AI 的类型：全面指南

如果您感觉人工智能（AI）突然无处不在，那是因为确实如此。根据麦肯锡近期的市场研究，全球 AI 采用率已从 2020–2021 年约 50–60% 的组织增长到 2025 年惊人的 88%。

不过，这种爆发式增长也带来了语言上的问题。“AI”成了一个包罗万象的流行词，用来描述差异巨大的技术——从简单的基于规则的聊天机器人、图像生成器，到科幻感十足的未来机器人，常被混为一谈。

对数据从业者而言，这种模糊性是个障碍。当利益相关方要求一个“AI 解决方案”时，您需要明确：他们需要的是一个简单的回归模型、一个生成式代理，还是一个计算机视觉系统？

在这篇全面指南中，我们将梳理这些术语。我们不会只罗列定义，而是从四个不同的视角来观察：它如何构建、能做什么、如何决策，以及如何融入现实世界的工作流。

如果您对该主题还不熟悉，建议先学习Understanding Artificial Intelligence课程。

什么是 AI？

人工智能（AI）是计算机科学的一个分支，致力于创建智能体，使其能够执行通常需要人类智能的任务，如问题求解、语音识别和决策制定。

AI 是一门跨学科科学，方法众多。它既可以是基于规则的（在预定义条件下运行），也可以使用机器学习算法从数据中学习，使系统能够适应不可预见的情境。

然而，由于研究者所称的“AI 效应”，对 AI 进行精确定义却出奇困难。该现象描述了随着技术成熟，社会对 AI 的认知不断变化。当某种能力变得司空见惯，人们就不再称其为“AI”，而是把它看作普通软件。

正因为定义在变化且范围广泛，单一分类并不足够。我们需要多个视角来获得全貌：

• 技术：底层算法与架构。
• 能力：从狭义到超级智能的智能水平衡量。
• 功能：系统如何处理信息并维持记忆？

例如，一辆自动驾驶汽车可以同时以三种方式分类：

• 狭义 AI（基于其特定能力）。
• 深度学习（基于其底层技术）。
• 有限记忆（基于其功能）。

在接下来的章节中，我们将深入探讨这些具体类型。

如果您需要严格的非技术入门，建议阅读我们的AI 初学者指南。

基于技术的 AI 类型

对 AI 进行最严谨的分类，是按底层技术来区分，即驱动系统的“引擎”。这种分类依据系统如何处理数据与学习来区分。下面来看不同类型。

机器学习

机器学习（ML）是 AI 的一个子集，关注让系统从数据中学习并改进，而无需为每条规则显式编程。与其写“若 A 则 B”的代码，不如给算法输入数据，让它自己发现模式。

机器学习主要分为三种学习范式，适用于不同问题类型：

• 监督学习：商业中最常见。使用带标签的数据（输入-输出对）训练算法。例如，您可以给模型展示 1,000 封标注为“垃圾”或“非垃圾”的邮件，它便会学习如何分类下一封邮件。常见算法包括线性回归、K 近邻（KNN）和决策树。
• 无监督学习：给算法无标签数据，让其自主发现潜在结构或模式。常用于客户细分（聚类）。K-Means 聚类和主成分分析（PCA）是最常用的算法之一。
• 强化学习（RL）：完全不同的路径，RL 通过奖惩机制让智能体在试错中学习。智能体根据与环境的交互获得反馈，并逐步学习哪些行为能在长期内最大化累计回报。这是训练机器人与高级博弈 AI（如 AlphaGo）的方法。

要夯实机器学习基础，建议学习Machine Learning Fundamentals with Python技能路径。

深度学习

深度学习（DL）是受人脑结构启发的机器学习专门分支。它使用包含多层的人工神经网络（因此称为“深”）来建模海量数据集中复杂的非线性关系。传统机器学习可能在更多数据下出现瓶颈，而深度学习往往能持续提升。

关键架构包括：

• 卷积神经网络（CNN）：图像处理的黄金标准。通过“滤波器”自动扫描图像，检测如边缘、形状与纹理等空间层级。
• 循环神经网络（RNN）：为时间序列或语音等序列数据设计。保留对先前输入的“记忆”，以影响当前输出。
• Transformer：现代大语言模型（LLM）（如GPT 5.2与Gemini 3）背后的架构。利用注意力机制同时处理整段序列，依据词与词之间的相对重要性加权，而非逐个处理。
• 生成对抗网络（GAN）：两个网络博弈的框架，“生成器”生成伪造数据，“判别器”尝试识别伪造。竞争促成高度逼真的合成输出。
• 扩散模型：如 Midjourney 等工具的引擎。通过学习将随机噪声系统性地逆向还原为清晰、视觉上可分辨的图像来生成高质量图像。

