企业官网建设流程全解析

很多人卡在人工智能这条路上，不是因为数学不够好，也不是因为代码写不出来，而是被术语绊住了。读一篇论文，摘要里五个词组有四个要查；看官方文档，"指令微调""对齐""上下文学习"混在一起，不知道哪个是训练阶段哪个是推理技巧；面试被问一句"你了解自监督预训练吗"，脑子里先蹦出来的是"self-supervised"这个英文单词，而不是它到底在做什么。这就是我动手整理这份**人工智能专业术语表（中英文对照）**的直接原因。这份表覆盖基础概念、网络结构、大模型、评估指标、工程落地、职业认证六个层面，每个术语都给中文名、英文名，外加一句"人话解释"。它适合三类人：刚入门想建立框架的学生，做项目需要快速对齐词汇的工程师，以及要写大作业、准备面试、考认证的人。我尽量不写成字典，而是写成一份可以直接拿来用的工具。

1. 为什么术语表比教程更该先看

1.1 术语混乱带来的真实麻烦

我先说一个很具体的场景。有次带一个刚转方向的同学做文本分类项目，他跑通了代码，准确率也有 0.9，但复盘的时候说不清楚自己做了什么。问他"你用的是交叉验证还是固定划分"，他答"我就是随机分的"。问他"F1 是多少"，他答"我只看准确率"。这不是能力问题，是词汇没对齐导致的表达失能——他知道自己在做什么，但没有对应的术语去指称它，所以在沟通和写作时全部塌陷成"我就是那样做的"。

术语混乱还有更隐蔽的代价。人工智能领域有个特点：同一个概念在不同圈层有不同叫法。学术界叫Representation Learning（表示学习），工程界常说Feature Extraction（特征提取），到了产品文档里又变成"语义理解"。你要是不建立一张对照表，就会以为是三个东西，结果重复学了三遍。反过来，有些词看着像同义词，实际差得很远，比如Parameter（参数）和Hyperparameter（超参数），一个由训练自动学出来，一个必须你自己设定，混用会让你的实验记录完全失去可复现性。

我自己的做法是，每进入一个新子领域，先花两个小时只做一件事：把该领域高频出现的三十到五十个术语抄下来，写下中英文和一句话解释，然后再去读教程。这个顺序反过来做，效率会低很多，因为教程默认你已经懂了那些词。

1.2 这份表的组织逻辑与使用方式

这份表的组织逻辑是按"从地基到楼顶"排的，不是按字母排。字母序适合查阅，不适合建立认知。我把它分成六层：基础概念层回答"这是什么学科、怎么学"；网络结构层回答"模型内部长什么样"；大模型层回答"现在主流的生成式系统怎么工作"；评估层回答"怎么判断好坏、怎么发现偏见和幻觉"；工程层回答"怎么把它跑起来、跑得快、跑在边缘设备上"；职业层回答"这些岗位和认证分别叫什么"。

使用方式上，我建议你分两遍看。第一遍顺着读，不求记住，只求知道"原来还有这么个东西"，建立索引。第二遍是遇到具体问题时回来查，这时候你已经有了上下文，记忆会牢固得多。表格里的"我的理解"那一列是刻意写成口语的，因为它比标准定义更容易在脑子里留下钩子。

提示：术语表最大的价值不是背下来，而是让你在读到陌生词时知道自己该去哪一层找它。定位能力比记忆能力重要。

2. 基础概念层：先把地基上的词认全

2.1 学科与范式类术语

这一层的词决定了你怎么理解整件事。人工智能（Artificial Intelligence, AI）是最大的集合，指让机器表现出类似智能行为的所有努力。它下面分出去两条历史路线：一条是符号主义（Symbolic AI），靠规则和逻辑推理，典型产物是专家系统（Expert System）；另一条是联结主义（Connectionism），靠大量简单单元的连接和权重调整，也就是今天的神经网络（Neural Network, NN）。这两条路线此消彼长了几十年，现在主流是联结主义占上风，但符号方法并没有消失，它以知识图谱（Knowledge Graph）和本体（Ontology）的形式重新回到系统里，用来做约束和事实校验。

