通用大语言模型 (LLM)

通用大语言模型（General Large Language Model）是人工智能领域的一种基础架构范式，指在海量多模态数据上预训练而成，具备跨领域通用推理与生成能力的基座模型。与依赖特定领域数据微调的专用模型不同，通用模型通过大规模预训练习得通用语言规律、逻辑推理及常识知识，旨在以较小的增量成本适应下游任务，代表了当前大模型技术发展的主流方向。

在现代计算架构中，通用大语言模型扮演着“基础设施”与“通用智能体”的双重角色。它打破了传统垂直模型各自为战的孤岛效应，通过一次性的预训练训练，为医疗、法律、金融等垂直行业提供统一的底层能力支撑。其核心价值在于极高的泛化能力与极低的边际开发成本，使得企业无需为每个细分场景重新训练模型，而是通过提示工程（Prompt Engineering）或轻量级微调即可快速部署应用，极大地降低了AI落地的门槛与周期。