如果您打算亲自构建这些模型，建议从Introduction to Deep Learning with PyTorch课程开始。

自然语言处理

自然语言处理（NLP）旨在让计算机以有意义的方式理解、解释与生成自然语言。NLP 通过处理人类语言固有的歧义、上下文依赖与复杂性，架起人机沟通与机器理解之间的桥梁。

常用技术包括：

• 情感分析：分析语句背后的情绪，例如判断一条评论是积极还是消极
• 命名实体识别（NER）：在文本中识别人名或地名
• 分词：将文本拆分为更小的单元，如词、音节，甚至单个字符

下面用 Python 的transformers做一个情感分析示例：

# Example: Sentiment analysis using transformers
from transformers import pipeline
# Load pre-trained sentiment analysis model
sentiment_analyzer = pipeline("sentiment-analysis")
# Analyze multiple texts
texts = [
    "This product exceeded my expectations!",
    "Terrible customer service, very disappointed.",
    "The quality is okay, nothing special."
]
results = sentiment_analyzer(texts)
for text, result in zip(texts, results):
    print(f"Text: {text}")
    print(f"Sentiment: {result['label']}, Confidence: {result['score']:.2f}\n")

Text: This product exceeded my expectations!
Sentiment: POSITIVE, Confidence: 1.00

Text: Terrible customer service, very disappointed.
Sentiment: NEGATIVE, Confidence: 1.00

Text: The quality is okay, nothing special.
Sentiment: NEGATIVE, Confidence: 0.98

计算机视觉

计算机视觉让机器能够从数字图像与视频中提取有意义的信息，使计算机以类似人类感知的方式理解视觉数据。该领域处理对象识别、距离测量，甚至识别人类无法观察到的模式。

计算机视觉系统将图像处理技术与机器学习（尤其是深度学习）结合起来，从原始视觉数据中提取越来越抽象的表示。关键任务包括：

• 图像分类：识别图像中是什么（如“这是一只猫”）。
• 目标检测：定位对象在哪里（如“在坐标 x,y 有一名行人”）。
• 人脸识别：基于面部特征进行身份验证。

医学影像是计算机视觉最具影响力的应用之一，AI 系统在 X 光、CT 和 MRI 中检测肿瘤的准确率可与人类放射科医师相当甚至更高。这些系统并非取代医护人员，而是为其提供支持，例如标记潜在异常以供专家审阅。

音频处理

音频处理聚焦于识别、解释与合成听觉信号，包括人类语音与环境声音。目标是让机器能够“听懂”、理解并生成音频内容，连接声学波形与语义含义。

自动语音识别（ASR）将口语转换为书面文本，为语音助手、转录服务与无障碍工具提供动力。现代 ASR 系统使用 Transformer 架构，将音频波形直接映射到文本序列，对于干净语音的准确度接近人类，并在背景噪声或口音等复杂条件下持续改进。

文本转语音（TTS）引擎如Amazon Polly执行反向操作，利用神经声码器从书面文本合成自然语音，生成逼真的韵律、语调与情感表达。现代 TTS 系统可通过几分钟的样本音频克隆声音，既带来创造性可能，也引发伦理担忧。

应用已超越语音处理，延伸至创意与实用领域。语音克隆技术支持个性化虚拟助手、稳定音色的有声书旁白，以及颇具争议的深度伪造音频。

机器人与具身智能

这是 AI 与工程学的交叉领域。具身智能（Embodied AI）指将先进的“头脑”（如视觉-语言模型）装载到实体机器人体内。虽然很多 AI 仅存在于数字形态，具身智能必须处理重力、摩擦，以及物理环境不可预测的复杂性。

这种与现实的接触引入了纯计算式 AI 所不具备的挑战，但也使其能够直接与物理世界交互。传统机器人需要为每项任务显式编程，工程师通过精确编码动作与决策树来实现特定结果。

