公平、安全的 AI 体系内容审核Content Moderation对输入输出进行敏感内容过滤与合规审查十、评测与基准篇术语英文 / 缩写一句话解释基准测试Benchmark用标准化测试衡量模型能力的系统MMLU、HumanEval、AIME 等MMLUMassive Multitask Language Understanding覆盖 57 学科的多任务知识理解基准GSM8K—小学数学应用题基准曾被广泛使用、现已接近饱和HumanEval—手写代码函数补全的编程能力基准SWE-bench—真实 GitHub Issue 修复基准衡量工程级编码能力AIMEAmerican Invitational Math Exam美国数学邀请赛题2025-2026 推理模型的核心基准GPQAGraduate-Level Google-Proof QA研究生级 “谷歌搜不到” 科学问答基准ARC-AGI—抽象推理挑战被视为通往 AGI 的重要能力标尺Elo 评分Elo Rating通过模型两两对战 / 投票计算的综合能力排名如 LMArena智能体评测Agent Eval评估多步任务、工具使用与长期目标达成度见智能体篇人工评测Human Eval人类对回答质量、偏好与安全性的主观评估仍不可替代十一、前沿与产业趋势篇术语英文 / 缩写一句话解释世界模型World Model从 “预测下一个词” 升级为 “预测世界下一个状态”被智源等机构视为 2026 年最核心技术突破具身智能Embodied AI拥有物理身体、能把感知推理与行动结合的 AI人形机器人、自动驾驶物理 AIPhysical AI把 AI 从屏幕带到现实世界、能感知操控物理环境的系统空间智能Spatial Intelligence让 AI 理解推理三维世界并与之互动被视为语言、视觉之后的下一前沿主权 AISovereign AI国家 / 地区自主掌控算力、数据、模型与人才发展本土 AI 的战略概念AI for Science—用 AI 加速科学发现蛋白质结构、新药研发、材料设计AI 原生AI Native从设计之初就以 AI 为核心的产品理念AI 操作系统AI OS以 AI 为核心、理解意图并跨应用主动协助的下一代操作系统氛围编程Vibe CodingKarpathy 提出的自然语言编程范式描述想法AI 生成代码智能体编程Agentic CodingAI 自主规划、多文件修改、运行调试并迭代完成软件Claude Code、DevinAI 搜索AI Search大模型直接给出带来源答案的新一代搜索Perplexity、秘塔等生成引擎优化GEO针对 AI 搜索引擎优化内容被引用推荐被称为 “SEO 的下一代”答案引擎优化AEO让内容被 AI 答案引擎直接摘录为 “标准答案” 并标注来源自动驾驶Autonomous Driving用视觉、传感器融合与规划决策实现汽车自主驾驶AI 陪伴AI Companion以长期情感联结为目标的 AI 产品记住喜好、陪聊陪伴主动式个人智能体Proactive Agent从 “一问一答” 转向 “主动执行” 的个人 AI 助手2026 年新形态AI 编程工具AI Coding ToolsCursor、GitHub Copilot、Claude Code 等 AI 辅助编程工具深度研究产品化Deep Research见智能体篇2025-2026 年主流 AI 产品新范式AI 医疗AI Healthcare医学影像、药物研发、临床辅助诊断等应用数字孪生Digital Twin物理世界的数字镜像与 AI 结合用于仿真与预测十二、热门工具与框架工具 / 框架类型一句话解释LangChainLLM 应用框架最流行的 LLM 应用开发框架提供链式调用抽象LangGraph智能体框架LangChain 团队的状态图工作流框架适合构建复杂 AgentLangSmith可观测平台LLM 应用调试、追踪与评估平台LlamaIndexRAG 框架专注数据索引与检索增强RAG的应用框架Hugging FaceAI 社区平台“AI 界的 GitHub”模型 / 数据集 / 训练部署一站式平台CursorAI 编辑器AI 原生代码编辑器自然语言编程、多文件编辑Vibe Coding 代表GitHub CopilotAI 编程助手最早普及的 AI 编程助手Claude Code智能体编程工具Anthropic 的终端级智能体编程工具自主规划并执行开发任务DevinAI 软件工程师Cognition 