随着生成式 AI 进入产品、融资和开发场景，围绕这一行业的术语也在快速扩张。TechCrunch 最新整理了一份 AI 术语指南，集中解释当前最常见的一批概念，帮助读者理解模型能力、训练方式和应用形态。

这份指南覆盖的内容并不局限于聊天机器人，而是延伸到模型训练、推理方式、算力基础设施以及自动化工具。文章提到，许多术语虽然已被广泛使用，但在行业内部仍没有完全统一的定义。

AGI仍缺少统一定义

在这份梳理中，AGI 仍是最容易引发分歧的词之一。它通常被用来指代在多数任务上接近或超过人类平均水平的 AI 系统，但不同机构给出的标准并不一致。

例如，OpenAI、Google DeepMind 等机构对 AGI 的描述各有侧重。有的强调可替代多数经济活动中的人类劳动，有的强调在大多数认知任务上达到人类水平。TechCrunch 认为，这种差异本身就说明，AGI 目前更像一个行业目标，而不是边界清晰的技术定义。

AI代理与编码代理升温

文章将 AI 代理定义为可代表用户连续执行多步任务的系统，能力范围超出普通聊天机器人。典型场景包括报销、订票、调用第三方服务，甚至在较少人工干预下完成部分软件开发工作。

在此基础上，编码代理被视为更具体的一类工具。它不仅能生成代码，还能在代码库中执行测试、排查错误并提交修复。文章将这类工具描述为面向开发流程的自动化助手，但同时指出，人工复核仍然不可缺少。

思维链、微调与蒸馏更常见

在模型能力层面，TechCrunch 重点解释了“思维链”这一概念。其核心是把复杂问题拆成中间步骤，以提高逻辑推理或编程任务中的准确率。相比直接给出答案，这种方式通常更慢，但结果往往更稳定。

文章还提到，微调和蒸馏已成为 AI 公司常用的方法。微调是基于特定数据继续训练模型，使其更适合某一行业或任务；蒸馏则是让较小模型学习大模型的输出行为，从而在降低成本的同时保留部分能力。

  • 微调：让通用模型更适配垂直场景
  • 蒸馏：用大模型输出训练更轻量模型
  • 思维链：通过中间步骤提升推理质量

算力与生成模型仍是基础

除了应用层术语，文章也回到 AI 的底层结构。所谓 compute，通常指支撑模型训练和部署的计算资源，背后对应 GPU、CPU、TPU 等硬件基础设施。算力仍是 AI 行业扩张的核心资源之一。

在生成模型部分，指南提到深度学习、扩散模型和 GAN 等概念。深度学习依赖多层神经网络，从大量数据中提取特征；扩散模型通过学习“去噪”过程生成图像、音乐或文本；GAN 则是更早一类生成式框架，曾推动逼真内容生成和深度伪造工具的发展。

整体来看，这份术语指南并未试图给出统一标准，而是提供了一套当前 AI 行业最常见的“通用语言”。随着模型、产品和基础设施继续演进，这些词的含义也可能继续变化。