现代具身智能系统能够理解自然语言指令，例如“把苹果捡起来”或“把那扇门打开”，并借助视觉感知识别目标并规划相应动作，而无需针对任务进行特定编程。

这一进步回应了莫拉维克悖论：对人类而言微不足道的任务，如叠衣服、开门、在杂乱房间中穿行，对机器人却极其困难；而对人类颇具挑战的任务，如下棋或微积分，对 AI 反而相对容易。

具身智能借助基础模型，正逐步弥合这一差距，让机器人具备人类视为理所当然的感知理解与自适应规划。应用包括家用的扫地机器人、工业协作机器人（cobots），以及如 Boston Dynamics 的 Atlas 等先进类人机器人。

基于能力的 AI 类型

技术定义了 AI 如何构建，能力则定义了它相对于人类智能能做什么。该分类也像一条 AI 发展的时间线，从当前局限迈向理论上的未来。

人工狭义智能

人工狭义智能（ANI）也称弱人工智能，是当下存在的 AI。它指专为特定、预定义任务而设计并在其中表现出色的系统，但一旦超出其狭窄的训练范围就会完全失效。下棋机器人不会开车，医学诊断工具也写不出诗歌。

然而，“狭义”的内涵正在扩展。当前最前沿的是先进的多模态大语言模型（LLM）。我们正见证如GPT-5.2与Gemini 3等模型的发布，它们可以同时处理文本、音频与视觉输入。

尽管它们在模仿推理，但仍缺乏对世界的真正理解。开发者通常通过 API 与这些 ANI 系统交互，将其集成进应用。

ANI 内的下一步是Agentic AI。这类系统突破被动对话，能够自主执行多步动作，如浏览网页订机票，成为迈向更广泛智能的桥梁。

人工通用智能

人工通用智能（AGI）是 AI 研究的“圣杯”。它指一个理论阶段：机器具备跨完全不相关领域的学习、推理与解决问题的能力，匹配人类的认知灵活性。

关键差异在于“泛化”。一个会说葡萄牙语的 ANI 系统并不能因此更快学会西班牙语；而 AGI 系统能够将一个领域的逻辑迁移到另一个领域，而无需手动再训练。

关于 AGI 的时间表争议激烈。行业乐观者预测 2026 至 2029 年之间到来。相反，怀疑者认为我们缺乏基本架构（尤其是准确的“世界模型”），将时间线推至 2040 年或更晚。

人工超级智能

人工超级智能（ASI）描述一个假想阶段：AI 在几乎所有领域都超越最聪明的人类头脑——科学创造力、一般智慧、社交能力与问题求解。ASI 不仅能与爱因斯坦或达·芬奇比肩，还会像他们超越普通人一样大幅超越他们。

围绕 ASI 最大的担忧是递归自我改进：ASI 重新设计自身架构以变得更聪明，随后利用增强的智能进一步改进，形成失控的指数级加速智能反馈回路。

这种“智能爆炸”可能迅速产生远超人类理解的系统，使其行为难以预测，从而引发关于对齐与控制的深刻安全问题。如果 ASI 的目标与人类价值哪怕略有偏差，其卓越智能也可能以对人类有害的方式追求这些目标。

目前不存在可信的 ASI 构建路线图，许多研究者甚至质疑超级智能是否可实现或概念上是否自洽。尽管如此，ASI 的理论可能性仍推动严肃的 AI 对齐研究，旨在确保日益强大的系统保持有益且可控。

基于功能的 AI 类型

能力衡量“强度”，功能衡量系统如何与世界交互与处理数据。该分类帮助我们区分 1990 年代的国际象棋电脑与未来的社交机器人。下面逐一介绍。

反应型机器

反应型机器是最基础、最古老的 AI 形式。这类系统对过去或未来没有概念，只基于预编程规则对即时输入作出反应。

反应型 AI 的显著特征是无状态且确定性。如果您向反应型机器输入完全相同的数据十次，它会十次产生完全相同的输出。它不会从经验中学习，因为它不存储记忆。

典型例子是IBM 的 Deep Blue，这台击败加里·卡斯帕罗夫的国际象棋电脑并未学习对手的心理，只是根据当前棋局计算最佳走法。仅依据关键词、而不分析您的邮件历史就标记垃圾邮件的标准过滤器也属此类。

有限记忆 AI

有限记忆 AI 主导着现代应用。通过临时存储近期数据或上下文来做出更明智的决策，有限记忆 AI 系统实现了动态行为。与反应型机器不同，它们会在有限的上下文窗口内参考历史信息。