的自主 AI 软件工程师端到端完成开发任务Ollama本地推理工具一条命令本地运行开源模型的部署工具llama.cpp推理引擎C 编写的高效本地推理引擎GGUF 格式的鼻祖vLLM推理引擎高性能 LLM 推理引擎PagedAttention吞吐提升 10-20 倍ComfyUI图像工作流节点式 Stable Diffusion 工作流工具专业用户首选Midjourney文生图工具以艺术质感著称的文生图服务SunoAI 音乐工具用文字生成完整歌曲与配乐PerplexityAI 搜索AI 原生搜索引擎每条答案标注来源DifyLLM 应用平台开源 LLM 应用开发与编排平台工作流、RAG、AgentCoze扣子智能体平台低代码搭建 Bot 的智能体平台AutoGen多智能体框架Microsoft 的多智能体对话与协作框架CrewAI多智能体框架角色化多智能体协作框架Gradio演示工具快速把模型包成可交互 Web 界面的工具Jupyter Notebook交互编程环境代码、文字、图表混合的交互式编程环境AI 研究与教学标准工具OpenAI API / Claude APIAPI 服务主流闭源模型的统一接入方式结语2026 年的 AI 技术版图已经清晰呈现几条主线大模型从 “会聊天” 走向 “会做事”智能体化、从 “预测词元” 走向 “预测世界”世界模型、从云端走向端侧与物理世界具身智能、AI PC、以及贯穿始终的安全、对齐与治理。这些术语不是孤立的词汇而是技术演进路线的坐标。掌握这套词汇表就掌握了理解 2026 年 AI 行业讨论的 “通用语言”。说明本文为术语科普整理部分时效性内容如旗舰模型代际、行业趋势基于截至 2026 年 10 月的公开资料具体以官方最新发布为准。参考资料AI 工具宝箱《AI 词典 - AI 术语大全》https://www.aitoollab.cn/dict/DevCompass《The 2026 AI Glossary: Terms Everyone’s Using Right Now》https://www.devcompass.ai/blog/2026-ai-glossaryAgent Protocol《AI agent protocol glossary》https://agentprotocol.ai/ai-agent-protocol-glossary/智源社区《2026 智源大会回顾从 AI Coding 到世界模型》https://hub.baai.ac.cn/view/55595CSDN《2026 年上半年人工智能行业深度进展报告》https://blog.csdn.net/zheng_ruiguo/article/details/162721926AIpedia《AI Glossary》https://en.ai-pedias.com/glossaryMicrosoft《AI Decision Framework Glossary》http://microsoft.github.io/Microsoft-AI-Decision-Framework/docs/glossary 2026 AI 术语大扫盲：220+ 黑话一篇讲透，建议收藏
2026 AI 术语大扫盲220 黑话一篇讲透建议收藏人工智能的技术词汇正以 “快时尚” 的速度迭代 —— 刚学会上一个词行业里已经又冒出三个新词。本文系统梳理 AI 领域最核心、最常用的技术术语按主题分为 12 大板块共 240 词条覆盖从机器学习基础到大模型训练、推理、智能体、多模态、基础设施、热门工具框架、安全治理、评测基准与前沿方向适合作为入门读者的 “AI 词典”也适合进阶读者快速查漏补缺。AI 技术全景AI 技术全景一、基础概念二、模型架构三、数据与训练四、推理与生成五、检索增强 RAG六、AI 智能体七、多模态与内容生成八、基础设施与部署九、安全、对齐与治理十、评测与基准十一、前沿与产业趋势十二、热门工具与框架一、基础概念篇术语英文 / 缩写一句话解释人工智能AI让机器模拟人类智能感知、理解、推理、决策的技术总称机器学习ML让计算机从数据中自动学习规律而不是靠人工编写规则深度学习DL用多层神经网络从数据中自动学习特征是现代 AI 的技术底座神经网络Neural Network受大脑神经元启发、由大量 “人工神经元” 连接构成的计算模型自然语言处理NLP让计算机理解、生成和处理人类语言的技术计算机视觉CV让计算机 “看懂” 图像和视频支撑人脸识别、自动驾驶、医学影像生成式 