AI 是怎么「学会」+ 怎么「干活」的（端到端流程）
📍 认识 AI
一台 AI 的「一生」
Section titled “一台 AI 的「一生」”你每天用的 ChatGPT、豆包、Claude Code，看起来就是一个聊天框。但它背后有两条流水线——
- 造它的流水线：怎么从一堆数据学会说话、做事
- 用它的流水线：你按下回车之后，怎么从一个问题到一个结果
「认识 AI」前面几篇已经讲过零碎的概念（token、预训练、RLHF、Agent……）。这一篇把它们串成一根线——一头是「数据」，另一头是「你拿到的答案」，中间发生了什么，全程跑一遍。
看完这一篇，你脑子里就有了完整的「AI 一生地图」。
Part 1｜AI 是怎么造出来的（训练流水线）
Section titled “Part 1｜AI 是怎么造出来的（训练流水线）”一个能用的 AI 模型，从「啥都没有」到「上线给你用」，要走 6 步——
Step 1：数据收集
Section titled “Step 1：数据收集”
第一步永远是收数据。
OpenAI、Anthropic、DeepSeek 这种公司，会从 4 个地方搞资料：
- 公开互联网：维基百科、新闻网、博客、论坛、StackOverflow、Reddit、GitHub 代码……基本上「能爬到的全爬」
- 公开数据集：Common Crawl（一个开源的「全网快照」）、各种学术数据集
- 图书 / 论文：买纸书来扫描、找出版方买授权；也有公司因为下载盗版书来训练被作者告上法庭，Anthropic 最后以 15 亿美元和解（2026-07 获法院最终批准）
- 付费授权数据：跟新闻机构（如美联社、《华尔街日报》的母公司新闻集团）、出版商、Reddit 等买内容授权
训练数据的版权还在打官司，是行业争议点：比如纽约时报 2023 年起诉 OpenAI 和微软，到 2026 年 9 月还没打完。
多少量：以 GPT-3 为例，从约 45TB 的原始网页里筛出几百 GB 的精华文本拿来训练——相当于让它读了上百万本书。
打个比方：你要培养一个百科全书级别的孩子，你得让他把人类历史上写下来的东西大部分读一遍。
Step 2：预训练（最贵那一步）
Section titled “Step 2：预训练（最贵那一步）”把上一步筛好的海量数据丢进神经网络，让它一次次预测「下一个 token 是什么」（大模型那篇讲过的）。
这一步是整个流程最贵的：
- 用几千张顶级 GPU（H100、B200 这种，单卡 30 万人民币起）
- 跑几周到几个月不间断
- 电费 + 卡折旧 + 人工，一次预训练成本 5000 万到几个亿人民币
这就是为什么训出一个最顶级的大模型只有 OpenAI、Anthropic、Google、Meta、字节、阿里、DeepSeek 这些能烧得起钱的公司能做。
训完得到的叫「预训练模型」（也叫基座模型，base model）——能力够，但不会跟人对话。它和上一篇说的「基础模型」（foundation model，泛指各家的大模型本体）不是一个意思。
Step 3：微调
Section titled “Step 3：微调”刚训完的预训练模型像一个博览群书但不太会做人的怪学生。
「微调」（fine-tune）就是再训练一小段，让它学会对话格式、礼貌、特定任务模式。
教格式、教对话的微调便宜得多，可能几千到几十万人民币就能做一次。但新一代旗舰模型还要做大规模的推理训练（见 Step 5），那一步也要烧不少钱。
Step 4：RLHF / 对齐
Section titled “Step 4：RLHF / 对齐”光会格式还不够，模型还得学会跟人说话——不冷冰冰、不绕弯子、不胡说八道。
这一步用的是 RLHF（人类反馈强化学习，大模型那篇详细讲过）：
- 雇真人对模型回答打分
- 用打分数据训一个「打分小模型」
- 用打分小模型反过来调教主模型
完成后，模型从「能生成文字的工具」变成「懂得跟人对话的助手」。
这一步还会做「对齐」（alignment）——让模型拒绝危险请求（教你做炸药、教你自杀）、不歧视、不撒谎。
Step 5：推理训练（新一代模型的重头戏）
Section titled “Step 5：推理训练（新一代模型的重头戏）”上一篇讲的「推理模型」（先打草稿再答），主要就是这一步练出来的：给模型大量能自动判对错的题目（数学题、编程题这类），让它一遍遍先想再答，答对了就奖励。这也是强化学习，只是打分的主要不再是人，而是「答案对不对」——数学题看最终结果，代码看能不能通过测试。
这一步不便宜。DeepSeek 2025 年 9 月在《自然》（Nature）期刊发表的论文里披露：推理模型 R1 在基座模型之上做的这段训练，算力约 29.4 万美元；而按更早的 V3 技术报告，基座 V3 的正式训练算力约 557.6 万美元，两者只差 20 倍左右（都只按 GPU 租金算，不含前期试验、研发和人工，所以比 Step 2 说的整体成本低得多）。DeepSeek 2026-09-10 发布 V4.1 Flash 时，也特意强调它做了「更大规模的强化学习后训练」。
Step 6：评估 + 部署
Section titled “Step 6：评估 + 部署”模型训好了，不能直接上线。要先做两轮把关：
- 能力评估：跑几十个标准测试集（数学、编程、推理、中文、安全），看分数有没有达标
- 红队测试（red teaming）：雇专业团队专门尝试让模型做坏事——骂人、教犯罪、泄露训练数据、绕过安全策略——能补的漏洞尽量补上，补不了的写进公开的安全说明（系统卡），才能上线