当今几乎所有预测式 AI 与生成式 AI 工具都属于此类。LLM（如Claude Opus 4.5）会保留对话历史，记住您几分钟前说过的话，从而在此前交流的基础上给出连贯回复。上下文窗口决定系统可参考的历史信息量。

自动驾驶汽车会在数秒内跟踪邻近车辆的速度与轨迹，预测其未来位置，而非只对当前方位作出反应。

心智理论型 AI

心智理论型 AI 处于研究原型与实用能力之间的争议地带。此类系统会对人类心理状态、信念、意图、情绪与欲望进行建模，以准确预测行为。

这对于自然的社交互动至关重要，使 AI 能解读隐含线索、识别欺骗，或根据用户情绪调整回应。

较早的前沿模型如 OpenAI 的GPT-4已在错误信念任务上达到类人水平，例如基于错误信念预测行动，正如斯坦福研究者Michal Kosinski 2024 年 PNAS 研究所示。

然而，专家仍在争论：现代 LLM 是否已可被归类为真正的心智理论系统，还是仅在语言训练中进行模式匹配。原型工作包括 DeepMind 的 ToMnet，旨在在模拟环境中推断其他智能体的信念。

自我意识型 AI

自我意识型 AI 描述的是机器具备意识、感知能力，并清楚理解自我独立于外部世界而存在的概念。

这不仅是智能，更是主观体验。这样的机器不只是处理有关自身的信息，而是具有“我存在”的切身感受，伴随相应的情感、需求与欲望。

这一层级超越了计算能力，进入关于意识本质的哲学领域。自我意识型 AI 会不会体验到疼痛、快乐，或对被关闭的恐惧？如果会，它是否应获得道德关怀或权利？这些问题将讨论从工程转向伦理。

目前尚无系统接近这一层级。虚构作品中的例子，如《2001 太空漫游》中的 HAL 9000，或《星际迷航》中的 Data，仅用于阐释概念，至于是否能实现仍属推测。

关键的 AI 模型类型

除了高层理论，数据从业者还必须理解生产中会遇到的具体架构。总体而言，当今业界使用的 AI 模型大致可分为“创造者”与“分析者”。您可以在这篇生成式与判别式模型文章中了解更多差异。

生成式 AI：创造者

生成式 AI 模型旨在生成与训练数据相似的新数据实例。它们学习数据集的底层概率分布，以生成原创的文本、图像、代码或音频。从分析到创作的转变，为规模化内容生产、创意增强与仿真带来诸多可能。

流行示例包括用于写作与编程的大语言模型如Claude；用于图像合成的扩散模型如Midjourney或Nano Banana Pro；以及可模拟复杂场景的视频生成模型如Sora。值得注意的是，并非所有图像生成器都依赖扩散；例如GPT Image 1.5采用的是自回归架构。

生成式 AI 是 Agentic AI 工作流的一大进步，模型不再只是被动响应，而是主动创建资产或计划。我们稍后会更详细地讨论 AI 代理。

判别式 AI：分析者

尽管生成式 AI 更吸睛，判别式 AI（又称预测式 AI）仍是企业运营的支柱。这类模型不会创造新数据，而是学习数据集中类别之间的边界，以对输入进行分类或预测未来数值。

判别式 AI 的商业价值在于其支持决策与评估风险的能力。组织使用这些模型来自动化需要按已学规则一致执行的判断。

与生成式模型不同，判别式模型不追求创造性，而是优先考虑准确性与可靠性，常用于错误代价高的关键场景。

示例包括：

• 预测贷款违约风险的信用评分模型。
• 将邮件归类为垃圾或正常的垃圾邮件过滤器。
• 识别 X 光片异常的医学诊断工具。
• 检测欺诈交易的金融监测系统。

基础模型

基础模型在海量、多样的数据集（包括文本、图像、代码与结构化数据）上训练，学习可跨领域适用的一般模式。基础模型不仅会图像分类或文本生成；它还能形成对语言、推理与世界知识的广泛理解，并以极少的额外训练迁移到新任务。