本体（Ontology）这个词特别值得单独说一句。它在哲学里译作"本体论"，在人工智能里指的是对某个领域概念及其关系的形式化描述规范。你可以把它理解成"给一个行业定一套带层级的词汇表和关系规则"，比如"感冒是一种疾病""疾病有症状"这样的结构。它和知识图谱的关系是：本体是骨架和语法，知识图谱是填充进去的实例数据。近几年做智能体系统时，本体又被重新提起，原因是大模型的记忆和检索需要一个稳定的结构化底座，否则多轮对话里它自己就会把概念搞混。

通用人工智能（Artificial General Intelligence, AGI）和专用人工智能（Narrow AI）的区分也要清楚。今天你能用到的所有系统，包括各种大模型，都属于专用范畴——它们在特定任务上很强，但没有跨领域的自主迁移能力。具身智能（Embodied Intelligence）则是另一条线，强调智能必须依附于身体和环境的交互，机器人抓取、导航这类任务都属于它。

2.2 学习范式与训练方式术语

这一组词是你读论文时出现频率最高的。监督学习（Supervised Learning）用带标签的数据，无监督学习（Unsupervised Learning）不带标签，自监督学习（Self-supervised Learning）是自己从数据里造标签——比如把句子里的某个词遮住让模型猜，标签是数据自带的，不需要人工标注。今天的大语言模型预训练几乎全是自监督，这是它能吃下海量文本的关键。

强化学习（Reinforcement Learning, RL）是另一个体系，靠奖励信号引导行为，不依赖标准答案。基于人类反馈的强化学习（Reinforcement Learning from Human Feedback, RLHF）就是把人的偏好排序当作奖励来源，用来让模型输出更符合人类期待。后来为了降低成本，出现了基于AI反馈的强化学习（RLAIF），让另一个模型来打分。

迁移学习（Transfer Learning）和微调（Fine-tuning）是一对。前者强调把在一个任务上学到的知识搬到另一个任务，后者是具体的操作手段。零样本（Zero-shot）、单样本（One-shot）、少样本（Few-shot）描述的是给模型看几个例子就让它干活，上下文学习（In-context Learning）是这种现象的学名——模型参数没变，只靠提示里的例子就调整了行为。元学习（Meta-Learning）是"学会学习"，课程学习（Curriculum Learning）是按难度顺序喂数据，知识蒸馏（Knowledge Distillation）是让小模型模仿大模型的输出分布。

这里有个常见误解要提前纠正：很多人把 Few-shot 和微调混为一谈。Few-shot 不改参数，只改输入；微调改参数，要重新训练。前者便宜灵活，后者稳定但成本高。选哪个，取决于你的任务稳定性和调用频率。

2.3 数据相关术语

数据这一层的词汇看起来朴素，但出错率最高。数据集（Dataset）通常切成训练集（Training Set）、验证集（Validation Set）、测试集（Test Set）三份。验证集用来调超参数，测试集只在最后用一次。我见过不少人反复用测试集调参，结果报出来的指标虚高得离谱。

标签（Label）和标注（Annotation）是两个动作的产物和过程。真值（Ground Truth）是理论上正确的答案，注意它不等于"绝对真理"，只是你这份数据集里被认可的标准。特征（Feature）是喂给模型的输入描述，嵌入（Embedding）是把离散对象映射成稠密向量，词元（Token）是文本被切分后的最小单位，分词（Tokenization）就是切分这个过程，词表（Vocabulary）是切分后所有可能单位的集合。

数据增强（Data Augmentation）在不改变语义的前提下扩充样本，图像里常见的是翻转裁剪，文本里常见的是同义替换和回译。数据泄漏（Data Leakage）是训练时不小心混入了测试信息，是导致指标虚高的头号隐形杀手。类别不平衡（Class Imbalance）指某类样本远多于其他类，会让模型偏向多数类。

