AI知识体系全景图 - 究极融合版 v8.0 (2026.03)

850+

技术知识点

200+

2025-2026新技术

25+

应用领域

层级体系

📊 层级包含关系说明

AI（人工智能） 包含：机器学习、符号AI、进化计算、专家系统等多个分支

↓ ML（机器学习） 包含：监督学习、无监督学习、强化学习、深度学习等

↓ DL（深度学习） 包含：CNN、RNN、Transformer、GAN等基于神经网络的方法

⚡ 关于NN（神经网络）的位置说明：
NN是深度学习的基础工具和技术，而非包含关系。本图谱中NN层展示的是构建DL模型的底层技术细节（激活函数、优化器、正则化等）。

↓ NN（神经网络） 是深度学习的核心工具和基础架构

▼ 🧠 人工智能 (AI)

定义：模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的总称

📚 符号AI/知识表示 ▼

专家系统 - 模拟人类专家决策的计算机系统，如医疗诊断系统MYCIN

知识图谱 - 实体-关系-属性的语义网络，如Google知识图谱

本体工程 - 定义领域概念和关系的形式化规范

语义网络 - 用节点和边表示概念及关系的图结构

框架系统 - 结构化知识表示，包含槽和值

产生式规则 - IF-THEN规则，如"IF发烧 THEN可能感冒"

🔍 搜索与推理 ▼

启发式搜索 - 利用经验知识引导搜索方向

A*算法 - 路径规划常用，结合实际代价和启发估计

博弈树搜索 - 游戏AI核心，如国际象棋的Minimax算法

约束满足问题 - 在约束条件下寻找解，如数独求解

逻辑推理 - 基于逻辑规则进行推导，包括演绎/归纳

定理证明 - 自动化数学定理证明系统

🧬 进化计算 ▼

遗传算法(GA) - 模拟生物进化，通过选择/交叉/变异优化

遗传编程(GP) - 进化计算机程序而非参数

进化策略(ES) - 强调变异，适用于连续优化

粒子群优化(PSO) - 模拟鸟群觅食，粒子在解空间中移动

蚁群算法(ACO) - 模拟蚂蚁寻找食物，用于路径优化

差分进化 - 简单高效的全局优化算法

💭 模糊系统 ▼

模糊逻辑 - 处理不确定性，值在0-1之间而非0或1

模糊控制 - 应用于家电/汽车，如模糊洗衣机

模糊推理 - 基于模糊规则进行推理决策

模糊集合论 - 元素部分属于集合，隶属度表示程度

🎲 概率推理 ▼

贝叶斯网络 - 有向无环图表示变量间概率依赖关系

马尔可夫模型 - 状态转移只依赖当前状态

隐马尔可夫模型(HMM) - 状态不可观测，用于语音识别

概率图模型 - 统一的概率推理框架

因果推断 - 识别因果关系而非相关关系

🤖 AI Agent智能代理 2025 ▼

多智能体系统 - 多个Agent协同工作完成复杂任务

协作与竞争 - Agent间的合作博弈

分布式AI - 智能分布在多个节点上

群体智能 - 简单个体产生复杂集体行为

Agentic AI - 2025核心趋势，具有自主决策能力的AI系统

记忆与推理 - Agent的长期记忆和复杂推理能力

工具使用能力 - Agent调用外部工具和API完成任务

任务规划 - 自动分解目标、设定子目标并执行

LangChain/LangGraph - 最流行Agent框架，LangSmith监控

LlamaIndex - 数据连接框架，RAG专精

AutoGen - 微软多Agent框架，对话式Agent

CrewAI - 角色扮演Agent，团队协作模式

Claude Agent SDK - Anthropic官方SDK，Claude Code基础

DSPy - 编程式提示优化，斯坦福研究

Computer Use - Claude/GPT计算机操控能力

GraphRAG - 微软知识图谱增强RAG

向量数据库 - Pinecone/Weaviate/Milvus/Qdrant/Chroma

MCP协议 - Anthropic提出的Model Context Protocol，Agent工具集成行业标准

Agentic AI Foundation - Linux基金会下MCP治理组织，Anthropic/OpenAI/Google等共建

Agent团队协作 - Claude Code Agent Teams，多Agent并行协作完成复杂任务

Agentic Workflow - 规划→执行→记忆→工具→评估的自主工作流

MetaGPT - 多Agent软件开发框架，模拟软件公司

🔌 MCP协议生态 2026 ▼

MCP定义 - Anthropic 2024.11提出的AI工具集成开放标准，"AI的USB-C"

