AI 三种机制：参数、推理与联网

AI 为什么能回答你的问题？三种机制一次说清

我们每天都在向 ChatGPT、文心一言等大模型提问，但有没有想过：它凭什么知道答案？网络上相关论文往往晦涩难懂，这里我用最直白的方式，把大模型的运作拆解成三个核心机制。

机制一：参数机制——知识压缩进权重

宏观来看，大模型本质是对人类知识的一次“建模”。它把知识拆成一个个“词元”（token），然后通过训练，计算出所有词元之间的数学关联，这些关联用海量参数（权重）表示。比如智谱的 GLM 5.3 就拥有 7440 亿个参数。训练的过程，就是不断调整这些权重，让模型能够描述知识的结构。当你提问时，模型就根据这些权重，按概率生成最可能的词元序列——这就像一种“压缩-生成”循环：训练时把知识压进参数，推理时再释放出来。

机制二：推理机制——用逻辑补全知识

参数越多，模型通常越聪明，但成本和速度都会飙升。更重要的是，很多知识没必要塞进参数里。比如，知道某城市的人口出生率和死亡率，就能算出净增长率——这种逻辑推导，模型完全可以自己完成。推理机制让大模型从已知参数出发，运用逻辑规则，推断出它没“记住”的知识。这也是为什么小参数模型（如 GLM 5.3 Flash 仅 18B 激活参数）也能表现惊艳，靠的就是更强的推理能力。

机制三：联网机制——获取实时未知信息

无论参数多大、推理多强，总有些知识是模型无法掌握的，比如“今天股票收盘指数”。这时，就需要借助 Agent 或应用框架提供的联网能力，让模型自动去互联网搜索答案。参数提供基础，推理补充逻辑，联网则兜底实时信息——三者结合，才构成完整的问答能力。

公开演讲的 6 个实用窍门

除了 AI 原理，周刊还分享了一套公开演讲的经验，对技术人尤其受用：

1. 内容只占 30%，表演占 70%——演讲是“秀”，语气、动作、表情比干货更重要。
2. 提前反复练习——演讲稿、幻灯片、笑话、节奏，所有细节都背熟，上台才不会慌。
3. 多讲 Why，少讲 How——技术细节讲清“为什么值得关注”，操作步骤一笔带过即可。
4. 紧张是正常的——准备充分后，进入状态自然就忘了紧张。
5. 自信比能力重要——很多糟糕的管理者都能成功演讲，说明自信才是关键。
6. 渴望就是资格——只要你对话题有热情，就值得站上讲台。

近期科技动态速览

• 平面椅：美国设计师推出玻璃纤维平板椅，拆装即用，大幅降低运输成本。
• 虚拟化身演唱会：已故歌星多莉·帕顿授权 AI 化身登台，未来或成常态，票价更低且可无限复演。
• 自行车助力器：华硕推出后轮外挂电池轮，让普通自行车秒变电助力，爬坡利器。

值得关注的文章与工具

• Git worktree 详解：多分支并行开发时，用 git worktree 创建多个工作目录，告别频繁切换。
• WebAudio 指纹识别：有网友发现 AliExpress 用 WebAudio API 识别用户，导致蓝牙耳机断连——隐私与体验的博弈。
• Xorshift 随机数算法：很多程序员的“随机数”其实来自 Xorshift，通过异或和位移实现，性能极高。

工具方面，推荐 stock-tui（终端看 A 股 K 线）、PicLite（跨平台图片压缩）、Email.md（Markdown 转邮件模板）等开源项目。AI 视频创作可试试 CozyClay，在浏览器里编排镜头再交给视频模型生成。

总结

理解 AI 的三种机制，能帮你更合理地使用它：需要实时数据时联网，需要逻辑推导时提问，而基础常识则靠参数。下次遇到模型答不上来的问题，不妨先想想——它缺的是参数、推理，还是联网？