大模型原理：它是怎么"懂"你的话的

第 10 章｜理解 AI（选学） 用得熟了，你也许会好奇"它到底是怎么做到的"——这一章写给那些想搞懂原理的人，全程不用公式。

📢 先说明：本章是选学内容，跳过完全不影响你使用 AI。但如果你好奇"它凭什么这么聪明"，这一章会让你看得连连点头。放心，全程大白话，没有公式。

用了几章 AI，你大概见过它的高光时刻：写报告、改代码、讲笑话样样行。也见过它的翻车现场：编造不存在的书名、算错简单的账。

它到底是个什么东西？为什么这么强，又这么离谱？

这一篇用一个比喻讲透。

🔑 本篇心法：大模型的本质，是一场覆盖全人类知识的"超级接龙"——预测下一个字。

比喻：它是一场"超级接龙"

你一定玩过接龙："床前明月____"，你脱口而出"光"。

因为你读过这首诗，你知道下一个字是什么。

大模型干的事，本质一模一样——只不过它的"接龙"规模恐怖到离谱：

• 读过的东西：几乎整个互联网的文章、书籍、代码（万亿字级别）
• 接的龙：你打字时手机输入法也会猜下一个词，对吧？大模型就是输入法猜词的超级加强版——它不是猜一个词，是逐字把一整篇文章"接"出来。

所以你每次和 AI 对话，它其实在干一件事：根据你说的话，一个字一个字地，预测"接下来最应该出现什么字"。

为什么"只会接龙"能这么聪明？

你可能会问：接龙谁不会？怎么接龙就能写出报告、编出程序？

三个原因：

第一，读得太多。 一个人一生读一亿字顶天了，它读了万亿字级——相当于把人类公开写过的东西读了个遍。

第二，学的不是字，是"规律中的规律"。 为了接得准，它被迫学会了语法、事实、逻辑、风格——因为不掌握这些，接龙就会接错。"理解"是"接得准"的副产品。

第三，接得足够长，就像"想得足够深"。 它逐字生成时，前面的字会约束后面的字——像人写作文，写着写着思路就展开了。

打个比方：一个把图书馆全部读完的人，哪怕只会"接话"，你问他什么他都能接得头头是道——听起来，就像懂了。

三个"黑话"的人话版

你一定听说过这些词，现在用人话讲清楚：

Token（词元）：AI 眼里的话是"片段"

AI 处理文字时，不是按"字"，是按**片段（Token）**切的。比如"人工智能"可能被切成"人工"和"智能"两块。

你只需要知道：AI 的"阅读速度"和"记忆容量"都按 Token 计算——这和下一篇要讲的"上下文窗口"直接相关。

参数量（7B / 70B）：可以理解为"脑容量"

你见过"7B 模型""70B 模型"的说法。B = 十亿，参数量就是模型里可调节的"旋钮"数量。

人话版：参数越多 = 读过的规律存得越细 = 通常越聪明，但也越"费电费钱"。就像人的脑容量，但不完全等同——训练方法和数据质量同样关键。

涌现：量变引起质变

小模型只会简单接话；模型大到一定程度，突然就会了复杂推理、写代码——没人专门教过它。

这种"突然开窍"叫涌现。就像水加热到 100 度突然沸腾——之前每一度都在积累，沸点是那一下的质变。

那它到底"懂"了吗？

诚实的答案：它表现得像懂了，但那和人类的"懂"不是一回事。

• 人类的懂：有真实世界的体验，知道"烫"是什么感觉
• AI 的懂：掌握了关于"烫"的一切文字规律，但从未被烫过

这也解释了它的全部优点和全部毛病：

优点（接龙接得准）	毛病（也只是接龙）
知识面横跨所有领域	没有真实体验，遇到没见过的就"编"
表达流畅、条理清晰	流畅 ≠ 正确（第 2 篇的"幻觉"）
不知疲倦，即问即答	没有真正的目标和动机

理解了这一点，你对 AI 的所有疑问——为什么强、为什么胡说、为什么"忘了"——就都有了答案。 本章后面几篇全是展开这个。

---

本篇小结

🔑 大模型 = 超级接龙：读遍人类的书，学会文字的规律，逐字预测下一个字。"像懂了"和"真懂了"，不是一回事。

下一篇，解释它最著名的毛病：既然是接龙，那"胡说八道"（幻觉）就是必然的副产品。 为什么？怎么办？