01

前言

一、何谓AI？

以下摘自百度百科：

    人工智能（Artificial Intelligence），英文缩写为AI。是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

二、AI的发展史简介

    AI从最初的40、50年代的神经元数学模型模拟人脑神经活动，也即神经网络和深度学习的源头，到后来的机器学习、语音识别、推荐算法、搜索等，再到最近的深度学习革命（AlphaGo阿尔法围棋战胜人类世界围棋冠军），大语言模型/AIGC全面爆发。

    2026年如今AI几乎在进入各行各业，普通人掌握最基本的AI技术知识是拉开与其他未掌握AI技术差距的最快捷途径。掌握以下这些常用的AI工具，可以让我们日常的工作和生活事半功倍。

三、大模型

大语言模型简称：大模型（Large Language Model, LLM），通常指参数规模庞大（通常在十亿到万亿级别）的深度学习模型。这类模型通过在大规模数据集上进行训练，具备强大的泛化能力和复杂的任务处理能力，尤其在自然语言处理（NLP）、计算机视觉（CV）和多模态任务中表现突出。

大模型分类

语言大模型（NLP）：是指在自然语言处理（Natural Language Processing，NLP）领域中的一类大模型，通常用于处理文本数据和理解自然语言。这类大模型的主要特点是它们在大规模语料库上进行了训练，以学习自然语言的各种语法、语义和语境规则。例如：GPT系列（OpenAI）、Bard（Google）、文心一言（百度）。

视觉大模型（CV）：是指在计算机视觉（Computer Vision，CV）领域中使用的大模型，通常用于图像处理和分析。这类模型通过在大规模图像数据上进行训练，可以实现各种视觉任务，如图像分类、目标检测、图像分割、姿态估计、人脸识别等。例如：VIT 系列（Google）、文心UFO、华为盘古 CV、INTERN（商汤）。

多模态大模型：是指能够处理多种不同类型数据的大模型，例如文本、图像、音频等多模态数据。这类模型结合了 NLP 和 CV 的能力，以实现对多模态信息的综合理解和分析，从而能够更全面地理解和处理复杂的数据。例如：DingoDB 多模向量数据库（九章云极 DataCanvas）、DALL-E(OpenAI)、悟空画画（华为）、midjourney。

02

主流大模型

1、OpenAI GPT-5.2/o3

• 地位：全球流量第一，网页访问份额约64.5%，专业场景首选。

• 优势：逻辑推理、数学计算、代码生成能力顶尖，生态完善。
• 适用：日常对话、复杂写作、专业推理、编程辅助。

https://openai.com/zh-Hans-CN/index/introducing-gpt-5-2/

2、Google Gemini 3 系列（Pro/Flash）

• 地位：第二大流量，份额约21.5%，多模态与生态整合王者。
• 优势：原生图文音视频处理（8K 实时），深度集成 Android/Chrome，Flash 版性价比极高。
• 适用：多模态创作、移动端 / 浏览器内置场景、轻量化办公。

https://www.gemini3.com/

3、通义千问 3.5

• 地位：国内调用量第一，占比32.1%，商用落地标杆。

• 优势：中文理解、行业适配强，阿里系生态（淘宝、钉钉）深度融合。

• 适用：电商、办公、政务等中文商用场景。

https://bailian.console.aliyun.com/

4、豆包 2.0（Pro/Lite/Code）

• 地位：国内 C 端独立应用龙头，日均活破1 亿，春晚独家 AI 云合作伙伴。

• 优势：全栈版本覆盖，Code 版适配编程，抖音 / 剪映生态联动，TOKEN 定价亲民。

• 适用：日常娱乐、内容创作、程序员轻量级开发、移动端高效交互

https://www.doubao.com/

5、DeepSeek V3.2/V4

• 地位：国内第三大，调用量占比18.4%，开发者与长文本首选。

• 优势：Mamba 架构加持，长文本推理、编程能力比肩国际顶尖，开源版生态活跃。

• 适用：长文档处理、专业编程、学术研究。

https://chat.deepseek.com/

6、Anthropic Claude 4.5/Opus

• 地位：顶级旗舰大模型，当前编码与复杂推理能力最强的大模型之一。

• 优势：编码能力更强、上下文更长、智能体稳定性更高、价格更优。

• 适用：超强编码、复杂推理、超长上下文与智能体能力。

https://claude.com/app-unavailable-in-region

03

ai绘画和视频

1、即梦AI

即梦AI是由字节跳动旗下剪映团队于2024年3月开启内测的生成式人工智能创作平台，原名为剪映Dreamina，2024年5月正式定名为中文品牌"即梦"。一站式AI创作平台，包含文生图、图生图、文生视频及图生视频等功能，2026年2月，平台接入视频生成模型Seedance2.0，支持图像、视频、音频、文本四种模态混合输入及15秒视频生成。

https://jimeng.jianying.com/ai-tool/home

2、Nano Banana Pro

Google于2025年11月发布的专业级AI图像生成与编辑平台，底层基于Gemini 3 Pro Image多模态大模型，是标准版Nano Banana（Gemini 2.5 Flash）的旗舰升级版本，面向设计师、营销团队与商业印刷场景.

字节跳动与香港大学联合研发的Goku视频生成模型（含商业强化版 Goku+），主打超写实数字人视频生成与电商带货场景（数字人带货）。网红数字人生成的绝佳工具，解决视频生成常见的闪烁、断层问题，生成效率更高。直接对接电商场景，输入产品图和文案即可生成可用于抖音、视频号等平台的带货素材，极大提升内容生产效率。

全球最主流、画质最强的AI绘画工具之一，只做图像，不做视频。核心优势：高清大图，支持 4K、放大、局部重绘。

智谱清影是智谱AI（智谱清言）推出的AI视频生成工具，基于自研CogVideoX模型，主打文生视频、图生视频，可快速生成4K/60 帧、10秒高清视频，支持配音与音效，适合短视频、广告、内容创作。

04

AI应用办公

深度嵌入WPS Office的全场景AI办公助手，主打Office原生集成、中文职场/政务深度适配、数据与文档一体化处理，是国内最贴合日常办公的AI工具。Office全链路 AI 增强，覆盖 Word/Excel/PPT/PDF，无需切换工具。融合腾讯混元 + DeepSeek，中文理解与格式控制极强。

https://ai.wps.cn/

排名不分先后，欢迎留言补充一起学习交流！

转自微信公众号程序大视界