AIGenerative AI能创造全新内容文字、图片、音频、视频、代码的 AI基础模型Foundation Model在大规模数据上预训练、可适配多种下游任务的通用大模型前沿模型Frontier Model能力最强的一批基础模型其能力可能伴随新风险大语言模型LLM用海量文本训练、能理解和生成自然语言的模型小语言模型SLM数亿到数十亿参数的精简模型是端侧 AI 和降本场景的主力多模态 AIMultimodal AI能同时理解和处理文字、图片、音频、视频等数据的 AI原生多模态Native Multimodality在统一架构内直接处理多模态数据而非 “外挂” 适配模块词元Token模型处理文本的最小单位约 0.75 个英文词或 1-2 个汉字API 按此计费模型参数Parameters模型内部可学习的数值决定能力边界常以 7B、70B、千亿描述规模上下文窗口Context Window模型一次能处理的最大文本长度已从 4K 发展到 100 万 tokens推理Inference用训练好的模型进行预测或生成输出的过程涌现能力Emergent Abilities模型规模超过临界点后突然出现的、小模型不具备的能力规模法则Scaling Laws模型性能随参数、数据、算力增长而提升的规律“大力出奇迹” 的理论依据通用人工智能AGI在大多数有经济价值的工作中达到或超越人类的通用智能尚未实现超级智能ASI在所有领域远超人类水平的假想 AI零样本 / 少样本学习Zero-shot / Few-shot模型在完全没有或仅有少量示例的情况下完成任务上下文学习ICL不更新参数、仅凭提示中给出的示例就学会完成新任务开源 / 闭源模型Open Source vs Closed可免费下载修改DeepSeek、Llamavs 仅通过 API 提供服务GPT、ClaudeAI 幻觉HallucinationAI 自信地生成看似合理但事实错误的内容只能缓解无法根除AI 偏见AI Bias模型从训练数据中学习并放大的性别、种族、地域等社会偏见二、模型架构篇术语英文 / 缩写一句话解释Transformer—2017 年 Google 提出基于自注意力的架构是所有大语言模型的基石注意力机制Attention让模型处理一个词时关注输入中其他相关词是现代 AI 最关键的发明之一自注意力Self-Attention让序列中每个词与所有词交互并按相关性加权擅长捕捉长距离依赖多头注意力Multi-Head Attention用多组注意力头并行捕捉不同维度的关系是 Transformer 标配组件位置编码Positional Encoding给 Transformer 注入词语顺序信息旋转位置编码RoPE是当前主流卷积神经网络CNN通过卷积自动提取图像特征是图像识别、自动驾驶视觉的核心循环神经网络RNN / LSTM / GRU擅长处理序列数据的早期架构靠隐藏状态记忆历史如今多被 Transformer 取代编码器 - 解码器Encoder-Decoder / Seq2Seq编码器读入输入、解码器生成输出的序列转换框架机器翻译的经典形态BERT—2018 年 Google 发布的双向预训练语言模型NLP 预训练时代里程碑GPTGenerative Pre-trained TransformerOpenAI 的生成式预训练 Transformer 系列从 GPT-1 演进到 GPT-5混合专家模型MoE多个 “专家” 子模型 路由器每次只激活部分专家兼顾能力与成本扩散模型Diffusion Model通过逐步 “去噪” 把随机噪声变成高质量图像文生图主流技术扩散 TransformerDiT把扩散去噪骨干换成 Transformer2024 年后文生图 / 视频的主流架构生成对抗网络GAN生成器与判别器相互博弈的经典生成架构曾是图像生成主流变分自编码器VAE把数据压缩到有规律的低维潜空间再采样生成是文生图的重要基石流匹配Flow Matching更稳定高效的生成训练范式被多家旗舰视频 / 图像模型采用状态空间模型SSM / Mamba以线性复杂度处理长序列的新架构被视为 Transformer 的潜在继任者推理模型Reasoning Model / LRM能 “想清楚再回答” 的模型OpenAI o 系列、DeepSeek-R1、Claude Opus 等世界模型World Model能理解并模拟物理世界规律运动、光照、力的模型视频生成与机器人的共同基础视觉 - 语言 - 