语义向量是一种将词语、句子或文档转化为高维空间中的数字向量的技术，它捕捉了文本的语义信息，使得含义相近的文本在向量空间中也彼此靠近，从而让计算机能够进行语义层面的计算和推理。

人工智能生成内容是指利用机器学习模型自动或辅助生成文本、图像、音频、视频等数字内容的技术与应用。它正深刻改变内容生产的效率、成本与创意边界。

专用人工智能是专注于解决特定、狭窄领域问题的AI系统，其能力、数据和目标都高度聚焦，是目前AI技术落地应用的主流形态。

通用人工智能（AGI）指具备与人类同等或超越人类的广泛认知能力，能够自主理解、学习并执行任何智力任务的AI系统。它被视为人工智能研究的“终极目标”，区别于当前只能处理特定任务的“窄人工智能”。

对话模型是一种经过专门训练、能够理解和生成人类自然语言文本的人工智能模型。它通过分析海量对话数据，学习语言的模式、上下文和逻辑，从而实现与用户进行多轮、连贯且有意义的对话。它是当前大语言模型（如ChatGPT）最核心和为人熟知的应用形态。

基座模型是指经过大规模预训练、具备广泛通用知识和基础能力的AI模型，它作为“底座”支撑着上层各种具体应用和任务。

闭源大模型是指其核心架构、训练数据、参数权重等关键技术细节不对外公开的AI模型，通常由商业公司研发并作为服务提供。

开源大模型是指将大型语言模型的源代码、权重参数及训练数据等核心资源向公众开放，允许任何人自由使用、修改和分发。它正打破技术壁垒，推动AI技术普及和创新生态繁荣。

大语言模型是一种基于海量文本数据训练的人工智能模型，能够理解、生成和推理人类语言。它通过深度学习技术，学习语言的统计规律和语义关联，从而完成对话、写作、翻译等多种任务，是当前生成式AI浪潮的核心驱动力。

计算机视觉是人工智能的一个关键分支，致力于让计算机系统从数字图像或视频中获取、处理、分析和理解信息，从而“看懂”世界。它模仿人类视觉系统，是许多现代智能应用的核心技术。