8 张小卡片,把 AI 知识轻轻装进脑袋

●大模型（LLM）：本质是文字接龙，预测下一个最可能的字

●Agent（智能体）：下一步动作是「现场决定」的才是真智能体

●今天的 AI 全是偏科生（窄 AI）：会写诗不会开车，重要事实记得自己核验

AI 应知应会 · 卡 1 / 8

●① 讲清背景：岗位、重点、字数、风格，一次给全

●② 当成草稿：标记保留 / 调整 / 遗漏，判断权留给自己

●③ 具体地改：「第三段删掉、补个案例」，胜过「再深刻一点」

●④ 自己收尾：放回真实场景核一遍，闭环才算完成

AI 应知应会 · 卡 2 / 8

Token标记 · 计费单位AI 世界里的「字」，按它算账、按它计费

上下文Context Window模型一次能「看进去」的长度（8K、128K），越长记忆越好

幻觉Hallucination一本正经地胡说八道——重要事实，务必自己再核一遍

多模态Multimodal不止认字，还能看图、听声、看视频

RAG检索增强生成给模型外挂一个资料库，先查再答，更少胡说

AI 应知应会 · 卡 3 / 8

●训练（Training）常用浮点运算 FP16 / FP32：参数要精细调整，差一点就学歪

●推理（Inference）常用整数运算INT4/INT8:  模型已经学完了，参数不必那么精细——压小后显存省一半、速度更快，效果几乎不掉

●TFLOPS（每秒万亿次浮点运算）≠ TOPS（每秒万亿次整数运算）：两种单位，不能直接比数字大小 

AI 应知应会 · 卡 4 / 8

●显存（VRAM / HBM）不够，一切白搭：装不下模型，算力再高也跑不动

●显存带宽（Bandwidth）决定快慢：推理时「读题」速度由它说了算

●软件生态（CUDA / CANN）决定省心：出问题的时候，有人接电话比参数重要

●峰值算力（Peak）最后才看：那是实验室理想值，实际利用率（MFU）常常只有两三成

AI 应知应会 · 卡 5 / 8

路线一全栈自研昇腾 Ascend · CANN：唯一万卡级验证，代价是换整套技术体系

路线二类 CUDA海光、沐曦、壁仞、天数：老代码改几行就能跑

路线三全功能 GPU摩尔线程 MUSA 等：图形 + AI 一起干

路线四专用架构寒武纪、燧原等：固定场景性价比高，换模型要当心

AI 应知应会 · 卡 6 / 8

●自建 vs 租云，账面常常只打平——闲时把算力跑满，账才立得住

●真正贵的算力不是坏掉的，是闲置的

AI 应知应会 · 卡 7 / 8

具身智能Embodied AI给 AI 装上身体——机器人不只聊天，还能动手干活

MCPModel Context ProtocolAI 世界的「USB 接口」，让模型即插即用地连接各种工具

端侧 AIOn-Device AI模型跑进手机和汽车，不联网也能用，隐私更安心

AI 编程Vibe Coding会说话就会写程序——编程从「手艺」变成「表达」

世界模型World Model让 AI 在脑内「预演」物理世界，视频生成与机器人的底座

多智能体Multi-Agent一群 AI 各司其职、分工协作，像一支真正的项目团队

空间智能Spatial Intelligence让 AI 看懂三维世界——机器人和 AR 的「眼睛」

AI 应知应会 · 卡 8 / 8

这一周，连写了五篇 AI 小文，加上今天这张知识卡片。

这五篇不是一次写成的，是和 AI 反复碰撞了很多次的产物——我把问题抛给它，它给我答案，我再追问、再质疑、把它的回答拆开验证，一来一回几十轮，才把很多名词、区别、联系 想明白。所以这五篇与其说是普及，不如说是人机反复对话之后留下的沉淀。

写下来最大的感受是：AI 的概念并不难，难的是有人愿意把它掰开揉碎、通俗易懂地讲出来。

谢谢每一位读到这里的你——你的每一次阅读、点赞和转发，都不是理所当然，而是我继续写下去的全部理由。

下周想写得更具体些更透彻些：缩小每篇涉及的讨论范围，给读者一个清晰的解释或结论，选择力所能及的方向才能写得长久。

学无止境，我们下周见。