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

在 Stripe 大會,我看見了 AI 經濟的未來

礦工們迎來新生

Claude Code 創始人在紅杉大會上的 7 個重要判斷

早報 | MoonPay 收購 Solana 執行層 DFlow;Strategy 公布 Q1 財報;Manta Network 宣布將終止 Manta 質押計畫

對話 Velocity Eric:CFO 真正想要的穩定幣軌道是什麼?

租來的軌道:這一波穩定幣 FX 熱錢,到底在為什麼買單?

Strategy 早該說不排除賣幣了

MegaETH 如何讓 TVL 在 TGE 一週內達到 700m?拆解包裝手法

那斯達克擴大漲幅,創下盤中歷史新高
那斯達克在4月21日達到盤中歷史新高24,537.58點。 一個新地址從Binance提取35,000 ETH並轉至BitGo。 鯨魚增加了40,000個HYPE代幣,價值約163萬美元。 Kelp DAO攻擊者轉移了50,700 ETH至兩個新地址。 Hyperliquid交易量下降,但TVL仍優於其他平台。 WEEX Crypto News, 市場概況 那斯達克在Bitget的市場數據顯示,於2026年4月21日達到盤中最高點位24,537.58點,顯示出強勁的市場需求及信心。[Place Image: Screenshot of Nasdaq chart…

AI Agent 的支付時刻:誰將成為機器經濟的 Stripe?

期貨交易時間:全天候 24/7 交易加密貨幣,交易手續費返還最高可達 45%
了解期貨交易時間及加密貨幣期貨的最佳交易時段。探索 24/7 市場洞察、交易高峰期,以及如何獲得高達 45% 的手續費返還。

為何 a16z Crypto 要再募 22 億美元重倉 Web3 ?

Polymarket 底層演算法全解

在加密熊市誕生的項目都在做什麼?

a16z 創始人斯坦福講座:每次華爾街和矽谷想法不同,最後錯的都是華爾街

Michael Saylor:Strategy 連續三季虧損後,將出售比特幣支付股息

霍爾木茲的收費站,和買不到的人民幣


