AI 全景图

这套笔记的内容，不是按产品类型分，也不是按“训练 / 推理 / 部署”这几个宽泛词硬切，而是按正文真正讨论的 5 组内容来排：

基础概念
推理时算力账
算力扩展
AI 应用基础设施
成本模型

先看这五组内容之间的关系

text

文本进入模型
  -> Token 化、Prompt 写法、上下文窗口
    -> 推理时每生成一点 token 要花多少钱
      -> 模型能力怎样通过预训练、后训练、推理时扩展继续变强
        -> 这些能力怎样通过基础设施变成真实系统
          -> 最终怎样形成开发和运行阶段的成本

这就是整套笔记的主线。

1. 基础概念

这一组主要看输入侧。核心问题是：

文本怎样变成 token
prompt 为什么和自然语言习惯不完全一样
为什么上下文窗口不是“越长越好”

2. 推理时算力账

这一组主要看推理阶段的成本账。核心问题是：

自建推理到底是看购置价、吞吐、利用率还是元 / M
frontier open-weight 模型和 hosted 模型各落在什么价格带
本地、自建集群和在线 API 的经济边界各在哪

3. 算力扩展

这一组主要看模型能力的形成过程。核心问题是：

模型为什么还能继续扩
预训练怎样把钱分给参数、token 和数据质量
后训练怎样把底座模型整理成可交付产品
推理时扩展怎样在单次任务里继续加计算

4. AI 应用基础设施

这一组主要看系统层。核心问题是：

模型怎样被训练、部署和服务化
应用怎样接入知识、数据和外部工具
agent 系统怎样运行、观测、评测和治理

5. 成本模型

这一组主要看项目账本。核心问题是：

开发期不同项目大概会烧多少 token
评测、重试、工具调用怎样变成第二张账单
运行期 AI 搜索、客服、编程助手和平台型系统分别怎么花钱

怎么开始读

路线 1：先看输入怎样进入模型

路线 2：先看推理账

路线 3：先看模型能力怎样形成

路线 4：先看系统是怎样搭出来的

结论

这套笔记真正串起来的是：模型输入 -> 推理账 -> 能力形成 -> 系统落地 -> 项目成本
首页和目录只是入口，真正的边界还是要回到每页正文看
如果你能把这 5 组内容连起来，这套笔记就会从“概念集合”变成“工程地图”

AI 全景图 ​

先看这五组内容之间的关系 ​

1. 基础概念 ​

2. 推理时算力账 ​

3. 算力扩展 ​

4. AI 应用基础设施 ​

5. 成本模型 ​

怎么开始读 ​

路线 1：先看输入怎样进入模型 ​

路线 2：先看推理账 ​

路线 3：先看模型能力怎样形成 ​

路线 4：先看系统是怎样搭出来的 ​

结论 ​

AI 全景图

先看这五组内容之间的关系

1. 基础概念

2. 推理时算力账

3. 算力扩展

4. AI 应用基础设施

5. 成本模型

怎么开始读

路线 1：先看输入怎样进入模型

路线 2：先看推理账

路线 3：先看模型能力怎样形成

路线 4：先看系统是怎样搭出来的

结论