行业标准化 - OpenAI/Google/Microsoft/AWS全部采纳MCP

Agentic AI Foundation - 2025.12成立，Linux基金会旗下MCP治理组织

生态规模 - 10000+公开MCP服务器，月SDK下载量9700万+

平台集成 - ChatGPT/Cursor/Gemini/VS Code/Copilot全面支持

JSON-RPC协议 - 有状态管道，连接AI主机与上下文服务器

异步+无状态 - 2025.11规范更新：异步操作、服务器身份、社区注册表

安全挑战 - 提示注入、工具权限、仿冒工具等安全问题持续改进中

多Agent编排 - 2026趋势：多Agent协作经MCP动态编排

🎯 规划与决策 ▼

经典规划 - STRIPS语言，状态空间搜索

分层任务网络 - 将复杂任务分解为子任务

不确定性规划 - 处理不完全信息和随机性

多目标决策 - 平衡多个冲突目标

🎨 计算创造力 ▼

AI艺术生成 - 生成绘画/插画，如Midjourney

音乐生成 - 作曲和演奏，如MuseNet

创意写作 - 生成故事/诗歌/剧本

游戏AI - NPC行为、程序化内容生成

🌐 世界模型 2025 ▼

物理世界建模 - 理解现实世界动态和物理属性

时空一致性 - 保持时间和空间上的逻辑一致

因果推理 - 理解物理规律和因果关系

NVIDIA Cosmos - 专为理解物理世界打造的世界模型

Meta V-JEPA 2 - 100万小时视频训练的世界模型

自动驾驶应用 - 生成海量场景进行测试验证

具身智能训练 - 为机器人提供虚拟训练环境

视频预测 - 预测物理感知的未来帧

Genie 2 - DeepMind交互世界模型，可玩3D环境生成

UniSim - 通用交互仿真模型

JEPA/V-JEPA - Yann LeCun联合嵌入预测架构

World Labs Marble - Fei-Fei Li创立，首个商业世界模型产品，10亿美元融资

AMI Labs - Yann LeCun离开Meta创立，专注世界模型研究，估值目标50亿欧元

Google Genie 3 - DeepMind首个实时交互世界模型，公开发布

世界模型竞赛 - 2026年初超13亿美元涌入世界模型创业公司

⚡ 物理AI 2025 ▼

Physical AI概念 - AI从数字世界走向物理世界的关键

环境交互 - AI理解和操控真实物理环境

物理规律理解 - 掌握重力、摩擦力、碰撞等物理规则

感知-决策-执行闭环 - 完整的物理交互循环

人形机器人 - 物理AI的重要载体

自动驾驶 - 物理AI在交通领域的应用

🤖 机器人学 NEW ▼

路径规划 - 从起点到终点的最优路径

运动控制 - 控制机器人关节和执行器

SLAM定位建图 - 同时定位和构建环境地图

抓取规划 - 计算如何抓取物体

人机交互 - 自然的人机协作界面

传感器融合 - 整合多种传感器数据

Tesla Optimus - 2025年开始量产，目标5000-10000台

端到端神经网络 - 从感知到控制的统一神经网络

仿真训练 - 在虚拟环境中训练机器人行为

Optimus V3 - 计划2026 Q1发布，年产能100万

Figure 03 - 第三代人形机器人，Helix VLA模型驱动

Figure 02 - 完成20小时连续工作，BMW合作

Boston Dynamics Atlas - 全电动版，动态敏捷性标杆

Agility Digit - 仓储物流部署，已产生商业价值

Unitree H1 - 国产人形机器人，价格优势

NVIDIA Isaac - 机器人仿真平台，Omniverse集成

物理AI趋势 - Musk称80%Tesla价值将来自Optimus

Hyundai+Boston Dynamics - CES 2026联合推进智能伴侣机器人

模块化机器人平台 - 物流+个人助理双用途机器人

👁️ 计算机视觉基础 NEW ▼

图像处理 - 滤波/增强/变换等基础操作

特征检测(SIFT/SURF) - 检测关键点和描述符

边缘检测 - Canny/Sobel算子检测边界

光流法 - 跟踪像素运动

立体视觉 - 双目相机恢复深度信息

3D重建 - 从2D图像重建3D模型

💬 NLP传统方法 NEW ▼

词袋模型 - 忽略语序，只统计词频

TF-IDF - 词频-逆文档频率，衡量词重要性

N-gram模型 - N个连续词的统计模型

隐马尔可夫模型 - 用于词性标注/命名实体识别

条件随机场(CRF) - 序列标注的判别式模型

句法分析 - 分析句子语法结构

▼ 🤖 机器学习 (ML)

定义：通过数据和经验自动改进算法性能的AI子领域

📊 监督学习 - 分类 ▼

逻辑回归 - 二分类基础算法

朴素贝叶斯 - 基于贝叶斯定理的分类器

K近邻(KNN) - 基于距离的分类方法

支持向量机(SVM) - 寻找最大间隔超平面

决策树 - CART, ID3, C4.5等

线性判别分析(LDA) - 线性分类器

感知机 - 最简单的神经网络

📈 监督学习 - 回归 ▼

线性回归 - 拟合直线关系

多项式回归 - 拟合非线性关系

岭回归(Ridge) - L2正则化线性回归

Lasso回归 - L1正则化，产生稀疏性

弹性网络 - 结合L1和L2正则化

支持向量回归(SVR) - SVM的回归版本

回归树 - 决策树用于回归

🔍 无监督学习 - 聚类 ▼

K-means - 基于质心的聚类算法

层次聚类 - 自底向上或自顶向下

DBSCAN - 基于密度的聚类

高斯混合模型(GMM) - 概率聚类方法

谱聚类 - 基于图论的聚类

均值漂移 - 密度梯度上升

亲和传播 - 基于消息传递

📐 降维技术 ▼

主成分分析(PCA) - 线性降维，保留最大方差

奇异值分解(SVD) - 矩阵分解技术

t-SNE - 非线性降维，可视化高维数据

UMAP - 保持全局结构的降维

因子分析 - 发现潜在变量

独立成分分析(ICA) - 信号分离

自编码器降维 - 深度学习降维

🔗 关联规则学习 ▼

Apriori算法 - 频繁项集挖掘

FP-Growth - 无候选集生成

Eclat算法 - 垂直数据格式

序列模式挖掘 - 时间序列中的模式

🎮 强化学习 - 基础 ▼

马尔可夫决策过程(MDP) - 强化学习数学框架

Q-Learning - 学习状态-动作价值函数

SARSA - 在线策略时序差分学习

时序差分学习(TD) - 自举学习方法

蒙特卡洛方法 - 完整轨迹学习

动态规划 - 值迭代和策略迭代

Bandit算法 - 探索与利用平衡

🚀 强化学习 - 高级 ▼

策略梯度方法 - 直接优化策略

Actor-Critic - 结合价值和策略

A3C算法 - 异步优势演员评论家

PPO - 近端策略优化，稳定训练

TRPO - 信赖域策略优化

DDPG - 深度确定性策略梯度

SAC - 软演员-评论家，最大熵RL

🌲 集成学习 - Bagging ▼

随机森林 - 多个决策树集成

Extra Trees - 极端随机树

Bagging分类器/回归器 - 自助聚合

Bootstrap聚合 - 有放回抽样

🚀 集成学习 - Boosting ▼

AdaBoost - 自适应提升

Gradient Boosting - 梯度提升

XGBoost - 梯度提升的高效实现

LightGBM - 微软的高效梯度提升

CatBoost - 处理类别特征

🎯 集成学习 - 其他 ▼

Stacking堆叠 - 多层模型堆叠

Blending混合 - 加权组合

投票集成 - 多数投票或平均

🔄 半监督学习 ▼

自训练 - 用模型预测标注数据

协同训练 - 多视角互相训练

标签传播 - 标签在图上传播

生成模型方法 - 利用生成模型

伪标签 - 高置信度预测作为标签

🎓 迁移学习 ▼

领域自适应 - 源域到目标域

多任务学习 - 共享表示学习

零样本学习 - 识别未见过的类别

少样本学习 - 少量样本快速学习

元学习 - 学习如何学习

🔧 特征工程 ▼

特征选择 - 过滤式/包裹式/嵌入式

特征提取 - 变换到新特征空间

特征构造 - 组合生成新特征

特征缩放 - 标准化/归一化

编码技术 - One-hot/标签编码

📊 概率图模型 ▼

贝叶斯网络 - 有向图模型

马尔可夫随机场 - 无向图模型

条件随机场(CRF) - 判别式模型

隐马尔可夫模型 - 序列建模

🎯 在线学习 ▼

随机梯度下降 - 在线优化

增量学习 - 持续学习新数据

主动学习 - 选择最有价值样本

流式学习 - 处理数据流

🔐 异常检测 ▼

孤立森林 - 基于隔离的异常检测

One-Class SVM - 单类分类

LOF局部异常因子 - 基于密度

自编码器异常检测 - 重构误差

▼ 🔥 深度学习 (DL)

