AI 能力詞典

隨著生成式 AI 技術在各類產品和業務場景中的廣泛落地，一個越來越現實的問題擺在每個我們面前： 到底有哪些 AI 能力可以用？ 在具體的需求裡，又 該選擇哪一種能力、哪一類模型或哪一個產品來承載？

面對這種困惑，最直觀的做法或許是 “臨時抱佛腳”：遇到需求再搜索市面上雲服務廠商的產品 API，或者是對應模型，搜索市面上的商業級解決方案對照文檔與 Demo進行處理 。看到圖片需求就想到圖像生成，碰到文本任務就找來大模型，涉及語音交互就想起 ASR 和 TTS，再在海量 API 與服務中貨比三家。然而，把零散的產品堆在一起，與在企業級場景中系統性地規劃、選型和組合 AI 能力，是兩件截然不同的事情。僅靠臨時查資料與經驗判斷，會帶來能力認知碎片化、方案設計隨意、能力複用困難等一系列嚴峻挑戰。

為了解決這些痛點，本文以“AI 能力全景圖”為核心的整理思路應運而生。在這本手冊裡，我們想做的不是堆名詞，而是幫你快速搞清楚三件事："這件事可以用什麼 AI 能力做？大概該選哪一類模型或產品？接下來用哪些關鍵詞去找 API、項目或服務來試？" 通過從模態（文字、圖像、音頻、視頻、3D、多模態）到架構層（模型、檢索、Agent、平臺工程）的系統梳理， 我們可以為每一類典型需求和場景找到對應的 AI 能力、代表性模型/產品，以及在真實業務中的常見用途 ，幫助團隊以更低試錯成本、更高決策效率和更強可複用性來建設 AI 體系。

在本篇手冊中，我們將系統介紹當下主流的 AI 能力版圖，從單一模態到多模態融合、從單點模型到平臺與工程的整體框架，結合常見產品形態與應用場景，給出面向實踐的能力選型參考。

由於 內容較多 ，你可以在實踐過程中遇到場景不知道如何選型的問題再查閱手冊尋找參考；推薦你根據具體應用方向，讓 AI 參考該手冊，給出可參考的模型選型建議、方案 API 調用建議即可。

如果你只想瞭解對應的類別，不想看具體內容，只需要看每個大章節的初始段內容即可，例如 1.1 、1.2 的內容，但不需要看 1.1.1 或者 1.1.2 的內容。

推薦本手冊只在需要時查閱對應部分或只瀏覽一級目錄部分，若有興趣再瀏覽全文。

之後更新會在每個章節部分，推薦可嘗試使用的模型 API 服務地址。