本文是「108张AI知识卡片·大模型通关手册」系列的。零基础学AI，从哪里开始？不用写代码、不用啃论文，这一篇用 8 张图帮你建立 AI 的核心知识坐标系——从 Token 到强化学习，一条线串起来。系列共 108 张卡片、22 篇笔记，覆盖大模型开发者必经的全链路。读完这 8 个概念，你就有了一张 AI 入门的"全景地图"，后续看任何技术文章都不会迷路。

GPT-4凭什么比GPT-3聪明？模型大到底多了什么？本篇用5张图讲透参数规模、涌现行为两大核心，以及预训练/SFT/RLHF三阶段如何把模型从"只会续写"炼成"会对话"的助手。参数像神经突触、涌现像水到100度沸腾，附可交互卡片边看边玩。108张AI知识卡片系列第2篇，适合想搞懂大模型原理的读者。

用了这么久大模型，它里面到底长什么样？这篇讲7个核心架构组件：Tokenization（把文本切成Token碎片）、词表映射（Token和编号之间的翻译官）、MoE（混合专家模型，按需调用不浪费算力）、门控网络（MoE的调度中心，决定派哪个专家出马）、稀疏激活（每次只激活一小部分专家，四两拨千斤）、Transformer（大模型的骨架，所有现代大模型都站在这个架构上）、Attention（大模型的

大模型微调一定要8张卡起步？错。这篇讲4种参数高效微调方案（PEFT）：LoRA（低秩适配，只训两个小矩阵，参数量不到原模型1%，性价比之王）、Adapter Tuning（层间插入小适配器，不碰原模型但多推理延迟）、Prefix Tuning（加可学习虚拟前缀，不改模型参数）、Prompt Tuning（只学一组Embedding，极简但性能有限）。从原理到选型，一张卡也能跑起来。108张AI知

模型微调好了，Demo跑通了，然后呢？上线生产才是真正的考验。这篇讲6个部署核心概念：模型部署（从"能跑"到"能扛"，服务化+容器化+弹性伸缩）、模型推理（一次前向传播要过多少层算多少FLOPs）、级联推理（小模型先挡一轮，搞不定再交大模型）、量化（FP16压成INT8/INT4，显存省一半速度快一倍）、推理加速（KV缓存+算子融合+并行推理把延迟打下来）、私有化部署（数据不出域，金融医疗的必选项

文章摘要：本文是「大模型瘦身指南」系列的第13篇，聚焦模型压缩三大技术——剪枝、知识蒸馏与分布式训练。通过对比量化、剪枝和蒸馏的优劣势，提出量化性价比最高、剪枝需硬件适配、蒸馏适合任务专用场景的优化路径。具体拆解了结构化/非结构化剪枝的实现差异，以及知识蒸馏中软标签与温度参数的核心作用，并通过实验数据验证：1.5B蒸馏模型可用20%成本达到7B模型98%的效果。最后强调分布式训练是大模型落地的关键

（发布时复制到CSDN摘要框）：你给AI看张熊猫照，它说熊猫；你把照片亮度调1%，它说长臂猿——模型比你想的脆得多。这篇把AI安全的6大攻击面串成一次"攻击面巡礼"：从模型本身有多脆（鲁棒性）开始，到外部怎么打（提示词注入·对抗性攻击·越狱）、内部怎么埋雷（后门·数据投毒），最后收口防御思路。每个概念都配生活类比、可动手感受的场景、和能卡住人的灵魂提问，末尾附一张攻击面地图和能跑的防御示例代码。1

想把大模型接到自己的应用里，到底从哪开始？这篇把7个层层递进的概念串成一条进阶线：从最底层的API是什么、API Key怎么管、请求响应怎么对，到工程封装层——规则引擎管规则、SDK省胶水、CLI命令行化、IDE集成到编辑器。每个概念都配生活类比、能动手感受的场景、和会卡住你的灵魂提问，末尾用一张"从裸调到顺手"的进阶图收口、附能跑通的最小API调用代码。108张AI知识卡片系列第17篇。

AI 的下一个战场在哪？这篇把 5 个前沿方向串成一条"从云端走向物理世界"的演进线：先讲云计算（模型跑在哪）、边缘计算（把推理往离设备更近的地方推）、世界模型（让模型学会"想象"现实）、空间智能（让模型理解三维空间）、最后具身智能（让模型长进物理身体里动起来）。每个概念都配生活类比、能动手感受的场景、和会卡住你的灵魂提问，末尾用一张演进图收口，看清 AI 的下一步往哪长。108张AI知识卡片系列

AI 的下一个战场在哪？这篇把 5 个前沿方向串成一条"从云端走向物理世界"的演进线：先讲云计算（模型跑在哪）、边缘计算（把推理往离设备更近的地方推）、世界模型（让模型学会"想象"现实）、空间智能（让模型理解三维空间）、最后具身智能（让模型长进物理身体里动起来）。每个概念都配生活类比、能动手感受的场景、和会卡住你的灵魂提问，末尾用一张演进图收口，看清 AI 的下一步往哪长。108张AI知识卡片系列