定义：使用多层神经网络进行表征学习的机器学习子领域

🖼️ 卷积神经网络 (CNN) ▼

LeNet-5 - 1998年，手写数字识别

AlexNet - 2012年，ImageNet冠军，深度学习爆发

VGG - 小卷积核堆叠，网络加深

ResNet - 残差连接，突破深度限制

Inception/GoogLeNet - 多尺度特征提取

DenseNet - 密集连接网络

MobileNet - 轻量化网络，移动端部署

EfficientNet - 复合缩放，效率最优

SENet - 通道注意力机制

🎯 目标检测 ▼

R-CNN系列 - 区域建议+CNN分类

Fast R-CNN - ROI池化加速

Faster R-CNN - RPN区域建议网络

YOLO系列 - 实时单阶段检测(v1-v8)

SSD - 多尺度单阶段检测

RetinaNet - Focal Loss处理类别不平衡

Mask R-CNN - 实例分割

DETR - Transformer目标检测

✂️ 图像分割 ▼

FCN - 全卷积网络，开创语义分割

U-Net - 医学图像分割经典

SegNet - 编码器-解码器结构

DeepLab系列 - 空洞卷积

PSPNet - 金字塔池化模块

Mask R-CNN - 实例分割

🔄 循环神经网络 (RNN) ▼

基础RNN - 处理序列数据，存在梯度消失

LSTM - 长短期记忆网络，解决长期依赖

GRU - 门控循环单元，比LSTM更简单

双向RNN/LSTM - 同时考虑过去和未来

深层RNN - 多层堆叠

Seq2Seq - 序列到序列，机器翻译

🔄 新型架构 2025 ▼

Mamba架构 - 基于状态空间模型(SSM)的新架构

Mamba-2 - 改进版，状态维度扩展至256

混合架构 - Mamba-Transformer融合架构

线性复杂度 - 解决Transformer的二次复杂度问题

长序列处理 - 擅长处理长上下文

选择性机制 - 根据输入过滤无关信息

硬件感知算法 - 在A100上实现3倍加速

腾讯混元-Mamba - 混合架构实际应用

NVIDIA Nemotron-H - Mamba混合架构，3倍速度提升

RWKV - 线性复杂度RNN变体，开源社区活跃

Hyena - 基于长卷积的亚二次复杂度架构

⚡ Transformer架构 ▼

原始Transformer - 2017年，"Attention is All You Need"

自注意力机制 - 计算序列内部关系

多头注意力 - 并行多个注意力，捕获不同信息

位置编码 - 注入位置信息

Vision Transformer(ViT) - Transformer用于视觉任务

Swin Transformer - 层次化视觉Transformer

💬 自然语言处理模型 ▼

Word2Vec - 词向量，CBOW和Skip-gram

GloVe - 全局词向量

ELMo - 上下文词嵌入

BERT - 双向编码器，预训练+微调

GPT系列 - 生成式预训练(GPT-1/2/3/4)

