原文標題：《AI 行話詞典（2026 年 3 月版），建議收藏》

原文作者：Golem，Odaily 星球日報

現在，如果你身在幣圈而不關注人工智慧，很容易被群嘲（對，我的朋友，想想你為什麼點進來）。

你是否對人工智慧的基本概念一無所知，每句話中的縮寫都讓你懵逼？你是否在人工智慧線下活動中對各種專有名詞一頭霧水，還得假裝沒掉線？

雖然在短時間內一腳踏入人工智慧行業不太現實，但了解人工智慧行業的高頻基礎詞彙總是明智的。幸運的是，接下來這篇文章就是為你準備的↓真誠建議你精讀並收藏。

基礎詞彙（12）

· LLM（大型語言模型）

LLM 的核心是用海量數據訓練而來、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的內容。

相對應的是 SLM（小型語言模型）——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（人工智慧智能體）

AI Agent 指的不僅是「會聊天的模型」，而是能理解目標、調用工具、分步執行任務、必要時還能進行規劃和驗證的系統。Google 將智能體定義為能夠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）

該人工智慧模型不僅限於閱讀文字，還能同時處理文本、圖片、音頻、視頻等多種輸入輸出形式。Google明確將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，是最基本的人機交互方式。

· Generative AI（生成式人工智慧 / AIGC）

這強調人工智慧的「生成」而不僅僅是分類或預測，生成式模型可以根據提示生成文本、代碼、圖像、表情包、視頻等內容。

· Token (Điểm)

Đây là một trong những khái niệm trong ngành AI mà giống nhất với "Đơn vị Gas". Mô hình không hiểu nội dung theo "số từ", mà xử lý theo điểm, tính phí, độ dài ngữ cảnh, tốc độ phản hồi thường liên quan chặt chẽ với điểm.

· Context Window (Cửa sổ ngữ cảnh / Độ dài ngữ cảnh)

Đề cập đến tổng số điểm mà mô hình có thể "nhìn thấy" và sử dụng trong một lần, cũng có thể gọi là số điểm mà mô hình có thể xem xét hoặc "nhớ" trong một lần xử lý.

· Memory (Bộ nhớ)

Làm cho mô hình hoặc Agent giữ lại sở thích của người dùng, ngữ cảnh công việc, trạng thái lịch sử.

· Training (Huấn luyện)

Quá trình mà mô hình học các tham số từ dữ liệu.

· Inference (Thực thi suy luận)

Ngược lại với việc huấn luyện, đề cập đến quá trình mà mô hình nhận dữ liệu đầu vào và tạo ra đầu ra sau khi triển khai. Ngành công nghiệp thường nói "Huấn luyện tốn kém, Inference tốn nhiều tiền hơn", vì nhiều chi phí trong giai đoạn thương mại hóa thực sự xảy ra trong quá trình Inference. Sự phân biệt giữa huấn luyện/Inference liên quan cũng là cơ sở của các cuộc thảo luận chi phí triển khai của các nhà sản xuất hàng đầu.

· Tool Use / Tool Calling (Gọi công cụ)

Ý chỉ rằng mô hình không chỉ đưa ra văn bản đầu ra, mà còn có thể gọi tìm kiếm, thực thi mã, cơ sở dữ liệu, API bên ngoài và các công cụ khác, điều này đã trở thành một trong những khả năng chính của Agent.

· API (Giao diện lập trình ứng dụng)

Cơ sở hạ tầng khi AI sản phẩm, ứng dụng, Agent kết nối với dịch vụ bên thứ ba.

Từ vựng Nâng cao (18)

· transformer (Kiến trúc biến đổi)

Một kiến trúc mô hình để làm cho AI thông minh hơn trong việc hiểu mối quan hệ ngữ cảnh, cũng là cơ sở công nghệ của hầu hết các mô hình ngôn ngữ lớn ngày nay, đặc điểm lớn nhất là có thể đồng thời nhìn thấy mỗi từ trong toàn bộ nội dung và mối quan hệ với từ khác.

· Attention (Cơ chế chú ý)

Đây là cơ chế cốt lõi quan trọng nhất của Transformer, nơi mà mô hình khi đọc một câu tự động xác định "những từ nào đáng chú ý nhất".

· Agentic / Agentic Workflow (Mô Hình Thực Thể / Quy Trình Thực Thể)

Đây là một cụm từ gần đây, ý chỉ hệ thống không còn chỉ là "hỏi và đáp", mà có khả năng tự trách nhiệm phân tách nhiệm vụ, quyết định bước tiếp theo, gọi ra khả năng bên ngoài. Nhiều nhà cung cấp coi đây như biểu tượng của "Từ Chatbot Đến Hệ Thống Thực Thi được".

· Subagents (Thực Thể Con)

Một Thực Thể lại tách ra nhiều Thực Thể nhỏ chuyên môn để xử lý các nhiệm vụ con.

