北京航空航天大学：2026生成式人工智能应用实战（慕课版）（14页）.pdf

核心结论速览： AI不是“写死规则”，而是通过“学习”获得智能：AI像人类一样，通过观察海量数据、提炼规律、形成“概念”，而非程序员预先编写所有规则。 AIGC的“三件法宝”：数据、模型、算法：数据是学习素材，模型是理解能力，算法是表达能力——三者缺一不可，共同构成AI生成内容的完整链条。 大模型是“超级学霸”，对话产品和基座大模型是两回事：大模型是底层的“知识库”和“理解引擎”，而ChatGPT等对话产品是在大模型之上搭建的应用层。 智能体的核心是“自主性”：传统AI是“你问一句，它答一句”；智能体是“你给一个目标，它自己想办法完成”——从“被动工具”到“主动助手”的质变。 具身智能 = AI + 身体：具身智能不仅能思考，还能看、听、动手、与环境互动。它的运动规律是“感知→思考→行动”的持续循环。 AI生态的五层关系：AI是整片森林，大模型是最高大的树木，AIGC是果实，智能体是活跃的生物，具身智能是能跑能跳的动物型生物。 AI正从“虚拟世界”走向“物理世界”：从大模型（思考）到智能体（行动）再到具身智能（拥有身体），AI正在走出屏幕，进入真实世界。H2：AI是如何“学会”的？——从“规则”到“学习”的范式转变。很多人误以为AI是程序员写死一堆规则——就像“如果看到猫，就输出‘猫’”。但事实远非如此。AI获得智能的方式，和人类学习的方式极为相似：第一步：投喂数据。让机器看无数张猫咪照片——各种颜色、各种姿势、各种品种。第二步：提炼规律。机器自己发现猫的典型特征：耳朵、眼睛、鼻子、胡须、尾巴……以及这些特征的无数种组合方式。第三步：形成“概念” 。机器在“脑中”形成了“猫的灵魂概念”——它能区分“什么是猫，什么不是猫”，但这种能力不是来自某一条规则，而是来自对海量数据的“理解”。当你给AI一个提示，比如“画一只躺在沙滩上打哈欠的猫”，它不会照抄任何一张它“看过”的图片。而是基于它形成的“猫的灵魂概念”，自由组合出一只全新的、从未存在过、但完全符合“猫”特征的猫。这就是AI“学习”的本质——不是记忆，而是理解；不是复制，而是创造。H2：AIGC的“三件法宝”——数据、模型、算法。AIGC能生成内容，靠的是三个核心要素的协同：数据是学习素材。AI看了海量文本和图像，学会了“怎么说话、怎么画图”。数据越多、质量越高，AI的学习效果越好。模型是理解能力。大模型就像“看过几百万本书”的AI大脑，能理解你的要求。模型规模越大、训练越充分，理解能力越强。算法是表达能力。算法就像“动笔写作”或“动手画图”的过程，把想法输出成作品。算法越先进，输出的内容越自然、越有创造力。这三个要素的每一次进步，都推动着AIGC能力的跃升。从最初的简单文本生成，到如今能生成高质量图像、音乐、视频，AIGC正在变得越来越“像人”。H2：大模型——AI的“超级学霸”是如何炼成的？大模型（Large Model）是在海量数据和算力支持下训练出的、参数规模庞大的人工智能模型。它就像一个“超级学霸”，学习和思考过程主要分三步：第一步：海量阅读。大模型被“喂”了互联网上几乎所有的公开文本——书籍、网页、论文、代码……相当于一个人读了几百万本书。第二步：理解规律。通过复杂的数学计算，大模型学会了语言的规律、知识的关联、逻辑的推理——它不再只是“记住”了内容，而是“理解”了内容。第三步：灵活应用。当你向大模型提问时，它不是从“记忆库”里检索答案，而是基于它“理解”的知识体系，现场“思考”出一个回答。重要提醒：对话产品（如ChatGPT）和基座大模型实际上是两个东西。基座大模型是底层的“知识引擎”，而ChatGPT等产品是在大模型之上搭建的应用层——就像发动机和汽车的关系。2026年中国大模型市场将突破700亿元，三年复合增长率超40%。全国已有超过8万家企业部署大模型。大模型正在从“技术竞赛”走向“规模应用”。