T5 - Text-to-Text统一框架

RoBERTa - BERT改进版

ALBERT - 轻量化BERT

XLNet - 排列语言模型

🤖 大语言模型 (LLM) 2025 ▼

GPT-3/GPT-4 - OpenAI超大规模模型

GPT-5 - 2025年8月发布，高级推理和多模态处理

o3模型 - 2025年领先的推理模型

Gemini 2.5 - Google最新多模态模型

LLaMA系列 - Meta开源大模型

PaLM - Google Pathways语言模型

Claude - Anthropic的对话模型

Gemini - Google多模态模型

Mistral - 欧洲开源模型

Qwen - 阿里通义千问

Chain-of-Thought原生推理 - GPT-5支持自主多步骤问题分解

稀疏混合专家(MoE) - 高效的模型架构

Claude Opus 4.5 - Anthropic 2025.11最新旗舰，综合能力最强

Claude Sonnet 4.5 - 编程/Agent/计算机使用最强，SWE-bench领先

Claude Opus 4 - 世界最强编程模型，Terminal-bench 43.2%

DeepSeek-V3.2 - 2025.12发布，思考+工具一体化，MIT开源

DeepSeek-V3.2-Speciale - 超越GPT-5，IMO金牌，IOI第10

Gemini 3.0 Pro - Google 2025最新旗舰，多模态+推理

GPT-5 Mini/Nano - 轻量版GPT-5，边缘部署

gpt-oss-120b/20b - OpenAI首次开源推理模型，MIT许可

Llama 4 - Meta 2025开源，Scout/Maverick变体

Qwen 2.5 Max - 阿里最新，多模态+工具调用

Claude Opus 4.6 - 2026.2发布，1M上下文，Agent团队协作，编码/知识工作第一

Claude Sonnet 4.6 - 自适应思考模式，性价比旗舰

GPT-5.4 Thinking - 2026.3 OpenAI最新旗舰，多步推理+工具工作流

GPT-5.4 Pro - 1.05M上下文，更深度思考版本

GPT-5.2-Codex - OpenAI最强Agentic编码模型，上下文压缩长任务

Gemini 3 Pro - 2026年初发布，LMArena 1501 Elo，超越2.5 Pro 50%+

Gemini 3 Flash - 超越2.5 Pro性能，3倍速度，成本大幅降低

Gemini 3.1 Pro - 2026.2发布，最新迭代

Grok 4 - 2025.7发布，xAI旗舰，128K上下文，支持工具使用

Grok 4.1 - 幻觉率从12%降至4.2%，LMArena 1483 Elo

gpt-oss-120b/20b - OpenAI首次开源，Apache 2.0，MoE架构，单GPU可运行

DeepSeek-V3.1 - 2025.8发布，思考/非思考混合模式，工具调用增强

DeepSeek-V3.2 - 2025.12发布，思考+工具一体化，MIT开源

多模型并存范式 - 行业共识：按任务路由模型，无单一最优解

🎨 生成对抗网络 (GAN) ▼

原始GAN - 生成器vs判别器，对抗训练

DCGAN - 深度卷积GAN，稳定训练

WGAN - Wasserstein距离，解决训练不稳定

CycleGAN - 无配对图像转换

StyleGAN系列 - 风格控制，生成高质量人脸

Pix2Pix - 成对图像翻译

BigGAN - 大规模GAN

🌊 扩散模型 2025 ▼

DDPM - 去噪扩散概率模型

DDIM - 确定性采样加速

Stable Diffusion - 文生图，开源扩散模型

DALL-E系列 - OpenAI的文生图模型

Midjourney技术 - 艺术风格图像生成

Imagen - Google的文本到图像

Sora - OpenAI文本生成视频模型，最高1080p

Sora 2 - 2025年10月发布，音画同步生成

物理一致性 - Sora视频遵循真实物理规律达88%

多模态联合训练 - 实时环境音效同步

视频编辑工具 - 支持多种比例和编辑功能

Sora 2 Cameo - 人物植入功能，可将任意人物放入AI视频

Sora 2规格 - 20秒1080p，对话+音效同步，物理准确

Veo 3 - Google 2025.5发布，1080p+同步音频，$0.40/秒

Veo 3.1 - Veo最新迭代，ElevenLabs集成

Kling 2.5 - 快手可灵，ElevenLabs Studio集成

Runway Gen-3 Alpha Turbo - 专业视频生成加速版

Sora 2 Pro - 2026.1发布，1080p 20秒，对话+音效同步

Veo 3.1 - Google DeepMind最新，电影级真实感+原生音频同步

Kling 3.0 - 快手2026新版，与Sora 2/Veo 3同台竞技

Seedance 1.5 Pro - 字节跳动视频生成模型

视频AI格局 - 2026年从"哪个更好"转向"哪个更适合特定任务"