· Skills (Mô-đun Khả năng Có thể Tái Sử dụng)

Với sự bùng nổ của OpenClaw, cụm từ này trở nên phổ biến, đây là các mô-đun khả năng có thể cài đặt, có thể tái sử dụng và có thể kết hợp cho AI Thực Thể, nhưng cũng nhấn mạnh cẩn trọng về rủi ro lạm dụng công cụ và tiết lộ dữ liệu.

· Hallucination (Ảo Giác Máy)

Ý chỉ mô hình tự tin mà không căn nguyên cớ, "nhận thức và tạo ra mẫu vật không tồn tại" dẫn đến đầu ra sai lầm hoặc ngớ ngẩn, đây là sản lượng mô hình mà dường như hợp lý nhưng thực ra lại tự tin quá mức.

· Latency (Độ Trễ)

Thời gian mà mô hình mất từ khi nhận yêu cầu đến khi cho ra kết quả, là một trong những thuật ngữ kỹ thuật phổ biến nhất, thường xuất hiện thường xuyên trong quá trình triển khai và sản phẩm hóa.

· Guardrails (Rào Cản)

Được sử dụng để hạn chế mô hình/Thực Thể có thể làm gì, khi nào nên dừng, và nội dung nào không thể được xuất ra.

· Vibe Coding (Lập Trình Tâm Trạng)

Cụm từ này cũng là một trong những thuật ngữ AI phổ biến nhất hiện nay, ý chỉ người dùng trực tiếp diễn đạt yêu cầu thông qua trò chuyện, AI sẽ viết mã, mà người dùng không cần phải hiểu cụ thể về cách viết mã.

· Parameters (Thông số)

Số lượng con số được sử dụng bên trong mô hình để lưu trữ khả năng và kiến thức, thường được sử dụng để đánh giá thô mô hình, "mấy tỷ thông số", "mấy trăm tỷ thông số" thường là những cụm từ đe dọa phổ biến nhất trong cộng đồng AI.

· Reasoning Model (Mô Hình Luận Điệu)

Thường chỉ mô hình mà tốt hơn trong việc luận điệu đa bước, lên kế hoạch, xác thực và thực thi nhiệm vụ phức tạp.

· MCP (Model Context Protocol)

Đây là một thuật ngữ mới rất hot trong vòng một năm gần đây, có tác dụng tương tự như một giao diện chung giữa mô hình và các công cụ/nguồn dữ liệu bên ngoài.

· Fine-tuning / Tuning (Điều chỉnh)

Là việc tiếp tục huấn luyện trên mô hình cơ bản, để mô hình phù hợp hơn với một nhiệm vụ cụ thể, phong cách hoặc lĩnh vực. Bảng thuật ngữ của Google trực tiếp gán tuning và fine-tuning như là các khái niệm liên quan.

· Distillation (Luyện chiết suất)

Là việc nén khả năng của một mô hình lớn càng nhiều càng tốt cho một mô hình nhỏ hơn, giống như việc cho "giáo viên" dạy "học sinh".

· RAG (Retrieval-Augmented Generation)

Điều này gần như đã trở thành cấu hình cơ bản của trí tuệ nhân tạo doanh nghiệp. Microsoft định nghĩa nó như một mô hình "Tìm kiếm + LLM", sử dụng dữ liệu bên ngoài để cung cấp căn cứ cho câu trả lời, giải quyết vấn đề mô hình bị lạc hậu do dữ liệu huấn luyện, hoặc không hiểu biết về cơ sở dữ liệu kiến thức riêng của mình. Mục tiêu là xây dựng câu trả lời trên cơ sở tài liệu thực và kiến thức riêng, chứ không chỉ dựa vào việc mô hình nhớ lại.

· Grounding (Dựa trên sự thật)

Thường đi kèm với RAG, ý nghĩa là xây dựng câu trả lời của mô hình trên cơ sở tài liệu, cơ sở dữ liệu, trang web và cơ sở bên ngoài, chứ không chỉ dựa vào việc mô hình nhớ lý thuyết "tự do sáng tạo". Microsoft rõ ràng đặt grounding làm giá trị cốt lõi trong tài liệu RAG.

· Embedding (Nhúng / Vector ngữ nghĩa)

Là việc mã hóa nội dung như văn bản, hình ảnh, âm thanh vv. thành vector số học cao chiều để tính toán độ tương đồng ngữ nghĩa.

· Benchmark (Thử nghiệm chuẩn)

Là phương pháp đánh giá khả năng của mô hình thông qua một bộ tiêu chuẩn thống nhất, cũng là ngôn ngữ bảng xếp hạng mà mỗi mô hình thích dùng để "chứng minh khả năng của mình".

Liên kết gốc

Chào mừng bạn tham gia cộng đồng chính thức của BlockBeats:

Nhóm Telegram đăng ký: https://t.me/theblockbeats

Nhóm Telegram thảo luận: https://t.me/BlockBeats_App

Tài khoản Twitter chính thức: https://twitter.com/BlockBeatsAsia