2023 年初，ChatGPT 横空出世，"大模型"三个字一夜之间刷爆了所有人的朋友圈。有人拿它写代码，有人拿它写情书，还有人拿它辅导孩子做数学——而且它居然真的会。

可当你真正想搞懂"大模型到底是什么"时，迎面而来的却是满屏的"Transformer""自注意力""千亿参数"，瞬间劝退。

别慌。这篇文章，我们用打比方的方式，把大模型从里到外讲清楚。

一、什么是大模型？先搞懂"大"在哪

图1 · 大模型"大"在哪：参数 / 数据 / 算力三座大山

今天大家口中的大模型，通常特指

大语言模型（LLM，Large Language Model）

。ChatGPT、DeepSeek、通义千问，都是它的代表。

大语言模型，是基于海量文本训练出来的、能理解和生成人类语言的深度学习模型。

关键就在这个"大"字。和过去那些只会做验证码识别、商品推荐的"小模型"不同，大模型的"大"，体现在三个维度上。

参数量巨大——脑细胞越多，越聪明

参数，可以理解成模型的"脑细胞"。参数越多，它能记住、能拟合的规律就越复杂。

你常看到模型名字里带"7B""72B"这样的数字——比如 Qwen3-72B，意思就是

训练数据量大——读的书越多，见识越广

大模型要"吃下"整个互联网级别的文本：网页、书籍、代码、论文、对话……数据量动辄达到 

：有研究预测，到 2026 年前后，互联网上高质量的人类原创数据可能就要被"学光了"。那怎么办？答案是——

。这就是"合成数据"：模型先生成文本，再拿回去训练自己，相当于"自己出题自己做"。

算力需求量大——脑子好使，电费也吓人

训练一个大模型，需要成千上万块高端 GPU（比如英伟达 A100、H100），连续运转数周乃至数月。

这也解释了，为什么英伟达的股价能一路狂飙——连不炒股的人，都真切感受到了"显卡变贵了"。

二、工作原理：史上最复杂的"猜词游戏"

图2 · 核心任务：给上文，猜下一个词

大模型最核心的任务，简单到让人难以置信：

举个例子：输入"人工智能正在"，模型的任务就是猜下一个词——"改变"？"重塑"？"颠覆"？它会给每个候选词算一个概率，然后挑一个最合适的。

不过这里要补一个知识点：模型实际猜的不是"词"，而是 

。一个 token 可能是一个字、一个词，甚至半个词——英文里 "apple" 就可能被拆成 "app"+"le" 两个 token。为了方便理解，下文我们仍说"词"。

图3 · 训练=刷亿万道完形填空，调"连接强度"

你可以把大模型的训练，想象成"让一个孩子刷了亿万道完形填空题"：

经过这种"暴力训练"，模型学会了：在

。它并不是在"理解"文章的意思，而是在

疯狂记忆词语之间的搭配规律和统计概率

图4 · 推理=一个词一个词滚雪球

当你向大模型提问时，它实际在做的事情是：

图5 · 温度旋钮：低温稳、高温放飞

如果你觉得模型的回答太死板，或者太天马行空，可以调一个叫

三、Transformer：大模型的"革命性引擎"

2017 年，Google 发表了一篇划时代论文——《

》（注意力就是你所需要的一切），提出了 

可以说，没有 Transformer，就没有今天的大模型热潮。

图6 · RNN 排队忘开头 vs Transformer 一眼扫过

在 Transformer 之前，AI 处理语言主要靠 

。它像个"死脑筋"——只能一个词一个词按顺序读，而且读着读着就容易"忘了前面说了啥"（这就是著名的"长期依赖"难题）。

Transformer 则完全不同——它让模型"一眼扫过"整段话，同时分析每个词和其他所有词的关系：谁和谁贴得近、谁在修饰谁，一目了然。

这就像把"死记硬背"升级成了"画思维导图"——不仅快，还理解得更深。

图7 · 自注意力：给每个词和其他词的关系打分

 是 Transformer 的灵魂。它的任务很单纯：

给句子里每个词，和其他所有词之间的关系"打分"

"这个词时，自注意力机制会自动算出：

于是模型就懂了——"它"指的正是"配套教程"，而不是别的。

更厉害的是，这种"打分"不是只做一次，而是

（也就是"多头注意力"）。每一"头"关注不同维度的关系：有的盯着"谁干了什么"，有的盯着"属性描述"，有的盯着"因果关系"……最后综合起来，理解就立体了。

如今，几乎所有主流大模型（GPT、BERT、T5、LLaMA、Qwen、DeepSeek）都建立在 Transformer 之上。

图8 · 涌现与 Scaling Law：跨过临界点，能力突然长出来

规模大到发生质变的"猜词机器"

它不神秘，也不玄学。它的核心逻辑，三句话就能讲完：

但正是"简单规则 + 极致规模"这个组合，让大模型"涌现"出了令人惊叹的能力——思维链推理、上下文学习、多任务泛化……

所谓"涌现"，指的是：当模型还小的时候，这些能力根本不存在；可一旦规模跨过某个临界点，它们就突然"长"出来了。这也是为什么业界相信"大力出奇迹"——这背后有一条被称为 

 的经验规律：模型越大、数据越多、算力越强，能力往往就越好。

这些能力，正在悄悄改写软件开发的范式。

未来的应用，也许不再是"写代码实现功能"，而是"写提示词调动模型"。

拥抱变化，搞懂原理，你就能在这场 AI 浪潮里，找到属于自己的位置。

大模型入门：从"猜词游戏"到"超级大脑"，一篇读懂 AI 大模型

人工智能

2023年ChatGPT引爆大模型热潮，本文用通俗比喻解析大语言模型（LLM）的三大核心：海量参数、TB级训练数据和强大算力需求。揭秘Transformer架构如何通过自注意力机制实现高效文本处理，并解释大模型通过"猜词游戏"生成回答的原理。了解温度参数如何控制输出创意度，以及Scaling定律下模型规模与能力的关系，助你把握AI时代的技术趋势。

循环神经网络

深度学习

软件开发

验证码

DeepSeek

ChatGPT

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

2023年ChatGPT引爆大模型热潮，本文用通俗比喻解析大语言模型（LLM）的三大核心：海量参数、TB级训练数据和强大算力需求。揭秘Transformer架构如何通过自注意力机制实现高效文本处理，并解释大模型通过"猜词游戏"生成回答的原理。了解温度参数如何控制输出创意度，以及Scaling定律下模型规模与能力的关系，...

大模型入门：从"猜词游戏"到"超级大脑"，一篇读懂 AI 大模型

大模型入门：从"猜词游戏"到"超级大脑"，一篇读懂 AI 大模型

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