下面给你整理一版最常见、最容易混淆、也最值得记住的 AI 英文缩写全称表。

一、最基础、最常见的几个

1．AI

英文全称：Artificial Intelligence
中文：人工智能

这是总称。凡是“让机器表现出像人一样的学习、理解、推理、生成、决策能力”，大体都可以放在 AI 这个大框里。

2．AGI

英文全称：Artificial General Intelligence
中文：通用人工智能

通俗讲，就是“不只会干一种事”的人工智能。
不是只会下棋、只会画图、只会写文章，而是像人一样，能跨领域理解和处理很多任务。

3．AIGC

英文全称：AI-Generated Content
中文：人工智能生成内容

就是 AI 生成出来的内容。
比如：
AI 写文章
AI 画图
AI 做视频
AI 配音
AI 生成 PPT
这些都属于 AIGC。

4．LLM

英文全称：Large Language Model
中文：大语言模型

这是这两年最火的核心概念之一。
像 ChatGPT、Claude、文心一言、通义千问、DeepSeek 这类产品，背后通常都有大语言模型。

你可以把它理解成：
“一个读过海量文本后，学会了语言规律、知识模式、表达方式的超大模型”。

5．Agent

英文全称：Intelligent Agent 或 AI Agent
中文：智能体

这是现在非常火的词。
它和普通聊天机器人不一样的地方在于：

不是你问一句，它答一句就结束
而是它可以为了一个目标，自己分步骤、调工具、查资料、执行任务

比如：
帮你做市场调研
帮你整理会议纪要
帮你自动写代码并调试
帮你规划旅行并出方案

这种更像“数字员工”“AI 助手”的，就是 Agent。

二、和模型能力强相关的几个词

1．ML

英文全称：Machine Learning
中文：机器学习

它是 AI 下面的一个重要分支。
意思是：不是人工一条条写死规则，而是让机器从数据里自己“学出规律”。

简单说：

传统程序：人告诉机器规则
机器学习：人给机器数据，机器自己找规律

2．DL

英文全称：Deep Learning
中文：深度学习

它是机器学习里的一个重要方向。
你可以把它理解成“更强、更复杂、更依赖大数据和算力的机器学习方法”。

现在很多图像识别、语音识别、自然语言处理、大模型，底层都和深度学习密切相关。

3．NLP

英文全称：Natural Language Processing
中文：自然语言处理

这是让机器处理人类语言的技术方向。
比如：
理解你说的话
做翻译
做摘要
做问答
做情感分析
做文本分类

这些都属于 NLP。

4．CV

英文全称：Computer Vision
中文：计算机视觉

让机器“看懂图片和视频”的技术。
比如：
人脸识别
目标检测
图片分类
视频分析
OCR 识别
自动驾驶视觉感知

这些基本都属于 CV。

5．ASR

英文全称：Automatic Speech Recognition
中文：自动语音识别

就是“语音转文字”。

比如你说一句话，系统自动把它变成文字，这就是 ASR。

6．TTS

英文全称：Text-to-Speech
中文：文本转语音

就是“文字转声音”。

比如输入一段文案，AI 帮你读出来，像配音员一样，这就是 TTS。

三、这两年特别热门、你经常会碰到的

1．GPT

英文全称：Generative Pre-trained Transformer
中文可理解为：生成式预训练变换器模型

这是 OpenAI 的模型命名方式。
拆开理解更简单：

Generative：能生成内容
Pre-trained：先经过大规模预训练
Transformer：采用 Transformer 这种模型架构

所以 GPT 本质上不是“聊天软件”的意思，而是一类模型。

2．Transformer

英文全称：Transformer
中文一般直接叫：Transformer 架构

这是现代大模型最关键的底层架构之一。
很多大语言模型，都是建立在 Transformer 思想之上。

你不用把它想得太玄。
你可以把它理解成：
“让模型更擅长理解上下文关系的一种核心结构设计”。

3．Token

英文全称：Token
中文常译：词元、标记

这是大模型里极其常见的词。
模型处理文本时，不是按“整句话”直接处理，而是会拆成一个个更小的单位，这些单位就可以理解为 Token。

它和费用、上下文长度、输入输出限制，都直接相关。

比如：
一段话越长，消耗 Token 越多
你问得越复杂，回复越长，Token 消耗越高

4．Prompt

英文全称：Prompt
中文：提示词、提示语

就是你给 AI 的指令。

比如：
“请帮我写一篇公众号文章”
“把这段话改成更有销售力的文案”
“帮我生成一个 10 页 PPT 大纲”