动作模型VLA把视觉、语言理解与动作输出统一的模型是机器人大脑的主流形态3D 高斯泼溅3D Gaussian Splatting用大量 3D 高斯椭球表示场景并实时渲染正成为 3D 重建新标准三、数据与训练篇术语英文 / 缩写一句话解释预训练Pre-training在海量通用数据上训练基础模型是所有大模型的第一阶段监督微调SFT用 “问题 - 答案” 标注数据继续训练让模型学会对话和指令遵循指令微调Instruction Tuning用大量 “指令 - 回答” 数据微调让模型从文本预测器变成通用助手对齐Alignment让模型行为符合人类价值观和意图的训练过程人类反馈强化学习RLHF用人类偏好训练奖励模型、再用强化学习优化输出让模型 “听话、安全”AI 反馈强化学习RLAIF用 AI 模型而非人类生成偏好反馈的强化学习方法可规模化奖励模型Reward Model给 AI 回答打分的 “裁判” 模型是 RLHF 的关键组件PPOProximal Policy Optimization强化学习经典策略优化算法RLHF 的主流训练方法直接偏好优化DPO直接从偏好数据学习无需奖励模型和复杂 RL比 RLHF 更简单高效组相对策略优化GRPO对同一问题生成多份回答、按组内相对优劣给奖励DeepSeek 训练推理模型的核心技术可验证奖励强化学习RLVR在数学、编程等有明确对错的任务上用自动校验代替人类打分是 R1 等推理模型的关键宪法 AIConstitutional AI给 AI 一部成文 “宪法”让它按条文自我批评修正Anthropic 提出合成数据Synthetic Data由 AI 生成而非人工采集的训练数据缓解数据枯竭的关键手段数据标注Data Labeling为训练数据添加标签与注释决定模型能力上限知识蒸馏Knowledge Distillation把大模型教师的知识压缩进小模型学生让小的又快又强低秩适应LoRA只训练少量低秩参数而非整个模型的高效微调方法消费级显卡也能微调QLoRA—LoRA 的量化版本进一步降低微调显存门槛参数高效微调PEFT只更新少量参数完成适配的微调技术总称LoRA、Adapter 等迁移学习Transfer Learning把一个任务学到的知识应用到另一个相关任务是微调的理论基础灾难性遗忘Catastrophic Forgetting模型学新任务时把旧知识 “冲掉”持续学习面临的经典难题持续学习Continual Learning让模型在不遗忘旧知识的前提下持续学习新任务联邦学习Federated Learning数据不出本地、只上传梯度更新的分布式训练保护隐私数据飞轮Data Flywheel“用得越多→数据越多→产品越好→用户越多” 的自增强循环四、推理与生成篇术语英文 / 缩写一句话解释自回归生成Autoregressive Generation逐字预测下一个词并拼回输入再继续ChatGPT 就是这样 “蹦” 出回答的解码策略Decoding Strategies从概率榜里挑词的规则决定回答的稳定与灵活贪心解码Greedy Decoding每次都选概率最高词的解码方式最稳定但容易呆板重复束搜索Beam Search同时保留多条候选路径的搜索式解码兼顾质量与多样性Top-k / Top-p—从概率最高的 k 个词 / 累计概率 p 的词中采样控制输出多样性温度参数Temperature控制输出随机性的旋钮0 最确定、越高越有创意KV 缓存KV Cache缓存注意力中间结果避免重复计算让长对话更快更便宜模型量化Quantization把参数从 FP16/FP32 压到 INT8/INT4/FP8大幅降低显存与成本闪电注意力Flash AttentionIO 感知的注意力优化大幅降低显存占用长上下文推理的前提稀疏注意力Sparse Attention只关注部分重要位置降低长文本处理成本推测解码Speculative Decoding小模型 “草拟”、大模型 “审核”不损质量提速 2-3 倍结构化输出Structured Output让模型按 JSON 等固定格式输出方便程序直接消费思维链CoT让模型 “一步步思考” 的提示技术显著提升复杂推理准确率思维树ToT让模型探索多条推理分支并评估选择比 CoT 更强自我一致性Self-Consistency多次采样推理路径并投票取多数提升推理稳健性测试时计算Test-Time Compute在推理阶段投入更多算力提升答案质量o1/o3 等推理模型的理论基础扩展思考Extended