3. 网络结构层：模型内部到底长什么样

3.1 基础组件与训练机制术语

理解神经网络，先认三个结构词：输入层（Input Layer）、隐藏层（Hidden Layer）、输出层（Output Layer）。层与层之间靠权重（Weight）和偏置（Bias）连接，这两类东西统称参数（Parameter），是训练要自动学出来的。而超参数（Hyperparameter）是你必须自己定的，比如层数、学习率、批大小，它们不参与梯度更新。

激活函数（Activation Function）给网络引入非线性，没有它，再深的网络也等价于一个线性变换。常见的几个：Sigmoid输出 0 到 1，适合二分类末端；Tanh输出 -1 到 1；ReLU计算简单、缓解梯度消失，是卷积网络的默认选择；GELU更平滑，是 Transformer 里的常见配置；Softmax把一组数值变成概率分布，用在多分类输出。

反向传播（Backpropagation）是计算梯度的算法，梯度下降（Gradient Descent）是沿着梯度更新参数的策略，随机梯度下降（Stochastic Gradient Descent, SGD）每次只用一小批数据估梯度。批（Batch）是一次前向传播处理的样本数，批大小（Batch Size）就是它的数量，轮次（Epoch）是把整个训练集过一遍，迭代（Iteration）是处理完一个批次。学习率（Learning Rate）决定每步走多远，太大容易震荡不收敛，太小训练慢得让人怀疑人生。

过拟合（Overfitting）是训练集表现好、测试集拉胯，欠拟合（Underfitting）是两边都差。应对手段有正则化（Regularization）、随机失活（Dropout）、批归一化（Batch Normalization）、层归一化（Layer Normalization）。残差连接（Residual Connection）让梯度能跨层直接回传，是深层网络能训起来的关键设计。

注意：学习率不是越调越小就越好。很多人一遇到不收敛就把学习率砍十倍，结果训练十轮还在原地。先看损失曲线形状，再决定是调学习率还是换优化器。

3.2 经典网络与 Transformer 架构术语

经典架构先认识五个。多层感知机（Multilayer Perceptron, MLP）是最基础的全连接网络。卷积神经网络（Convolutional Neural Network, CNN）靠卷积核提取局部特征，图像任务的老牌主力。循环神经网络（Recurrent Neural Network, RNN）处理序列，但长距离依赖容易忘。长短期记忆网络（Long Short-Term Memory, LSTM）和门控循环单元（Gated Recurrent Unit, GRU）是它的改良版，用门控机制控制信息保留。生成对抗网络（Generative Adversarial Network, GAN）用生成器和判别器互相博弈，变分自编码器（Variational Autoencoder, VAE）走概率建模路线，扩散模型（Diffusion Model）靠逐步去噪生成，是当前图像生成的主流。

Transformer这一套必须单独拆开讲。注意力（Attention）是让模型根据相关性给不同位置分配权重的机制。自注意力（Self-Attention）是序列内部自己算注意力，多头注意力（Multi-Head Attention）是并行做多组，捕捉不同子空间的关系。位置编码（Positional Encoding）是补上顺序信息，因为注意力本身不区分先后。编码器-解码器（Encoder-Decoder）是两种结构的组合，编码器负责理解，解码器负责生成。前馈网络（Feed Forward Network）是注意力层后面那个逐位置变换的模块。

再往上是工程化的词。混合专家（Mixture of Experts, MoE）把模型切成多个专家子网络，每次只激活一部分，用参数量换计算效率。上下文窗口（Context Window）是模型一次能看进去的词元上限。KV缓存（KV Cache）是推理时把已算过的键值存下来复用，不做这个优化，长文本生成会慢到无法接受。

4. 大模型与生成式人工智能层

4.1 模型层级与训练阶段术语

大语言模型（Large Language Model, LLM）指参数量大、在海量文本上训练的语言模型。基础模型（Foundation Model）是更宽的叫法，泛指能迁移到多种下游任务的大规模预训练模型，不限于语言。训练阶段分两大段：预训练（Pre-training）在海量无标注数据上做自监督学习，目的是获得通用表示能力；后训练（Post-training）在预训练之后做定向调整，包括监督微调（Supervised Fine-Tuning, SFT）、指令微调（Instruction Tuning）和对齐（Alignment）。