过了关，模型就被部署到 API（接口）服务器上——这时候你和我才能调用它。
—
整个 Part 1 大约 6-12 个月，烧几个亿。每出新一代模型（GPT-5 → GPT-6、Claude 4 → Claude 5），大体都要把这条流水线再走一遍。
Part 2｜AI 是怎么被你用的（使用流水线）
Section titled “Part 2｜AI 是怎么被你用的（使用流水线）”模型上线之后，你跟它打交道，其实也走 4 步。大多数人停在第 1-2 步，导致 AI 用得很烂。
Step 1：选对模型
Section titled “Step 1：选对模型”你以为「我用的就是 ChatGPT」，其实它内部有好几种模式可选——即时回答（快但不深）、思考模式（更深更慢）……每种适合不同场景。Claude、豆包也一样。
普通人最容易踩的坑：永远只用默认那个，遇到复杂任务硬让它做，结果当然差。
简单原则：
| 任务 | 选什么（截至 2026-09-26） |
|---|---|
| 简单聊天、查信息 | 默认模型就够：豆包、DeepSeek、ChatGPT 打开就能用；Claude 可以选轻量款 Haiku |
| 写报告、改文案、整理资料 | 默认模型通常够用；要求高、材料多时，换各家更强的型号（比如 Claude 的 Sonnet、Opus） |
| 复杂推理 / 难题 debug（排查程序错误） | 用思考模式：ChatGPT 选思考模式，豆包选「专家」模式；Claude 5 和 DeepSeek（9-10 起）默认会自己判断要想多深 |
| 看图 | Claude、Gemini、ChatGPT、豆包、DeepSeek 都能看图 |
| 看视频 | Gemini 能直接看视频，豆包的 Seed 模型（开发者用的火山方舟 API）也支持视频输入；ChatGPT App 能上传视频，但分析未必完整；Claude 和 DeepSeek 目前都不能看视频 |
型号更新很快，以各家官方的模型说明为准，比如 Claude 模型概览、DeepSeek 模型与价格（都面向开发者，偏技术）。
Step 2：写好 prompt
Section titled “Step 2：写好 prompt”你输入的那段话叫 prompt（提示词）。这是普通人和高手 AI 用户最大的差距所在。
烂 prompt：「写个邮件」 好 prompt：「帮我给 HR 写一封请假邮件，3 段以内，理由是孩子发烧 39 度，口气客气但简洁，收件人是张经理。」
差别在 4 件事：
- 目标具体：要什么（不是「写个邮件」是「写一封请假邮件」）
- 上下文给足：背景信息（理由是啥、收件人是谁）
- 约束明确：长度 / 风格 / 格式
- 角色 / 口吻：客气还是强硬
写好 prompt 这件事大到可以专门写一本书。「从这里开始」里的提问的 7 个技巧和第一个练习：写清楚一条消息会展开。
Step 3：看输出
Section titled “Step 3：看输出”模型给你结果后，不要傻乎乎全盘接受。
养成一个习惯：快速扫一遍输出，判断对不对——
- 信息有没有错（特别是数字、时间、人名）
- 逻辑有没有断
- 风格符不符合你要的
- 有没有「AI 味」太重
模型会自信地胡说八道——这就是「幻觉」（有专门一篇教你识破）。养成「先怀疑、再使用」的习惯，能避开大部分坑。
Step 4：迭代
Section titled “Step 4：迭代”第一版输出不对？大多数人会做的事是：关掉重开或者人肉改。
正确做法：跟 AI 说哪里不对，让它改。
举例：
- 「这一段太啰嗦了，缩短一半」
- 「会议是周三下午 3 点，不是周四，改一下」
- 「换个更礼貌的口气」
模型记得你前面说的（上下文窗口），可以在同一段对话里反复磨——这叫「迭代」。
高手和新手最大的差别就在这里：高手 5 轮迭代出完美结果，新手第 1 轮觉得不行就放弃。
两条线在哪里交汇
Section titled “两条线在哪里交汇”到这里你应该看清楚了——
训练流水线走了 6-12 个月，烧几个亿。模型部署上线。
使用流水线就是你每天那 4 步：选模型 → 写 prompt → 看输出 → 迭代。
两条线交汇在那个聊天框/CLI 命令行的输入框里。你按下回车的那一刻，背后是几个亿训出来的模型在跑「下一个 token 预测」（大模型那篇讲过的那个机制），而你做的事是「问得好不好」。
整个 AI 时代普通人最值钱的能力就是：问得好。
这也是 niuxue.org 后面几个板块要教你的——从聊天工具用到 TraeCode、Claude Code 这类 Agent 工具，怎么把「问得好」做到极致，让 AI 真正替你干活。
—
原理部分读完了，接下来去哪 🍊
Section titled “原理部分读完了，接下来去哪 🍊”恭喜你看完了「认识 AI」的原理部分：
- ✅ AI 70 年怎么走到今天 → AI 是怎么走到今天的
- ✅ 大模型内部怎么转 → 大模型怎么工作的
- ✅ AI 圈在卷哪 5 个方向 → 现在 AI 圈在卷什么
- ✅ AI 端到端怎么训练 + 怎么被用 → 你正在看的这一篇
→ 下一篇：AI 黑话词典：30 个词一次讲清（收藏当字典用）
读完词典，按你想做的事继续：
- 还没动手练过：回到新手入门路线，先做第一个练习：写清楚一条消息；「从这里开始」里的提问的 7 个技巧、怎样检查 AI 有没有说错、什么能发给 AI，什么不能没看过的话，也建议补上
- 想让 AI 帮你处理文件、做东西：先看 Claude Code、豆包、ChatGPT 怎么选，按任务挑工具