看新闻时遇到看不懂的词？这里用大白话解释常见的 AI 与科技术语。
大语言模型（LLM）
指用海量文本训练出的 AI 模型，比如 GPT、Gemini、Claude。它们能理解和生成接近人类水平的语言，是当前大多数 AI 应用的核心技术。
检索增强生成（RAG）
让 AI 在回答问题前先去外部资料库或搜索引擎"查资料"，再结合查到的内容生成回答。好处是能减少 AI 编造事实（幻觉），并能回答训练数据之外的新信息。
智能体 / AI Agent
不只是回答问题，还能自主拆解任务、调用工具、连续执行多个步骤来完成目标的 AI 系统，例如自动订机票、自动写代码并测试。
词元（Token）
AI 模型处理文字的最小单位，大致相当于半个到一个汉字。模型的收费、速度和"上下文窗口"大小，通常都以词元数量计算。
微调（Fine-tuning）
在一个已经训练好的通用模型基础上，用特定领域的数据继续训练，让它更擅长某项具体任务。
推理（Inference）
指 AI 模型"运行起来回答问题"的过程，区别于"训练"。推理需要的算力和速度，直接决定了产品的响应速度和成本。
上下文窗口（Context Window）
AI 模型一次能"记住"并处理的文字量上限。窗口越大，模型能一次读完的文档、对话历史就越长。
幻觉（Hallucination）
AI 一本正经地说出错误或编造的信息，是目前大语言模型最主要的缺陷之一。
开源模型 与 闭源模型
开源模型（如 Llama、Qwen）公开权重，任何人可下载、修改、自行部署；闭源模型（如 GPT、Claude）只能通过官方接口调用。
算力（Compute）
训练和运行 AI 模型所需的计算资源，主要由 GPU、TPU 等专用芯片提供。算力短缺和芯片竞赛，是近年 AI 行业新闻里反复出现的主题。
API（应用程序接口）
让不同软件之间互相"对话"的标准接口。开发者通过调用 API，就能把 AI 能力嵌入自己的产品，而不需要自己训练模型。
零日漏洞（Zero-day）
软件中一个厂商尚未发现或尚未修复的安全漏洞。一旦被黑客利用，往往造成较大范围的安全事件。
云原生（Cloud-native）
指专门为云计算环境设计的软件架构方式（比如容器化、微服务），让应用能更灵活地扩展、部署和维护。
边缘计算（Edge Computing）
把数据处理放在离用户或设备更近的地方，而不是全部传回中心服务器处理。好处是响应更快、更省流量，也更好保护隐私。
自动驾驶分级（L2–L5）
L2 是"辅助驾驶"（司机仍需时刻掌控，如特斯拉 Autopilot）；L4/L5 是"高度/完全自动驾驶"，目前多数量产车仍停留在 L2 级别。