对齐这个词容易被误解成"让模型听话"，其实它的目标是让模型的行为与人类价值观和意图一致，涵盖有用性、诚实性和无害性几个维度。对齐做过头会出现对齐税（Alignment Tax），也就是模型变得过度保守，该答的也不答了。灾难性遗忘（Catastrophic Forgetting）是微调后模型丢掉了预训练阶段学到的通用能力，这是持续学习里的经典难题。

微调手段上，全参数微调成本高，所以有了参数高效微调（Parameter-Efficient Fine-Tuning, PEFT），代表方法是低秩适配（Low-Rank Adaptation, LoRA），思路是冻结原权重，只训练一对低秩矩阵，用极少的参数达到接近全量微调的效果。推理部署阶段还有量化（Quantization）、剪枝（Pruning）、知识蒸馏三件套来压缩模型体积。

4.2 提示、生成控制与检索增强术语

提示词（Prompt）是给模型的输入指令，提示工程（Prompt Engineering）是设计这些输入的方法论，系统提示（System Prompt）是设定角色和边界的顶层指令。思维链（Chain of Thought, CoT）是让模型把推理步骤写出来再给答案，对数学和逻辑题效果明显。

生成控制参数必须认识三个。温度（Temperature）控制随机性，接近 0 时输出最确定，调高会更发散；Top-k 采样只在概率最高的 k 个候选里挑；Top-p 采样，也叫核采样（Nucleus Sampling），按累积概率截断候选集合。贪心解码（Greedy Decoding）每步都选概率最高的词，束搜索（Beam Search）同时保留多条候选路径，适合翻译这类需要整体最优的任务。

生成式系统最该警惕的词是幻觉（Hallucination），指模型编造出看起来合理但实际错误的内容。对应的缓解思路叫接地（Grounding），让输出锚定在可验证的来源上。检索增强生成（Retrieval-Augmented Generation, RAG）是当前最常用的接地方案，流程是先把文档切成分块（Chunking），编码后存进向量数据库（Vector Database），检索时做语义搜索（Semantic Search），召回结果再经过重排序（Re-ranking）后塞进提示。

再往上一层是智能体（Agent），指能自主规划、调用工具调用（Tool Use / Function Calling）、并根据反馈调整的模型系统。多智能体协作叫多智能体（Multi-Agent），其中承担规划职责的模块常叫规划器（Planner），保存历史信息的模块叫记忆（Memory）。

5. 评估、偏见与常见误用术语

5.1 评估指标术语

准确率（Accuracy）是最直观的指标，但在类别不平衡时极具欺骗性——负样本占 99% 的数据集，全猜负类也能有 0.99。所以要看精确率（Precision），即预测为正的样本里真正为正的比例；召回率（Recall），即真正的正样本被找出来的比例；以及两者的调和平均F1 分数（F1 Score）。混淆矩阵（Confusion Matrix）把四类结果排列出来，是排查问题最直接的工具。ROC 曲线和AUC衡量排序能力，与阈值无关。

生成任务里常用困惑度（Perplexity, PPL）衡量语言模型对文本的"意外程度"，越低说明预测越准。翻译和摘要用BLEU和ROUGE衡量与参考文本的重合度，注意它们只看字面重合，不理解语义。检测和分割任务看交并比（Intersection over Union, IoU）和平均精度均值（mean Average Precision, mAP）。基准测试（Benchmark）是统一评测集合，基线（Baseline）是对比参照，消融实验（Ablation Study）是逐个去掉模块看影响，交叉验证（Cross-Validation）是轮换验证集以减少划分偶然性。

