AI 领域里大量技术、概念、架构，本质都是传统计算机科学、数学、软件工程里早就有的东西，只是换了一套 AI 语境的新词，就被包装成了“革命性突破”。

剥掉商业包装的外衣，写给技术老帮菜们，如果能引起共鸣，劳驾您点个赞。如果说的不对，欢迎留言批评指正。

一、最典型的“旧瓶装新酒”

1. 大模型微调

本质上就是传统机器学习的迁移学习 + 增量训练，十几年前 SVM、随机森林时代就有“在已有模型上继续训练”的做法，只是现在规模大了，换了个更cool的皮。

2. 提示词工程

这个最扯淡，把话说明白，把逻辑链条讲清楚也成了一个“工程”。本质就是给黑盒系统写查询语句 + 正则/模板匹配，和以前写复杂 SQL、写正则表达式、写 API 调用参数没有本质区别。

3. RAG

本质是一个搜索引擎 + 模板填充，传统信息检索（IR）+ 摘要生成，几十年前就成熟了。

4. Agent / 智能体

这玩意儿，就是个自动化工作流 + 条件判断 + 函数调用，就是传统的脚本 + 调度器 + 插件系统，比如：

- Jenkins 流水线

- 游戏 AI 行为树

- 机器人任务规划

只是现在套上 LLM ，让大模型做决策，叫 Agent 就显得高级。

5. 思维链（CoT）

本质就是分步推理 + 启发式搜索，传统专家系统、规划算法早就这么干了。

6. 向量数据库（Vector DB）

这玩意儿，以前叫高维空间最近邻搜索（ANN），几十年前的图像检索、推荐系统就在用，只是现在包装成 AI 基础设施。

7. 量化（Quantization）

本质就是数值精度压缩，信号处理、嵌入式、图像编码里的老技术，只是搬到模型权重上。

8. 分布式训练

这个做过架构设计的都懂，分布式计算 + 数据并行，MPI、MapReduce 时代就成熟了，只是换了框架。

9. 对齐（Alignment）

又是一个换皮词，本质就是约束优化 + 规则过滤，就是传统的安全策略、内容审核、规则引擎的升级版。

好像IT界永远都逃不出黑化造词的怪圈儿。

二、为什么喜欢“造新词儿”？

1. 商业需要：新概念更容易融资、讲故事、卖产品。

2. 社区壁垒：圈内人用黑话，显得专业。

三、哪些是真·新东西？

不是所有都是炒冷饭，真正革命性的很少，比如：

- Transformer 架构（自注意力机制）

- 端到端大规模预训练范式

- 涌现能力（规模带来的意外能力）

原理还是老数学（线性代数、概率、优化），但工程规模和架构组合是新的。

四、一句话总结

就现阶段，我认为AI 领域 = 传统算法 + 传统工程 + 传统数学，用一套新词 + 超大算力 + 超大数据，重新跑了一遍。

原来反对互联网黑话，现在又开始了AI黑话，不知道大模型自己讨不讨厌这些黑话呢？