这些输入给 AI 的内容，本质上就是 Prompt。

5．Prompt Engineering

英文全称：Prompt Engineering
中文：提示词工程

意思是：
怎么更有技巧地给 AI 下指令，让它输出得更准、更好。

这几年很多人都在学这个。

6．RAG

英文全称：Retrieval-Augmented Generation
中文：检索增强生成

这个词现在企业场景里非常火。

通俗讲：
不是只靠模型脑子里“记住”的知识回答
而是先去查资料、查知识库、查文档，再结合查到的信息生成答案

所以它特别适合：
企业知识库问答
内部文档助手
客服机器人
专业资料检索

7．Fine-tuning

英文全称：Fine-tuning
中文：微调

意思是：
在一个已经很强的大模型基础上，再用你自己的行业数据、业务数据继续训练，让它更懂你的场景。

比如：
法律模型
医疗模型
金融模型
企业内部助手模型

很多都是微调思路。

四、你直播或讲课时很适合顺手带上的几个

1．API

英文全称：Application Programming Interface
中文：应用程序编程接口

通俗讲，就是“软件和软件之间打交道的接口”。

比如你自己做一个系统，想调用 OpenAI、DeepSeek、通义千问的能力，往往就是通过 API 去接。

2．Workflow

英文全称：Workflow
中文：工作流

意思是：把一个完整任务拆成固定流程。

比如：
收集资料
整理摘要
生成初稿
润色标题
输出配图建议
发布到平台

这一整串，就可以做成 AI 工作流。

3．Multimodal

英文全称：Multimodal
中文：多模态

就是 AI 不只处理文字，还能同时处理：
图片
语音
视频
文档
表格

能跨多种信息形式理解和生成，这就叫多模态。

4．Embedding

英文全称：Embedding
中文：向量化表示、嵌入表示

这个词在知识库、RAG、语义搜索里很常见。

你可以把它理解成：
把一段文字、一张图片的“含义”，转换成机器更容易比较和检索的一串数字坐标。

5．Inference

英文全称：Inference
中文：推理

这里不是“逻辑推理”那个普通意思，更多指模型运行、生成结果的过程。

训练是把模型练出来
推理是把模型拿来用

6．Training

英文全称：Training
中文：训练

就是让模型通过大量数据学习能力的过程。

五、最容易混淆的一组，你可以这样记

1．AI、ML、DL 的关系

AI 是最大的概念
ML 是 AI 的一种实现方式
DL 是 ML 里面更强的一类方法

也就是：

AI
└─ ML
└─ DL

2．AI、AIGC、LLM 的关系

AI 是总称
LLM 是大语言模型
AIGC 是 AI 生成内容这个应用结果

你可以理解成：

AI 是大范围
LLM 是一种核心能力引擎
AIGC 是它干出来的活

3．LLM 和 Agent 的区别

LLM 更像“大脑”
Agent 更像“会干活的助手”

LLM 负责理解和生成
Agent 负责调用工具、拆任务、执行流程

六、你最该优先记住的 12 个

如果你不想一次背太多，先记这 12 个最值：

AI：Artificial Intelligence，人工智能
AGI：Artificial General Intelligence，通用人工智能
AIGC：AI-Generated Content，人工智能生成内容
LLM：Large Language Model，大语言模型
Agent：Intelligent Agent，智能体
ML：Machine Learning，机器学习
DL：Deep Learning，深度学习
NLP：Natural Language Processing，自然语言处理
GPT：Generative Pre-trained Transformer
Token：词元
Prompt：提示词
RAG：Retrieval-Augmented Generation，检索增强生成

七、给你一个最通俗的总总结

你可以这样向小白解释：

AI 是总名字
LLM 是现在最火的大脑
Prompt 是你给它下的指令
Token 是它处理文字时消耗的单位
AIGC 是它生成出来的内容
Agent 是能替你干活的高级助手
RAG 是让它先查资料再回答
API 是你把它接进自己系统的方法

这样一讲，普通人基本就能一下子明白大半。