Thinking让模型作答前先进行更长时间的内部推理与自查Claude、Gemini 均支持函数调用Function Calling / Tool Use让模型调用外部 API 与工具“不只是说话而是能做事”提示词工程Prompt Engineering设计与优化输入提示词以获得更好输出“与 AI 对话的艺术”系统提示词System Prompt定义 AI 角色、行为规则与输出约束的底层指令上下文工程Context Engineering系统性地编排模型可见的信息指令、文档、工具定义、历史比单纯措辞更关键上下文压缩Context Compression把大段上下文压成摘要或关键信息省钱省窗口提示词缓存Prompt Caching缓存重复提示前缀、只按增量计费多轮对话成本可降 90%模型路由Model Routing按任务难度把请求分给大小模型兼顾效果与成本五、检索增强与知识篇术语英文 / 缩写一句话解释向量嵌入Embedding把文字、图片等数据转成固定长度数字向量让计算机比较语义相似度向量数据库Vector Database专门存储与检索向量的数据库是 RAG 和语义搜索的核心设施文本分块Chunking把长文档切成语义完整的小块是 RAG 的第一道工序检索增强生成RAG先检索外部知识再生成回答显著减少幻觉、提升准确性混合检索Hybrid Search关键词检索 向量语义检索结合兼顾精确匹配与语义理解重排序Reranking先粗召回再精排显著提升检索与问答质量图增强检索GraphRAG把知识图谱与 RAG 结合用实体与关系完成多跳推理微软提出智能体 RAGAgentic RAG让模型主动多轮搜索、验证、整合信息2026 年 RAG 的主流进化方向知识图谱Knowledge Graph以实体 - 关系结构化组织知识的图数据库支撑多跳问答事实对齐Grounding让 AI 输出基于真实数据源而非凭空生成常与 RAG、实时搜索结合六、AI 智能体篇术语英文 / 缩写一句话解释智能体AI Agent能自主感知、规划、使用工具并多步执行任务的 AI 系统代理式 AIAgentic AI“会做事的 AI”自主规划、调用工具、多步执行并自我纠错2026 年最热方向智能体工作流Agentic Workflow由智能体自主决策、迭代执行整条业务流程的工作方式子智能体Sub-agent父智能体为处理子任务临时创建、上下文隔离的专职智能体多智能体系统Multi-Agent System多个智能体各司其职、协作完成复杂任务比单智能体更可靠可扩展编排Orchestration协调多个智能体的调度层决定任务分给谁、什么顺序、失败如何处理ReActReason Act“思考→行动→观察” 循环范式构建 Agent 的主流框架规划Planning智能体把大目标拆解为有序子步骤的能力反思Reflection智能体回顾自身执行过程、总结经验并自我修正的机制智能体记忆Agent Memory跨会话记住用户偏好、历史与任务上下文的记忆系统模型上下文协议MCPAnthropic 2024 年推出的开放协议统一 AI 与外部工具 / 数据连接“AI 的 USB-C”智能体间协议A2AGoogle 2025 年发布、Linux 基金会接管的智能体互连协议被称为 “智能体的 TCP/IP”智能体通信协议ACP智能体间标准化通信的早期提案之一智能体承载框架Agent Harness围绕模型构建的任务承载与执行机制底座模型之外的 “另一半”计算机使用Computer Use让 AI 像人一样操作电脑屏幕、点击输入完成任务Anthropic 2024 年推出浏览器智能体Browser Agent自主打开网页、点击、填表完成线上任务OpenAI Operator、Mariner 等深度研究Deep ResearchAI 自主并行阅读数百网页 / 论文十几分钟产出带引用报告2025-2026 新范式智能体评测Agent Evaluation衡量多步任务、工具使用与长期目标达成质量的评测体系环状 / 图状工程Loop vs Graph Engineering单智能体循环执行 vs 显式节点边的工作流结构之争上下文腐烂Context Rot长会话中上下文过载导致输出质量逐步下降含 “中间丢失” 效应人在回路Human-in-the-loop关键节点保留人工审核的混合模式用于医疗、金融等高风险场景数字员工Digital Worker以智能体形式承担具体岗位职责的 “虚拟员工”企业 AI 