5.2 偏见、安全与鲁棒性术语

偏见（Bias）在人工智能语境里有两种含义，一种是统计意义上的偏差，另一种是模型输出对特定群体不公平，公平性（Fairness）就是衡量和缓解后者的研究方向。偏见的来源通常是训练数据本身，模型只是把数据里的倾向放大了。鲁棒性（Robustness）指模型面对扰动、噪声、分布外输入时保持稳定的能力，对抗样本（Adversarial Example）是专门构造出来骗过模型的输入。

可解释性（Explainability）和可解释性（Interpretability）常被混用，前者偏重事后给出解释，后者偏重模型本身结构上就能被理解。安全侧还有红队测试（Red Teaming），即主动扮演攻击方找漏洞，以及越狱（Jailbreak），指绕过模型安全限制的提示手法。

5.3 术语误用速查

有几个词我几乎每次交流都能听到被用错，列出来对照一下。第一组是参数和超参数，前者训练学，后者人手定，写实验记录时千万别混。第二组是验证集和测试集，前者可以反复用来调，后者只能用一次，反复用测试集调参等于自己骗自己。第三组是Epoch和Iteration，一个轮次包含多个迭代，汇报训练进度时说错会被直接看出底子。

第四组是微调和提示工程，前者改参数，后者不改，成本差好几个量级。第五组是准确率和精度，中文里"精度"有时指 precision，有时泛指 accuracy，讨论时最好直接说英文或写清楚定义。第六组是训练和推理，一个在学习，一个在使用，很多资源估算的错误都出在把两者混着算。

提示：跟别人讨论指标时，养成先说数据集分布、再说指标名称的习惯。脱离分布谈准确率，基本没有意义。

6. 工程落地、职业与学习路径词汇

6.1 部署与推理优化术语

推理（Inference）是模型跑起来给结果的过程，和训练相对。衡量推理的两个核心指标是延迟（Latency）和吞吐量（Throughput），前者看单次响应多快，后者看单位时间能处理多少请求，两者经常互相牵制。浮点运算次数（FLOPs）用来估算计算量。硬件侧常见图形处理器（GPU）、张量处理器（TPU）、神经网络处理器（NPU），以及 NVIDIA 的并行计算平台CUDA。

模型交换格式有开放神经网络交换格式（Open Neural Network Exchange, ONNX），推理加速有TensorRT，高吞吐服务有vLLM。批推理（Batch Inference）把多个请求合并处理以提高吞吐，代价是单请求延迟上升。模型服务（Model Serving）是把模型包装成接口的工程环节，机器学习运维（MLOps）是覆盖训练、部署、监控、回滚的全流程实践。联邦学习（Federated Learning）让数据留在本地，只上传模型更新；差分隐私（Differential Privacy）通过在统计结果里加噪声保护个体信息。

6.2 边缘计算与具身智能相关术语

边缘计算（Edge Computing）是把计算放到靠近数据源的一侧，边缘人工智能（Edge AI）就是在这类设备上跑模型。它的核心矛盾是算力、功耗、内存三者都紧，所以必须配合模型压缩（Model Compression），包括量化、剪枝和蒸馏。微型机器学习（TinyML）指在单片机和超低功耗设备上跑的模型。开发板里Jetson Nano是入门常见选择，配套的部署流程基本是导出 ONNX、再转 TensorRT 引擎、最后做量化校准。

具身智能方向还要认几个词：机器人学（Robotics）是学科总称，同步定位与建图（Simultaneous Localization and Mapping, SLAM）解决"我在哪、周围什么样"，操作（Manipulation）指抓取和操控物体，仿真到现实迁移（Sim-to-Real）指在仿真里训练、迁移到真机上，数字孪生（Digital Twin）是物理实体的虚拟映射，用来做低成本试错。

6.3 职业、认证与学习路径术语

岗位名称先对齐。人工智能训练师对应AI Trainer，工作内容偏数据标注策略、评测设计和模型行为调优，现在已有分级认证体系，三级通常要求能独立设计标注规范和评测方案。数据标注员（Data Annotator）偏执行层。算法工程师（Algorithm Engineer）偏模型设计和实验。机器学习工程师（Machine Learning Engineer）偏工程化落地。提示工程师（Prompt Engineer）专注输入设计。生成式人工智能应用工程师侧重把生成式能力接进具体业务系统。人工智能产品经理（AI Product Manager）负责需求定义和效果验收。人工智能伦理（AI Ethics）是研究与应用中的规范方向。