这种方法大幅减少了部署新应用所需的时间与数据。组织无需为每个具体问题单独构建模型，而是微调一个基础模型来应对多样任务，从法律文档分析到代码生成再到语言翻译。

我们目前也见证了小语言模型（SLM）的兴起。它们是基础模型的高效蒸馏版本，旨在本地设备（如笔记本或手机）上运行，在不依赖云端巨量算力的前提下，提供隐私与速度。

AI 代理的类型

AI 正从被动工具进化为能够执行复杂工作流的自主代理。标准模型等待输入再给出输出，而 AI 代理能够感知环境、推理如何实现目标，并采取行动执行。若要理解代理背后的架构与构建方法，建议从我们的Introduction to AI Agents课程开始。

AI 代理通常按复杂性与自主性进行分类。让我们逐一了解。

简单反射型代理

反射型代理是最简单的代理形式。它们严格遵循“条件-动作”规则，仅对当前感知作出反应，忽略历史。例如智能恒温器：若温度低于 68°F，打开加热；若高于 72°F，启动制冷。

装配线机器人也是一例；当传感器检测到部件到达指定位置时执行动作。反射型代理擅长在稳定环境下处理重复性任务，但当条件意外变化时会遇到困难，因为它们缺乏适应所需的上下文理解。

基于模型的反射型代理

基于模型的反射型代理维护一个内部世界模型，随时间跟踪状态，从而应对部分可观测环境。它们不仅会反应，还会记住必要的关键信息以确保正确运行。

自动紧急制动系统便是例子：融合雷达与摄像头数据，随时间跟踪车辆轨迹，而非仅对眼前威胁作出反应。即使信息不完整，它们也能保持准确的状态估计，例如车辆短暂被卡车遮挡后仍记住其估计位置。

目标驱动型代理

目标驱动型代理以实现特定目标为行动依据，而非单纯反应。给定“规划一趟意大利度假”这样的目标，它们会权衡多种行动序列，评估哪种能够满足目标。这代表了 Agentic AI 的前沿。

如Roo Code之类的软件工程工具，或自主预订助手，会执行多步工作流，如搜索、比较、检查约束与做出决策，以完成整项工作。n8n等工作流平台可构建复杂流程，由 AI 代理处理决策点与自适应逻辑。

如果您希望夯实 AI 代理基础，建议学习我们的AI Agent Fundamentals学习路径。

效用驱动型代理 

效用驱动型代理更进一步：它们不是寻找任意可行路径，而是优化到达目标的最佳路径。其方式是使用效用函数为结果分配数值分，支持定量比较。

目标驱动型代理可能会预订任意飞往罗马的航班，而效用驱动型代理会综合成本、时长、转机次数与起飞时间等因素，以最大化总体效用。

示例包括在利润与风险之间权衡的算法交易系统，以及如 Waze 这样的导航应用，会基于用户偏好（如最快时间、最短距离或避开收费）优化路线。

学习型代理

学习型代理在未知或变化的环境中运行，通过经验持续改进而无需人工干预。其架构包括提供性能反馈的“评价器”（critic）与据此修改策略的“学习单元”。

火星车在遭遇新奇地貌时，会学习哪些地形特征意味着可安全通行。Netflix 的推荐算法是另一例子：它基于观看历史不断精炼对用户偏好的理解，从而随时间推移改进推荐。

Agentic 框架：构建代理

Agentic 框架相当于复杂代理的操作系统，将推理核心（通常为 LLM）与记忆、工具及多代理协作连接起来。它们负责管理：

• 编排：决定哪个代理处理各个子任务，并管理组件间的工作流
• 规划：将复杂目标拆解为可执行步骤，并在环境变化时进行调整
• 工具使用：为代理提供搜索引擎、数据库、API 或代码执行的访问
• 记忆：维护会话历史与超越即时交互的长期上下文

常见框架包括：

• LangChain/LangGraph：业界标准，用于将 LLM 连接至数据源，整合能力丰富。
• Google ADK：在 Vertex AI 上构建复杂代理的开源框架。
• CrewAI：编排多个角色扮演代理协作完成复杂任务。

想快速查阅这些架构，建议参考AI Agents备忘单。

结语

我们已经覆盖了大量内容，下面收个尾。

与其将 AI 视为单一技术，我们应将其视为由多种专门方法构成的多样生态，各自适用于特定问题。要全面理解 AI，需要从技术、能力与功能三种不同视角加以审视。

我们目前正处于一个关键拐点：从聚焦特定任务的狭义 AI，迈向能够自主执行复杂工作流的早期 Agentic AI 形态，推动着各行业的采用。

迈出成为 AI 专家的第一步，报名AI Fundamentals技能路径。