落地主要形态垂直智能体Vertical AI Agent深耕医疗、法律、金融等单一行业的专用智能体七、多模态与内容生成篇术语英文 / 缩写一句话解释视觉语言模型VLM同时理解图像与文本的模型旗舰 LLM 已原生内置CLIPContrastive Language-Image Pre-trainingOpenAI 的图文对比预训练模型广泛用于图文匹配与检索文生图Text-to-Image用文字描述生成图片Midjourney、DALL・E、Stable Diffusion图生图Image-to-Image以图片为底图按提示重绘、换风格、局部编辑或扩图ControlNet—通过线稿、深度图等条件精确控制图像生成的插件技术文生视频Text-to-Video用文字生成视频Sora 等2024 年起的重大突破方向图生视频 / 媒体生视频Image/Media-to-Video以图片或视频为参考生成连贯视频3D 生成3D Generation用文本 / 图片生成三维模型与场景降低内容制作门槛语音识别ASR把语音自动转写成文字识别率已接近真人文本转语音TTS把文字转成自然语音声音克隆Voice Cloning用少量样本复制某人音色与语气生成语音全双工语音Full-Duplex VoiceAI 像真人一样边听边说、随时被打断的实时语音交互语音到语音Speech-to-Speech直接跨语音生成回复无需中间的文本转写AI 音乐生成AI Music用文字 / 旋律生成完整歌曲Suno 等数字人Digital HumanAI 驱动的虚拟人物形象直播、客服、播报、代言深度伪造Deepfake深度学习生成的以假乱真音视频带来身份冒用等风险AIGC 检测AIGC Detection判断内容是否由 AI 生成的技术尚无百分百可靠方案文档智能Document AI让 AI 读懂发票、合同、报告并输出结构化数据八、基础设施与部署篇术语英文 / 缩写一句话解释算力Computing PowerAI 训练与推理所需计算能力FLOPs被称为 “AI 时代的石油”图形处理器GPUAI 训练与推理核心硬件NVIDIA 占据绝对主导张量处理器TPUGoogle 自研 AI 专用芯片针对 TensorFlow/JAX 优化神经网络处理器NPU集成在手机、PC 芯片中的低功耗 AI 推理单元端侧 AI 的关键AI 芯片AI ChipGPU、NPU、TPU 等专为 AI 设计的处理器统称CUDA—NVIDIA 的并行计算平台深度学习框架的事实标准底座高带宽内存HBMAI 芯片的专用高带宽内存决定大模型训练吞吐超节点Supernode把成百上千颗 AI 芯片深度整合成一台巨型超级计算机2026 热词万卡集群10K-GPU Cluster上万张 GPU 组成的超算集群大模型训练的标配分布式训练Distributed Training把大模型拆到成百上千张卡上协同训练张量 / 流水 / 数据并行TP / PP / DP分布式训练的三种基本切分方式全分片数据并行FSDPPyTorch 的分片并行方案训练超大规模模型的主流选择DeepSpeed—微软的大模型训练优化框架ZeRO 显存优化等vLLM—UC Berkeley 的高性能推理引擎PagedAttention 提速 10-20 倍PagedAttention—仿操作系统分页管理 KV 缓存的推理优化技术GGUF—llama.cpp 定义的模型格式专为 CPU 推理与量化设计llama.cpp / Ollama—本地运行大模型的推理引擎与一键部署工具AI 网关AI Gateway应用与各家模型 API 之间的统一中转层换模型不改代码、统一限流计费AI 编排AI Orchestration连接协调多个模型、工具与数据源的中间层企业 AI 部署必需MLOps / LLMOps—模型与 LLM 应用的开发、部署、监控运维体系端侧 AIOn-Device / Edge AI模型在手机、PC、IoT 本地运行无需云端AI PC—内置 NPU、能本地跑大模型的个人电脑智算中心AI Data Center专为 AI 训练推理建造的数据中心GPU 集群、高速网络、液冷存算一体Computing-in-Memory把存储与计算融合进同一器件打破 “冯・诺依曼瓶颈”神经形态计算Neuromorphic Computing模拟人脑神经元与突触的超低功耗类脑芯片方向量子机器学习QML量子计算与机器学习结合的前沿方向仍处早期九、安全、对齐与治理篇术语英文 / 缩写一句话解释AI 安全AI