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：
技术层级
数据需求
特征提取
典型应用
机器学习
标注数据
人工设计
垃圾邮件分类
深度学习
部分标注
半自动提取
人脸识别
大模型
无标注海量文本
完全自主提取
多轮对话系统
三、语言模型的五次进化统计语言模型（1950s）基于词频预测，如同查字典写作文
神经语言模型（2013）RNN/LSTM网络，实现上下文记忆
预训练模型（2018）BERT/GPT-1开启「预训练+微调」范式
大模型萌芽（2020）GPT-3展现零样本学习能力
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：
内容原创性（非简单拼接）多模态输出（图文/音视频）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」
