第 5 卷

图1-1 人工智能发展简史

1.2 什么是大语言模型：普通人如何理解它的工作原理

大语言模型（LLM）是通过海量数据进行深度学习训练而来的，能理解和生成自然语言。它类似一个庞大的语言预测引擎，通过分析上下文

生成合适的回答。比如，当你提问“今天天气如何？”，模型会结合训练中学习到的天气表达模式，给出合理答案。随着技术进步，这些模型

能处理更复杂的任务，如翻译、推理和对话生成等。

1.2.1 一个极简模型：智能版“输入法联想”

理解大语言模型，最直观的方式就是把它想象成一个“超级智能版的输入法联想功能”。你在手机上打字时，输入法会根据你已经输入的词

语，预测下一个最可能出现的词。比如，你打出“我今天”，输入法可能会联想出“吃了”“去了”“想”等词语。

大语言模型的工作原理与此类似，但规模大了无数倍。它不是仅仅看前几个字，而是分析整个上下文，称为“语境”或“提示词”，然后在它庞

大的“大脑”即训练数据中总结出的知识里，计算并生成下一个最合适的 “字”。然后，它把这个字加到你的文本后面，再接着预测下一个字。如

此循环往复，一段通顺、有逻辑的文字就被“联想”出来了。

1.2.2 海量数据训练：读遍万卷书

这个“联想”能力并非天生，而是来自海量的训练。你可以想象，让一个模型“读”完了互联网上几乎所有公开的文本：书籍、文章、维基百科、

代码、论坛讨论，等等。在这个过程中，它学会了词语之间的搭配、句子的语法结构、不同文体的写作风格，甚至总结出了一些知识和逻

辑关系。它并不是简单地“记住”了这些内容，而是将所有的语言模式压缩成一个复杂的数字网络。当你提问时，它就是在从这个巨大的“压缩

文件”中解压并重组出最符合当前语境的答案。

1.2.3 参数与能力：规模决定智能的边界

大语言模型中的“大”，主要体现在一个维度上：参数数量。可以把参数理解为模型内部的“可调节旋钮”，数量越多，模型就越精细，能够捕捉

到的语言模式和复杂关系也就越多。从早期的百万级参数，到后来的十亿、百亿，再到如今的千亿甚至万亿级参数，每一次数量级的跃

升，都伴随着模型能力的显著增强。更大的模型不仅能更准确地回答问题，还能展现出推理、编程、创意写作等在小模型上几乎不可能出

现的“涌现”能力。可以说，模型的规模，在很大程度上决定了其智能的边界。

图1-2 什么是大语言模型

1.3 豆包简介

豆包是字节跳动公司基于云雀模型开发的一款功能强大的AI智能体。

它依托字节跳动公司先进的技术和海量的数据，致力于为用户提供全方位、高效、智能的服务。自推出以来，豆包凭借其出色的性能和丰

富的功能，迅速在AI领域崭露头角，成为连接用户生活、学习与工作的得力伙伴。以下从技术演进、核心能力、功能应用3个维度，解读豆

包的全貌。