Safety确保 AI 行为符合人类价值观与利益的研究领域对齐Alignment让模型目标与人类意图一致见训练篇此处为治理视角超级对齐SuperalignmentOpenAI 发起的、在超级智能出现前解决对齐问题的长期项目越狱Jailbreak精心构造提示词绕过 AI 安全限制的攻击手法提示词注入Prompt Injection诱导 AI 忽略原指令或泄露系统提示的攻击方式红队测试Red Teaming安全专家主动攻击模型以发现漏洞并修补护栏Guardrails部署侧拦截违规输入输出的安全规则与过滤层可解释性Interpretability让 AI 决策过程可被人类理解的研究方向机制可解释性Mechanistic Interpretability逆向工程模型内部机制如神经元、电路的研究路线水印Watermarking在 AI 内容中嵌入可检测标记用于溯源与防伪对抗攻击Adversarial Attack用微小扰动欺骗模型产生错误输出的攻击手段差分隐私Differential Privacy在训练中注入噪声、保护个体数据不外泄的隐私技术欧盟 AI 法案EU AI Act全球首部全面的 AI 监管法律按风险分级监管AI 治理AI Governance管理 AI 开发、部署与使用的政策与监督框架可信 AITrusted AI透明、可解释、可靠、公平、安全的 AI 体系内容审核Content Moderation对输入输出进行敏感内容过滤与合规审查十、评测与基准篇术语英文 / 缩写一句话解释基准测试Benchmark用标准化测试衡量模型能力的系统MMLU、HumanEval、AIME 等MMLUMassive Multitask Language Understanding覆盖 57 学科的多任务知识理解基准GSM8K—小学数学应用题基准曾被广泛使用、现已接近饱和HumanEval—手写代码函数补全的编程能力基准SWE-bench—真实 GitHub Issue 修复基准衡量工程级编码能力AIMEAmerican Invitational Math Exam美国数学邀请赛题2025-2026 推理模型的核心基准GPQAGraduate-Level Google-Proof QA研究生级 “谷歌搜不到” 科学问答基准ARC-AGI—抽象推理挑战被视为通往 AGI 的重要能力标尺Elo 评分Elo Rating通过模型两两对战 / 投票计算的综合能力排名如 LMArena智能体评测Agent Eval评估多步任务、工具使用与长期目标达成度见智能体篇人工评测Human Eval人类对回答质量、偏好与安全性的主观评估仍不可替代十一、前沿与产业趋势篇术语英文 / 缩写一句话解释世界模型World Model从 “预测下一个词” 升级为 “预测世界下一个状态”被智源等机构视为 2026 年最核心技术突破具身智能Embodied AI拥有物理身体、能把感知推理与行动结合的 AI人形机器人、自动驾驶物理 AIPhysical AI把 AI 从屏幕带到现实世界、能感知操控物理环境的系统空间智能Spatial Intelligence让 AI 理解推理三维世界并与之互动被视为语言、视觉之后的下一前沿主权 AISovereign AI国家 / 地区自主掌控算力、数据、模型与人才发展本土 AI 的战略概念AI for Science—用 AI 加速科学发现蛋白质结构、新药研发、材料设计AI 原生AI Native从设计之初就以 AI 为核心的产品理念AI 操作系统AI OS以 AI 为核心、理解意图并跨应用主动协助的下一代操作系统氛围编程Vibe CodingKarpathy 提出的自然语言编程范式描述想法AI 生成代码智能体编程Agentic CodingAI 自主规划、多文件修改、运行调试并迭代完成软件Claude Code、DevinAI 搜索AI Search大模型直接给出带来源答案的新一代搜索Perplexity、秘塔等生成引擎优化GEO针对 AI 搜索引擎优化内容被引用推荐被称为 “SEO 的下一代”答案引擎优化AEO让内容被 AI 答案引擎直接摘录为 “标准答案” 并标注来源自动驾驶Autonomous Driving用视觉、传感器融合与规划决策实现汽车自主驾驶AI 陪伴AI Companion以长期情感联结为目标的 AI 产品记住喜好、陪聊陪伴主动式个人智能体Proactive Agent从 “一问一答” 转向 “主动执行” 的个人 AI 助手2026 