多模态（Multimodal）指 AI 能同时处理多种信息——文字、图片、声音、视频，而不是只会其中一种。它是 AIGC 往”全能”走的关键一步。

Diffusion（扩散模型）是 AI 画图、生成视频背后的主力技术：从一团噪声里一步步”去噪”，”长”出一幅画。

Transformer 是 2017 年提出的一种模型架构，用”注意力机制”让词与词同时互相看。今天几乎所有大模型，底层都是它。

LLM 是 Large Language Model（大语言模型）的缩写：一个读过海量文本、靠”猜下一个词”来续写和对话的模型。这一轮 AI 浪潮的发动机就是它。