AI 能力词典

随着生成式 AI 技术在各类产品和业务场景中的广泛落地，一个越来越现实的问题摆在每个我们面前： 到底有哪些 AI 能力可以用？ 在具体的需求里，又 该选择哪一种能力、哪一类模型或哪一个产品来承载？

面对这种困惑，最直观的做法或许是 “临时抱佛脚”：遇到需求再搜索市面上云服务厂商的产品 API，或者是对应模型，搜索市面上的商业级解决方案对照文档与 Demo进行处理 。看到图片需求就想到图像生成，碰到文本任务就找来大模型，涉及语音交互就想起 ASR 和 TTS，再在海量 API 与服务中货比三家。然而，把零散的产品堆在一起，与在企业级场景中系统性地规划、选型和组合 AI 能力，是两件截然不同的事情。仅靠临时查资料与经验判断，会带来能力认知碎片化、方案设计随意、能力复用困难等一系列严峻挑战。

为了解决这些痛点，本文以“AI 能力全景图”为核心的整理思路应运而生。在这本手册里，我们想做的不是堆名词，而是帮你快速搞清楚三件事："这件事可以用什么 AI 能力做？大概该选哪一类模型或产品？接下来用哪些关键词去找 API、项目或服务来试？" 通过从模态（文字、图像、音频、视频、3D、多模态）到架构层（模型、检索、Agent、平台工程）的系统梳理， 我们可以为每一类典型需求和场景找到对应的 AI 能力、代表性模型/产品，以及在真实业务中的常见用途 ，帮助团队以更低试错成本、更高决策效率和更强可复用性来建设 AI 体系。

在本篇手册中，我们将系统介绍当下主流的 AI 能力版图，从单一模态到多模态融合、从单点模型到平台与工程的整体框架，结合常见产品形态与应用场景，给出面向实践的能力选型参考。

由于 内容较多 ，你可以在实践过程中遇到场景不知道如何选型的问题再查阅手册寻找参考；推荐你根据具体应用方向，让 AI 参考该手册，给出可参考的模型选型建议、方案 API 调用建议即可。

如果你只想了解对应的类别，不想看具体内容，只需要看每个大章节的初始段内容即可，例如 1.1 、1.2 的内容，但不需要看 1.1.1 或者 1.1.2 的内容。

推荐本手册只在需要时查阅对应部分或只浏览一级目录部分，若有兴趣再浏览全文。

之后更新会在每个章节部分，推荐可尝试使用的模型 API 服务地址。