🔄 自编码器 ▼

经典自编码器(AE) - 编码-解码结构

变分自编码器(VAE) - 概率生成模型

去噪自编码器(DAE) - 鲁棒特征学习

稀疏自编码器 - 稀疏表示

卷积自编码器 - 处理图像

🕸️ 图神经网络 (GNN) ▼

图卷积网络(GCN) - 图上的卷积

图注意力网络(GAT) - 图上的注意力

GraphSAGE - 归纳式图学习

消息传递神经网络 - 统一框架

图生成网络 - 生成图结构

🎮 深度强化学习 ▼

DQN - 深度Q网络，经验回放

Double DQN - 解决过估计

Dueling DQN - 分离优势函数

Rainbow - 结合多种改进

AlphaGo/AlphaZero - 围棋/通用棋类

MuZero - 无需环境模型

🎬 视频理解 ▼

C3D - 3D卷积视频分类

I3D - 膨胀3D卷积

TSN - 时序分段网络

SlowFast网络 - 双路径视频理解

🎵 音频处理网络 ▼

WaveNet - 原始波形生成

Tacotron - 端到端语音合成

Whisper - OpenAI多语言语音识别

Wav2Vec - 自监督语音表示

📦 胶囊网络 ▼

CapsNet - 保留空间层次信息

动态路由 - 胶囊间路由机制

EM路由 - 期望最大化路由

🔮 神经架构搜索 (NAS) ▼

NASNet - 强化学习搜索架构

ENAS - 高效神经架构搜索

DARTS - 可微分架构搜索

AutoML - 自动机器学习

🌐 多模态学习 NEW ▼

CLIP - 图文对比学习，OpenAI

ALIGN - Google的图文对齐

DALL-E - 文生图

Flamingo - 少样本多模态学习

GPT-4V - 支持视觉输入的GPT-4

Gemini多模态 - 原生多模态理解

🎯 对比学习 NEW ▼

SimCLR - 简单对比学习框架

MoCo - 动量对比

BYOL - 无需负样本

SwAV - 聚类对比学习

对比损失函数 - 拉近相似，推远不同

💡 提示学习 NEW ▼

Prompt Engineering - 提示词工程

Few-shot Prompting - 少样本提示

Chain-of-Thought - 思维链推理

In-Context Learning - 上下文学习

Instruction Tuning - 指令微调

RLHF - 人类反馈强化学习

DPO - 直接偏好优化，无需奖励模型

ORPO - 优化比率偏好优化

Constitutional AI - Anthropic宪法AI，自我纠正

Extended Thinking - Claude/o系列扩展思考模式

Tool Use in Thinking - DeepSeek思考中调用工具

System 2 Thinking - 慢思考模式，深度推理

Adaptive Thinking - Claude 4.6自适应思考，动态决定思考深度

可调推理深度 - GPT-5.4支持Light/Standard/Extended三档思考

推理+通用融合 - o系列与GPT系列逐步融合为统一模型线

⚙️ 模型优化技术 NEW ▼

模型量化 - 降低精度减小模型

模型剪枝 - 删除不重要连接

知识蒸馏 - 大模型教小模型

LoRA - 低秩适应，高效微调

QLoRA - 量化+LoRA

神经网络压缩 - 综合压缩技术

BitNet - 1-bit量化，微软研究

FlashAttention 3 - 高效注意力机制

Ring Attention - 超长上下文支持

DeepSeek Sparse Attention - DSA高效注意力

vLLM - 高吞吐推理，PagedAttention

llama.cpp - CPU推理，量化支持

Ollama - 本地模型运行

混合精度训练 - FP16+FP32加速

MXFP4量化 - OpenAI gpt-oss使用的4位MoE量化方案

上下文压缩(Compaction) - Claude/GPT长任务自动摘要上下文

推测性解码 - 小模型草稿+大模型验证加速推理

连续批处理 - Continuous Batching，动态请求调度

🧠 前沿大模型格局 (2026.Q1) 2026 ▼

Claude Opus 4.6 - Anthropic 2026.2旗舰，1M上下文，Agent团队，编码/知识工作第一

GPT-5.4 Thinking - OpenAI 2026.3旗舰，多步推理+工具工作流，错误率降33%

GPT-5.4 Pro - 深度思考版，1.05M上下文

GPT-5.3 Instant - 快速响应版，写作和叙事能力优化

GPT-5.2-Codex - Agentic编码专用，长任务上下文压缩

Gemini 3.1 Pro - Google 2026.2最新旗舰，LMArena领先

Gemini 3 Flash - 超越2.5 Pro，3倍速度，成本降60-70%

Grok 4.1 - xAI旗舰，幻觉率降至4.2%，2M上下文窗口

Llama 4 Scout - Meta开源，17B/16专家MoE，10M上下文，单H100可运行

Llama 4 Maverick - 17B/128专家，400B总参数，多模态开源

Llama 4 Behemoth - 288B激活/2T总参数，训练中的教师模型

DeepSeek-V3.2 - 思考+工具一体化，V3.2-Speciale达IMO/IOI金牌

gpt-oss-120b - OpenAI首次开源，Apache 2.0，MoE，单80GB GPU可运行

多模型并存范式 - 无单一最优：Claude编码/GPT推理/Gemini多模态/Grok创意

⚡ 推理模型范式 2026 ▼

推理模型崛起 - 2025-2026最重要趋势：用计算换准确率

o3 - 2025.4发布，首个可"图像思考"的推理模型

o4-mini - AIME 2025数学92.7%，Codeforces ELO 2719

o3-pro - 2025.6发布，更长思考时间，最可靠响应

Adaptive Thinking - Claude 4.6自适应思考，动态决定思考深度

DeepSeek-R1 - 2025.1发布，全球震动，开源推理模型，MIT授权

过程奖励模型(PRM) - 对推理步骤逐步打分，提升准确率

推理+通用融合 - o系列与GPT系列合流，推理成为标配

任务时长倍增定律 - METR：模型独立完成任务时长每7个月翻倍

System 2 vs System 1 - 推理=慢思考，Instant=快思考，混合部署

🌊 文本扩散模型 2026 ▼

文本扩散原理 - 将扩散方法迁移至文本，并行解码而非逐token生成

Mercury Coder - Inception Labs 2025.2首款商用文本扩散模型

Mercury 2 - 2026.2发布，首个扩散推理模型，Blackwell上1009 token/s

速度优势 - 比自回归LLM快5-10倍

Masked Diffusion - 主流路径：对masked token逐步去噪

团队背景 - Stanford Stefano Ermon，Flash Attention/DPO原作者

Transformer替代候选 - 2026年被视为自回归架构重要替代方向

📏 小语言模型(SLM)与端侧AI 2026 ▼

SLM定义 - 1B-13B参数轻量模型，可本地/边缘部署

2026年SLM元年 - 80%生产场景SLM够用，成本降低95%

Phi系列 - 微软Phi-3/Phi-4，小参数高性能

Gemma 3n - Google首个多模态端侧SLM

gpt-oss-20b - OpenAI开源，16GB内存即可运行

端侧部署 - 手机NPU+SLM离线AI，苹果/三星/高通布局

Ollama - 本地模型运行行业标准框架

Apple MLX - Apple Silicon统一内存优化

SLM+Agentic AI - NVIDIA论文：轻量专家协作优于巨型模型

🔍 RAG 2.0 知识增强 2026 ▼

Naive RAG - 基础检索增强生成

Advanced RAG - 查询改写、重排序、混合检索

Agentic RAG - Agent驱动的自主检索决策

GraphRAG - 知识图谱增强，结构化推理

混合搜索 - 向量+关键词+图谱三路混合