学习路径上，我建议按人工智能基础到人工智能导论到专项深入的顺序走，不要一上来就啃大模型论文。人工智能基础概念和人工智能基础知识这两块打牢，后面看任何方向都会快。如果是为了做人工智能毕业设计或人工智能大作业，优先选有公开数据集、有可比基线、评测指标明确的任务，比如经典的猫狗识别这类图像分类，虽然简单，但全流程跑通一遍的价值远大于追热点。

认证方面，华为人工智能初识微认证这类入门级认证适合建立框架，高级别的生成式应用工程师认证更适合已经上手做过项目的人。

7. 术语记忆与查阅的实操方法

7.1 三层记忆法

背术语最忌讳平铺直叙地刷表，刷完一遍什么也留不下。我自己的做法是分三层。第一层是场景层：每个术语必须挂在一个具体场景上，比如"数据泄漏"挂在我曾经把测试集混进训练集导致指标虚高 0.15 的那次事故上。有场景的词，回忆时是顺着故事出来的，比孤立记忆牢固得多。

第二层是对照层：把容易混的成对术语写成两列表格，逼自己写清楚差别。比如参数对超参数、验证集对测试集、微调对提示工程、精确率对召回率。这个动作看起来笨，但它把"我大概知道"变成了"我能说清"，而后者才是能在面试和写作里用得上的。

第三层是输出层：用自己的话给一个完全不懂的人解释这个术语，不许用行话。如果你讲"自监督学习"时只能说"就是自己监督自己"，说明还没真懂。讲成"把句子里的词遮住让模型猜，答案从原文里来，不用人标"，才算过了这关。

7.2 高频踩坑与排查

第一类坑是中英文不对应。有些词中文有多个译法，比如 Grounding 有人译"接地"，有人译"事实锚定"，有人干脆不译。遇到这种情况，我的做法是记住英文原词，中文只当辅助，搜索文献时一律用英文。这样能避开大量同名不同义的混乱。

第二类坑是缩写撞车。AI 既是 Artificial Intelligence，在某些语境下也指 Adobe Illustrator；ML 既是 Machine Learning，也出现在其他领域；Transformer 既是模型架构，也是别的技术名。查资料时把领域词一起带上，比如"Transformer 注意力机制"，命中率会高很多。

第三类坑是版本漂移。同一个术语在不同阶段的含义会变。比如"对齐"在早期指格式对齐，现在主要指价值对齐；"智能体"在符号主义时代指规则驱动的软件实体，现在指大模型驱动的自主系统。读老文献时要注意这一点，别拿今天的定义去套十年前的论文。

第四类坑是术语堆砌造成的虚假理解。有些人能连续说出"多模态、具身、世界模型、端到端"一串词，但问其中任何一个的具体输入输出是什么就答不上来。判断自己是否真懂一个术语，用一句话测试：它的输入是什么、输出是什么、解决什么问题、代价是什么。四个问题答不上两个，就是还没懂。

注意：术语表是地图不是领土。看懂地图不等于走过路，最终还是要落到一个能跑起来的项目上。

我在实际整理和使用这份表的过程中，最大的体会是：术语的价值不在于它听起来专业，而在于它能压缩沟通成本。同一个概念，你用一句话说清，别人省下十分钟理解时间，长期累积下来就是效率差距。另外提一句小技巧，我会在术语表里给每个词标一个"首次遇到时间"，半年后回看，哪些词反复出现在不同项目里，哪些词只出现过一次，这个分布本身就能告诉你自己的知识结构偏在哪、缺在哪。这份表你不需要一次背完，把它当成工具箱，用到哪一层翻哪一层，用着用着就长在脑子里了。