基础模型（Foundation Model）

基础模型，指的是先在大规模广泛数据上完成预训练，再被适配到很多下游任务的一类模型底座。它不是某一个具体产品，而是一种“先造通用能力，再接不同应用”的做法。

[!info] 一句话先记住：基础模型像一块通用发动机，本身不等于成品车，但很多 AI 产品都建立在它上面。

先记住这 3 点

• 基础模型先学通用模式，再通过提示、检索、微调或工具调用进入具体场景。
• 大语言模型常常是基础模型，但基础模型不只包括语言模型。
• 基础模型能力强，不代表最终产品就可靠；真正可用还要靠数据、工程、安全和交互设计。

给普通人的解释

你可以把基础模型理解成“AI 时代的通用底座”。

以前很多机器学习系统更像定制家电：识别人脸做一套、翻译文本做一套、客服问答做一套。现在很多团队更愿意先训练一个足够大的通用模型，让它先学会语言、图像或多模态里的普遍规律，再把这个底座接到不同产品里。

所以你今天看到的聊天助手、写作工具、代码助手、企业知识问答，表面上像不同产品，底层常常是在复用同一类基础模型能力。

这也是“基础模型”这个词重要的原因：它强调的不是某个单点功能，而是一个模型可以成为很多功能的起点。

它为什么叫“基础”

“基础”有两层意思：

1. 它先学一遍通用世界

基础模型通常会先经过大规模预训练，学习语言、图像、结构化模式或多模态对应关系。

2. 它能被很多任务复用

训练完之后，不同团队可以在它上面继续做：

• 提示工程
• RAG
• 微调
• 工具调用
• 产品化封装

也就是说，基础模型更像平台层，不是一次性脚本。

它和相近概念有什么区别

基础模型 vs 大语言模型（LLM）

LLM 是基础模型里最常见的一类，但基础模型不只限于语言。图像模型、多模态模型也可能是基础模型。

基础模型 vs 预训练模型

很多基础模型都属于预训练模型，但“基础模型”更强调它的广泛迁移能力、生态影响和下游复用价值，不只是“先训练过”。

基础模型 vs 微调后的行业模型

行业模型往往是在基础模型上进一步适配出来的，目标更专、更窄。基础模型是底座，行业模型更像装修后的房间。

基础模型 vs ChatGPT 这类产品

ChatGPT 是产品；基础模型是底层能力的一部分。产品还包括界面、权限、记忆、工具、运营和安全策略。

为什么今天它特别重要

因为 AI 行业已经从“每个任务单独训练一个模型”，转向“先有一个强底座，再往外接应用”。

这会直接影响：

• 为什么少数模型平台能带动大量应用
• 为什么模型更新会影响很多下游产品
• 为什么数据、算力和模型访问权会变成产业关键资源

理解基础模型之后，你会更容易看懂一件事：很多 AI 创业公司做的不是“重新发明模型”，而是围绕已有底座做适配、工作流和产品体验。

常见误解

误解 1：基础模型就是聊天机器人

不对。聊天机器人是交互形式，基础模型是底层能力底座。

误解 2：参数大就一定是基础模型

也不绝对。参数规模重要，但更关键的是它是否在广泛数据上训练，并能迁移到很多任务。

误解 3：有了基础模型，产品问题就解决了

远没有。真实产品还要处理事实准确性、权限、延迟、成本、合规和用户体验。

为什么普通读者需要知道它

因为它解释了今天很多 AI 产品为什么看起来越来越像“同一套底层能力的不同包装”。

懂了基础模型，你会更容易判断：

• 某个产品是真的有独特能力，还是只是换了外壳
• 某个行业方案是在造新模型，还是在复用已有底座
• 为什么模型升级、成本变化和算力供应会影响整个市场

延伸阅读

• 大语言模型（LLM）
• RAG
• Transformer
• 专家混合模型（MoE）
• 算力与基础设施

参考来源

• Bommasani et al., On the Opportunities and Risks of Foundation Models
• Stanford HAI, What is a Foundation Model?

最后审核时间：2026-04-26