一、大模型定义

狭义定义

特指 ChatGPT 等大语言模型（LLM），通过千亿级参数训练，具备文本生成、逻辑推理等通用能力。

广义定义

涵盖 CV/语音等领域的通用模型范式，演进路径：专用小模型 → 预训练+微调 → 大模型+人类对齐

核心价值

传统 AI 需为每个任务单独训练模型（如翻译模型、摘要模型），而大模型如同「瑞士军刀」，单模型应对多任务。

二、AI 技术分层架构

关键差异对比：

三、语言模型的五次进化

1. 统计语言模型（1950s）

基于词频预测，如同查字典写作文

1. 神经语言模型（2013）

RNN/LSTM 网络，实现上下文记忆

1. 预训练模型（2018）

BERT/GPT-1 开启「预训练+微调」范式

1. 大模型萌芽（2020）

GPT-3 展现零样本学习能力

1. 人类对齐时代（2022）

ChatGPT 通过 RLHF 技术理解人类意图

技术拐点：2017 年 Transformer 架构问世，突破长文本处理瓶颈。

四、核心概念

生成式 AI vs 决策式 AI

AIGC 三大特征：

1. 内容原创性（非简单拼接）

2. 多模态输出（图文/音视频）

3. 可控生成（通过提示词引导）

五、技术生态

中国大模型「三梯队」格局：

通用底座

• 百度文心一言

• 阿里通义千问

• 深度求索 DeepSeek

• 智谱 AI（ChatGLM 系列）

垂直领域

• 医疗：腾讯觅影、医渡云

• 法律：幂律智能、华宇元典

• 金融：度小满轩辕、恒生 LightGPT

大模型不是替代人类的「对手」，而是放大能力的「杠杆」