H2：智能体——AI从“能说会道”到“能动手做事”。如果你只用一个词来理解智能体（Agent），那就是自主性。| 对比维度 | 一般AI模型 | 智能体（AI Agent） |||||| 角色定位 | 被动工具（像搜索引擎、问答机器人） | 主动助手（像私人助理、执行机器人） || 工作方式 | 一问一答，完成一小步就结束 | 拆解任务、制定计划、执行多步行动 || 主动性 | 没有主动性，只能等用户发指令 | 有主动性，会根据目标自己思考和行动 || 示例行为 | 回答问题、翻译句子、生成一段文字 | 自动写报告、搜索信息、调用日历、发送邮件 |智能体是如何完成任务的？它遵循一个清晰的流程：理解目标 → 拆解任务 → 调用工具 → 执行行动 → 反馈结果。就像一个优秀的助理，你只需要告诉它“我要什么”，它会自己搞定“怎么做”。中国企业级AI智能体市场2025年已达212亿元，预计2026年将增至449亿元。2025年智能体相关专利申请暴涨143%。智能体正在成为AI落地的核心范式。H2：具身智能——当AI拥有了“身体”。具身智能（Embodied Intelligence）是AI发展的最高阶形态。它是指拥有“身体”的人工智能——不仅能思考，还能看世界、听声音、动手动脚、与环境互动。具身智能的运动规律是：感知 → 思考 → 行动的循环。就像小孩学走路一样——摔跤、调整、走稳——通过不断试错与反馈，在真实环境中逐渐学会更聪明、更灵活的动作。具身智能被视为继大语言模型之后的下一代人工智能范式。2026年中国具身智能市场规模预计达到1.09万亿元，年均复合增长率为22%至23%。从工业机器人到人形机器人，具身智能正在将AI从虚拟世界带入物理世界。H2：AI生态全景图——五层关系的形象化理解。AI、大模型、AIGC、智能体、具身智能之间的关系可以用一个生动的比喻来理解： AI是整片森林——包含了所有技术与子领域。 大模型是森林里长出的最高大的几棵关键树木——当前AI的基础设施。 AIGC是利用这些大树结出的“果实”——生成的内容。 智能体是森林里活跃的、有自主能力的“生物”——能在软件或实体世界中自主行动。 具身智能是那些生活在森林里、能跑能跳、能搬东西的“动物型生物”——拥有物理身体的智能体。关系总结：AI是最大集合；大模型是当前AI的主力技术范式，既支撑AIGC也支撑智能体；AIGC是基于大模型的内容生成应用；智能体是基于大模型的行动系统；具身智能是“有身体”的智能体。从大模型到智能体再到具身智能，AI正在完成从“虚拟世界的思考者”到“物理世界的行动者”的进化。延伸阅读：以上为报告核心概念解析与行业趋势分析，如需获取完整报告详细内容及实操案例，请访问下载页下载完整PDF报告。FAQ。Q1：AI是如何“学会”东西的？AI不是被“编程”出来的，而是被“训练”出来的。通过观察海量数据、提炼规律、形成“概念”，AI获得了理解世界和生成内容的能力——就像人类通过观察和经验学会辨别事物一样。Q2：AIGC和传统AI有什么区别？传统AI擅长“识别”和“判断”——比如识别图片中是猫还是狗；AIGC擅长“创造”——比如根据文字描述画出一只从未存在过的猫。一个是“看懂”，一个是“画出”。Q3：大模型和智能体有什么区别？大模型是“超级学霸”——具备强大的理解和生成能力，但只能“说”不能“做”。智能体是“主动助手”——能自主拆解任务、调用工具、执行行动。大模型是智能体的“大脑”，智能体让大模型“能动起来”。Q4：具身智能离我们还有多远？具身智能已从实验室走向产业。2026年中国具身智能市场规模预计达1.09万亿元，工业机器人、人形机器人、自动驾驶等场景正在加速落地。Q5：普通人如何学习AI知识？北京航空航天大学何静副教授的《生成式人工智能应用实战（慕课版）》是一本无代码、重实操的入门教材，配套74个实训教学视频，适合零基础读者学习AIGC在文案、图像、音视频等场景的应用。