Reranker - 二阶段排序提升精度

长上下文RAG - 百万Token上下文减少对RAG依赖

▼ ⚡ 神经网络 (NN) - 深度学习的基础构建模块

定义：受生物神经系统启发，由大量简单处理单元相互连接形成的计算系统。
说明：以下是构建所有深度学习模型的底层技术细节和核心组件

📋 NN层技术细节分类说明

🔬 NN基础模块 - 构建神经网络的基本材料（神经元、激活函数、层类型、网络结构）

🎯 NN训练过程 - 如何训练神经网络（前向传播、损失函数、反向传播、优化器）

⚡ NN优化技术 - 让训练更好更快的方法（正则化、归一化、初始化、学习率、训练技巧）

📚 NN相关内容 - 历史发展、实现框架、可解释性分析

🔬 基本组件 ▼

神经元/节点 - 模拟生物神经元的计算单元

权重(Weights) - 连接强度，决定信息传递的重要性

偏置(Bias) - 调整激活阈值，增加模型灵活性

突触连接 - 神经元之间的连接方式

阈值函数 - 决定神经元是否激活

⚙️ 激活函数 ▼

Sigmoid - 输出0-1，用于二分类，存在梯度消失问题

Tanh - 输出-1到1，零中心化，收敛更快

ReLU - 最常用，f(x)=max(0,x)，计算简单，缓解梯度消失

Leaky ReLU - 负值有小梯度，解决ReLU"死亡"问题

ELU - 指数线性单元，负值平滑

GELU - Transformer常用，平滑的ReLU变体

Softmax - 多分类输出层，输出概率分布

Swish/SiLU - 自门控激活函数

🗃️ 网络架构 ▼

前馈神经网络(FNN) - 信息单向流动

多层感知机(MLP) - 经典前馈网络

全连接层 - 每个神经元连接所有输入

卷积层 - 提取局部特征

池化层 - 降维，提取主要特征

循环层 - 处理序列数据

注意力层 - 关注重要信息

📊 网络结构 ▼

输入层 - 接收原始数据

隐藏层 - 特征提取和变换，可多层堆叠

输出层 - 产生最终预测结果

残差连接 - 跳过层直接相加，缓解梯度消失

跳跃连接 - 连接非相邻层，增强信息流动

密集连接 - 每层连接前面所有层

🎯 前向传播 ▼

输入处理 - 数据标准化/归一化

加权求和 - z = Σ(wi·xi) + b，计算神经元输入

激活函数应用 - a = f(z)，引入非线性

逐层计算 - 从输入层到输出层依次计算

输出预测 - 得到模型预测值ŷ

📉 损失函数 ▼

均方误差(MSE) - 回归任务，L = 1/n·Σ(y-ŷ)²

交叉熵损失 - 分类任务，衡量概率分布差异

Hinge损失 - SVM使用，最大间隔分类

对比损失 - 度量学习，拉近相似样本，推远不同样本

Focal Loss - 解决类别不平衡问题

KL散度 - 衡量分布差异

🔙 反向传播 ▼

误差反向传递 - 从输出层向输入层传播误差

链式法则 - ∂L/∂w = ∂L/∂a · ∂a/∂z · ∂z/∂w，计算梯度

梯度计算 - 计算每个参数的梯度∇w, ∇b

自动微分 - PyTorch/TensorFlow自动计算梯度

计算图 - 可视化计算过程和梯度流动

🚀 优化器 ▼

SGD - 随机梯度下降，w = w - lr·∇w

Momentum - 加入动量，v = β·v + ∇w，加速收敛

AdaGrad - 自适应学习率，适合稀疏数据

RMSprop - 解决AdaGrad学习率递减问题

Adam - 最常用，结合Momentum和RMSprop，自适应学习率

AdamW - Adam改进版，解耦权重衰减

Nadam - Nesterov + Adam

RAdam - 修正Adam方差

🛡️ 正则化技术 ▼

L1正则化 - 权重绝对值惩罚，产生稀疏性

L2正则化 - 权重平方惩罚，权重衰减

Dropout - 训练时随机丢弃神经元(p=0.5常用)

DropConnect - 随机丢弃连接而非神经元

早停 - 验证集性能不提升时停止训练

数据增强 - 扩充训练数据(旋转/裁剪/噪声)

标签平滑 - 软化one-hot标签，提高泛化能力

🔧 归一化技术 ▼

Batch Normalization - 对batch归一化，CNN常用，加速收敛

Layer Normalization - 对层归一化，Transformer/RNN常用

Instance Normalization - 对单样本归一化，风格迁移

Group Normalization - 分组归一化，小batch适用

Weight Normalization - 权重归一化

⚡ 权重初始化 ▼

全零初始化 - ❌不推荐，导致对称性问题

随机初始化 - 小随机数，打破对称性

Xavier初始化 - 适用于Sigmoid/Tanh，保持方差稳定

He初始化 - 适用于ReLU，考虑ReLU将负值置零的特性

预训练权重 - 迁移学习，使用已训练好的权重

📐 学习率策略 ▼

固定学习率 - 简单但可能不是最优

Step Decay - 每N个epoch衰减一次

余弦退火 - 余弦曲线平滑衰减

循环学习率(CLR) - 在范围内周期变化

Warmup预热 - 开始用小学习率逐渐增大

自适应学习率 - 根据训练情况自动调整

📊 训练技巧 ▼

Mini-batch训练 - 折中单样本和全批量(32/64/128常用)

梯度裁剪 - 限制梯度范数，防止梯度爆炸

梯度累积 - 模拟更大batch size

混合精度训练 - FP16+FP32，加速训练省显存

知识蒸馏 - 大模型教小模型，模型压缩

模型集成 - 多模型投票/平均，提升性能

🎓 历史发展 ▼

1943 - McCulloch-Pitts神经元模型

1958 - Rosenblatt感知机，首个可学习的神经网络

1986 - Rumelhart等人重新发现反向传播算法

2006 - Hinton提出深度学习概念

2012 - AlexNet在ImageNet夺冠，深度学习爆发

💻 实现框架 ▼

PyTorch - 最流行，动态图，科研首选

TensorFlow - Google开发，工业部署强

Keras - 高层API，简单易用

JAX - Google新框架，自动微分+JIT编译

MXNet - 亚马逊支持

Caffe - 早期视觉任务框架

🔍 可解释性 ▼

特征可视化 - 可视化学到的特征

注意力机制可视化 - 显示模型关注位置

梯度类激活图(Grad-CAM) - 热力图显示重要区域

LIME - 局部可解释模型

SHAP - 博弈论解释模型

🌟 主要应用领域

AI技术已广泛应用于各个行业和领域

👁️ 计算机视觉应用 NEW ▼

人脸识别 - 身份验证、安防监控

物体检测与识别 - 自动驾驶、工业检测

图像分类 - 医学影像诊断

语义分割 - 场景理解

姿态估计 - 人体动作识别

OCR文字识别 - 文档数字化

医学图像分析 - 病灶检测

自动驾驶视觉 - 环境感知与理解

💬 自然语言处理应用 NEW ▼

机器翻译 - 跨语言交流

文本分类 - 垃圾邮件过滤、新闻分类

情感分析 - 舆情监控、用户反馈分析

命名实体识别 - 信息提取

问答系统 - 智能客服、搜索引擎

文本摘要 - 自动生成摘要

对话系统/聊天机器人 - 虚拟助手

代码生成 - AI辅助编程

🎵 语音与音频 NEW ▼

语音识别(ASR) - 语音转文字

语音合成(TTS) - 文字转语音

说话人识别 - 身份认证

音乐生成 - AI作曲

声纹识别 - 生物特征识别

音频分类 - 环境声音识别

💻 AI编程助手 2025.12 ▼

GitHub Copilot - 微软/GitHub提供，Claude Sonnet 4驱动

Cursor - AI原生代码编辑器，Agent模式+YOLO全自动

Codeium - 快速响应，丰富免费功能

智能代码补全 - 多行连续补全，上下文理解

代码生成与重构 - 自动生成函数、优化代码结构

代码解释 - 理解复杂代码逻辑

复杂算法生成 - Cursor数学建模准确率87.6%

多文件修改 - 跨文件代码编辑和重构

Claude Code - Anthropic官方CLI，SWE-bench 72%+领先

Claude Code集成 - VS Code/JetBrains集成，GitHub Actions后台任务

Devin - Cognition Labs全自主AI工程师(测试中)