年新形态AI 编程工具AI Coding ToolsCursor、GitHub Copilot、Claude Code 等 AI 辅助编程工具深度研究产品化Deep Research见智能体篇2025-2026 年主流 AI 产品新范式AI 医疗AI Healthcare医学影像、药物研发、临床辅助诊断等应用数字孪生Digital Twin物理世界的数字镜像与 AI 结合用于仿真与预测十二、热门工具与框架工具 / 框架类型一句话解释LangChainLLM 应用框架最流行的 LLM 应用开发框架提供链式调用抽象LangGraph智能体框架LangChain 团队的状态图工作流框架适合构建复杂 AgentLangSmith可观测平台LLM 应用调试、追踪与评估平台LlamaIndexRAG 框架专注数据索引与检索增强RAG的应用框架Hugging FaceAI 社区平台“AI 界的 GitHub”模型 / 数据集 / 训练部署一站式平台CursorAI 编辑器AI 原生代码编辑器自然语言编程、多文件编辑Vibe Coding 代表GitHub CopilotAI 编程助手最早普及的 AI 编程助手Claude Code智能体编程工具Anthropic 的终端级智能体编程工具自主规划并执行开发任务DevinAI 软件工程师Cognition 的自主 AI 软件工程师端到端完成开发任务Ollama本地推理工具一条命令本地运行开源模型的部署工具llama.cpp推理引擎C 编写的高效本地推理引擎GGUF 格式的鼻祖vLLM推理引擎高性能 LLM 推理引擎PagedAttention吞吐提升 10-20 倍ComfyUI图像工作流节点式 Stable Diffusion 工作流工具专业用户首选Midjourney文生图工具以艺术质感著称的文生图服务SunoAI 音乐工具用文字生成完整歌曲与配乐PerplexityAI 搜索AI 原生搜索引擎每条答案标注来源DifyLLM 应用平台开源 LLM 应用开发与编排平台工作流、RAG、AgentCoze扣子智能体平台低代码搭建 Bot 的智能体平台AutoGen多智能体框架Microsoft 的多智能体对话与协作框架CrewAI多智能体框架角色化多智能体协作框架Gradio演示工具快速把模型包成可交互 Web 界面的工具Jupyter Notebook交互编程环境代码、文字、图表混合的交互式编程环境AI 研究与教学标准工具OpenAI API / Claude APIAPI 服务主流闭源模型的统一接入方式结语2026 年的 AI 技术版图已经清晰呈现几条主线大模型从 “会聊天” 走向 “会做事”智能体化、从 “预测词元” 走向 “预测世界”世界模型、从云端走向端侧与物理世界具身智能、AI PC、以及贯穿始终的安全、对齐与治理。这些术语不是孤立的词汇而是技术演进路线的坐标。掌握这套词汇表就掌握了理解 2026 年 AI 行业讨论的 “通用语言”。说明本文为术语科普整理部分时效性内容如旗舰模型代际、行业趋势基于截至 2026 年 10 月的公开资料具体以官方最新发布为准。参考资料AI 工具宝箱《AI 词典 - AI 术语大全》https://www.aitoollab.cn/dict/DevCompass《The 2026 AI Glossary: Terms Everyone’s Using Right Now》https://www.devcompass.ai/blog/2026-ai-glossaryAgent Protocol《AI agent protocol glossary》https://agentprotocol.ai/ai-agent-protocol-glossary/智源社区《2026 智源大会回顾从 AI Coding 到世界模型》https://hub.baai.ac.cn/view/55595CSDN《2026 年上半年人工智能行业深度进展报告》https://blog.csdn.net/zheng_ruiguo/article/details/162721926AIpedia《AI Glossary》https://en.ai-pedias.com/glossaryMicrosoft《AI Decision Framework Glossary》http://microsoft.github.io/Microsoft-AI-Decision-Framework/docs/glossary