Replit Agent - 云端全栈开发，零配置50+语言

Windsurf - Codeium编辑器，Cascade Agent

Aider - 开源CLI助手，Git集成对话式编程

v0.dev - Vercel AI应用生成，React/Next.js

Bolt.new - StackBlitz全栈生成，即时预览

行业趋势 - 从AI辅助补全→AI自主委托，开发者变为Agent指导者

Claude Opus 4.6编码 - Terminal-Bench 2.0最高分，16个Agent写出C编译器

GPT-5.4编码 - 计算机操控能力，Agent交互验证任务

Gemini 3编码 - Google称其为最强vibe coding和agentic coding模型

Gemini CLI - Google官方命令行AI编码工具

多模型路由 - 2026共识：Claude编码/GPT推理/Gemini多模态按需切换

🧬 AI for Science 2025 ▼

AlphaFold - 蛋白质结构预测，2024年诺贝尔化学奖

OpenComplex-2 - 2025年中国新一代蛋白质预测模型

分子相互作用 - 原子级分辨率捕获

药物研发 - 新药研发周期从13年缩短至8年

疫苗设计 - 疟疾疫苗开发

酶工程 - 塑料降解酶设计

农业科技 - 抗旱抗病水稻研发

生态保护 - 蜜蜂免疫蛋白研究

全球用户 - 超250万用户，亚太地区破百万

👤 数字人/虚拟人 2025 ▼

AI直播带货 - 数字人主播24小时直播

一键克隆 - 真人形象快速复制

智能互动 - 自动回答观众问题

ByteDance LatentSync - 高精度音视频同步

成本优势 - 年成本2万vs真人5万/月

3D全息成像 - 虚拟陪伴应用

百度慧播星 - 无需设备和人工监管

市场规模 - 2025年中国市场达6402.7亿元

✍️ AIGC内容创作 2025 ▼

AI写作 - 博客、营销文案、教育课程

AI绘画 - 自动生成插画、设计图

AI视频制作 - 自动化视频内容生成

AI语音生成 - 文字转语音、配音

AI设计 - 平面设计、UI设计辅助

AI营销 - 自动生成营销内容

学术检测 - 2025年毕业论文AI率不超过20%

AIGC竞赛 - 多个百万奖金池竞赛

🏢 企业AI应用 2025 ▼

企业普及率 - 近90%企业已实施AI应用

数据分析决策 - 57.03%企业应用率

技术创新研发 - 49.22%企业应用率

智能客服 - 46.09%企业应用率

Agent市场 - 2025年中国达69亿元，增长140%

工业应用 - 47.5%工业企业应用大模型

平安智能体 - 部署23000个，覆盖11万员工

DeepSeek应用 - 超30家企业深度应用

🥼 医疗健康 NEW ▼

疾病诊断辅助 - 影像诊断、病理分析

药物研发 - 分子设计、药效预测

基因组学分析 - 基因序列分析

医学影像分析 - CT、MRI自动分析

健康监测 - 可穿戴设备数据分析

蛋白质结构预测 - AlphaFold

辅助诊疗系统 - 诊断2000+疾病，准确率95%+

导诊准确率 - 超过99%

癌症筛查 - 效率提高20倍

DNA读写 - 成本降低99%以上

🚗 自动驾驶 NEW ▼

环境感知 - 摄像头、激光雷达数据处理

路径规划 - 动态路线规划

决策控制 - 驾驶决策系统

车道检测 - 实时车道线识别

障碍物识别 - 行人、车辆检测

行为预测 - 预测其他交通参与者行为

💰 金融科技 NEW ▼

风险评估 - 信用评分、风险预测

欺诈检测 - 异常交易识别

算法交易 - 量化投资策略

信用评分 - 贷款审批辅助

智能投顾 - 个性化投资建议

反洗钱 - 可疑交易检测

🎮 游戏与娱乐 NEW ▼

游戏AI - NPC智能行为

内容推荐 - 个性化推荐系统

虚拟角色 - AI驱动的虚拟人

程序化生成 - 自动生成游戏内容

动作捕捉 - 实时动作识别

🏭 工业制造 NEW ▼

质量检测 - 自动化缺陷检测

预测性维护 - 设备故障预测

供应链优化 - 智能库存管理

机器人控制 - 工业机器人自动化

智能制造 - 生产流程优化

🛒 电商零售 NEW ▼

个性化推荐 - 商品推荐系统

智能客服 - 自动化客户服务

需求预测 - 销量预测

价格优化 - 动态定价

视觉搜索 - 以图搜图

虚拟试穿 - AR试衣

🔒 网络安全 NEW ▼

入侵检测 - 网络异常检测

恶意软件识别 - 病毒检测

异常行为检测 - 用户行为分析

垃圾邮件过滤 - 邮件分类

威胁情报分析 - 安全态势感知

🌾 农业科技 NEW ▼

作物病虫害识别 - 自动诊断

产量预测 - 收成预估

精准农业 - 智能灌溉施肥

智能温室 - 环境自动调控

无人机巡检 - 农田监测

📚 教育科技 NEW ▼

智能辅导 - 个性化学习建议

自动评分 - 作业批改

个性化学习 - 自适应学习路径

知识图谱构建 - 知识体系可视化

学习路径推荐 - 课程推荐

⚡ AI基础设施与芯片 2025.12 ▼

NVIDIA B200/GB200 - Blackwell架构，20 PFLOPS FP4

NVIDIA H200 - Hopper升级版，141GB HBM3e

NVIDIA H100 - 数据中心主力，80GB HBM3

AMD MI300X - 192GB HBM3，NVIDIA替代

Intel Gaudi 3 - AI加速器

Google TPU v5p - 定制张量处理器

AWS Trainium2 - Amazon定制芯片

Groq LPU - 超低延迟推理，语言处理单元

Cerebras WSE-3 - 晶圆级引擎，4万亿晶体管

华为昇腾910B - 国产AI芯片

Azure AI Foundry - 微软AI平台

AWS Bedrock - 托管基础模型

Google Vertex AI - 全栈ML平台

Hugging Face - 模型社区，100万+模型

Modal - 无服务器GPU

Together AI - 开源模型托管

NVIDIA Blackwell Ultra (B300) - 2025 Q4出货，1.5倍B200性能，288GB HBM3E

NVIDIA Rubin (R200) - 2026 Q2出货，首款HBM4+NVLink 6芯片

Blackwell产能 - 已售罄至2026年中，积压360万台

GW级算力集群 - 单集群100万GPU耗电1-1.4GW，电力成主要瓶颈

超算军备竞赛 - Meta 2026 CapEx超1000亿美元，微软季度350亿

液冷数据中心 - GB200 NVL72要求液冷，推动数据中心基础设施大改造

🔬 AI科学研究前沿 2025.12 ▼

AlphaFold 3 - 蛋白质+分子结构预测

AlphaProteo - 蛋白质设计

AlphaGeometry 2 - IMO几何题求解

AlphaProof - 数学定理证明

GNoME - 材料发现，220万新材料

GraphCast - 天气预测

Med-PaLM 3 - 医疗AI

FunSearch - 数学发现

Process Reward Models - 过程奖励，数学推理

MoE (混合专家) - 稀疏激活，DeepSeek/Mixtral

Mamba/SSM - 状态空间模型，线性复杂度

OpenComplex-2 - 中国新一代蛋白质预测模型

扩散语言模型 - Mercury系列，非自回归文本生成新范式

推理模型融合 - o系列与GPT系列融合，推理能力成标配

📊 AI评估体系 2026 ▼

LMArena (Chatbot Arena) - 人类偏好投票ELO排名，行业权威

MMLU/MMLU-Pro - 多任务语言理解基准

GPQA Diamond - 博士级科学问答

SWE-bench Verified - 真实软件工程任务评测

Terminal-Bench 2.0 - Agentic编码评测

ARC-AGI-2 - 抽象推理与通用智能评测

AIME 2025 - 数学竞赛推理评测

Humanity's Last Exam - 最高难度综合考试

METR任务时长 - 模型自主完成任务时长评估

HealthBench - 医疗健康AI评测

安全对齐评测 - Safety/Alignment/Robustness评估

⚖️ AI治理与全球法规 2026 ▼

EU AI Act - 2026.8高风险AI系统合规截止日，全球首部综合AI法律

高风险AI要求 - 风险管理/数据治理/技术文档/人工监督/透明度

AI生成内容标注 - 2026.8起合成内容和深度伪造必须标识

AI监管沙盒 - 各成员国须在2026.8前建立至少一个AI沙盒

美国州法推进 - AI透明度法/训练数据透明度法2026.1生效

中国网络安全法修订 - 2026.1实施，首次明确AI条款

版权诉讼 - 多起AI训练数据版权案2026年进入审判

AI福利议题 - AI意识/道德地位被Anthropic等机构提上议程

全球影响 - EU AI Act如同GDPR，正在成为全球AI监管标杆

🏎️ AI大事记：2025-2026 2026 ▼

🇨🇳 2025.1 DeepSeek-R1震撼全球 - 开源推理模型，训练仅560万美元，NVIDIA市值蒸发6000亿

2025.3 OpenAI采纳MCP - MCP从Anthropic协议升级为行业标准

2025.4 Llama 4发布 - Meta"战时动员"推出MoE架构三兄弟

2025.4 o3/o4-mini - 首个可"图像思考"的推理模型

2025.5 Claude Opus 4 - 混合推理模式，代码能力大幅跃升

🇨🇳 2025.5 DeepSeek-R1-0528 - "小版本升级"实测接近o3-high，LiveCodeBench刷榜

🇨🇳 2025.5 华为盘古Ultra MoE - 7180亿参数，昇腾全栈国产化训练，首个国产万亿级MoE

🇨🇳 2025.6 字节豆包1.6 - 日均Token量增长137倍，公有云API市场份额46.4%第一

2025.7 Grok 4 - xAI旗舰发布，$300/月SuperGrok Heavy

🇨🇳 2025.7 Kimi K2 - 月之暗面开源推理模型，灵感源自DeepSeek架构

2025.8 gpt-oss开源 - OpenAI GPT-2后首次开放权重，Apache 2.0

🇨🇳 2025.8 DeepSeek-V3.1 - MIT开源，SWE-bench/Terminal-bench提升超40%

🇨🇳 2025.9 阿里Qwen3-Max - 多项基准超越DeepSeek和Claude

🇨🇳 2025.9 DeepSeek-R1登上Nature封面 - 首次披露训练成本仅29.4万美元，国际学术界轰动

2025.9 Sora 2 - OpenAI视频生成"GPT-3.5时刻"

🇨🇳 2025.9 腾讯混元图像3.0 - LMArena图像编辑全球第一梯队，开源最强

2025.11 Claude Opus 4.5 - SWE-bench首破80%，AI编码里程碑

2025.11 Gemini 3 Pro - Google旗舰刷新多模态基准

🇨🇳 2025.11 智谱GLM-5 - "Pony Alpha"揭晓，编码性能惊艳AI社区

🇨🇳 2025.12 豆包DAU破1亿 - 中国首个日活过亿AI产品，字节发布豆包1.8

🇨🇳 2025.12 腾讯混元2.0 - 406B MoE，256K上下文，前OpenAI科学家姚顺雨任首席AI科学家

🇨🇳 2025.12 DeepSeek-V3.2 - 思考+工具一体化，V3.2-Speciale达IMO金牌

2025.12 MCP捐赠Linux基金会 - Agentic AI Foundation成立

🇨🇳 2025年中国开源模型全球下载量占比17.1% - 反超美国15.8%，位居全球第一

🇨🇳 2025年中国生成式AI用户达5.7亿 - 半年增长106.6%，Qwen系列Hugging Face下载量超Llama

2026.1 Gemini 3 Flash - 超越2.5 Pro，速度3倍成本降7成

🇨🇳 2026.1 中国网络安全法AI条款生效 - 首次明确AI监管法律框架

🇨🇳 2026春节豆包央视春晚AI合作 - 除夕AI互动19亿次，月活飙至3.15亿

🇨🇳 2026春节千问30亿元投入 - 日活一度逼近豆包，夸克AI眼镜整合支付宝/高德/淘宝

2026.2 Claude Opus 4.6 - 1M上下文，Agent团队，知识工作第一

2026.2 Mercury 2 - 首个扩散推理模型，1009 token/s

2026.2 World Labs 10亿融资 - Fei-Fei Li世界模型公司估值50亿

🇨🇳 2026.3 两会：AI产业规模目标10万亿 - "十五五"开局年，国家发改委明确AI发展路线

🇨🇳 2026格局文心/千问/DeepSeek三足鼎立 - C端前五：豆包/千问/夸克/DeepSeek/腾讯元宝

2026.3 GPT-5.4 - OpenAI最新旗舰，Thinking+Pro+Instant三版本

🧠 AI知识体系全景图 - 究极融合版 v8.0 (2026.03)

📊 层级包含关系说明

📋 NN层技术细节分类说明

🌟 主要应用领域