什么是基础模型？
基础模型（Foundation Model）是斯坦福大学研究团队在 2021 年提出的概念，指在海量数据上大规模预训练的通用 AI 模型，可以通过微调、提示词等方式适配到各种具体的下游任务。当前几乎所有主流大模型——GPT-4、Claude、Gemini、LLaMA 等——都属于基础模型。
基础模型的核心特征
大规模预训练：在 TB 级别的互联网数据上进行预训练，学习广泛的知识和模式。
通用性：不针对特定任务设计，而是具备处理多种任务的通用能力。
可适配性：通过微调（Fine-tuning）、提示词工程（Prompt Engineering）、检索增强生成（RAG）等方式，可以快速适配到特定领域和应用场景。
基础模型 vs 传统 AI 模型
传统 AI 模型通常是"专用模型"——一个模型只做一件事，比如只做情感分析或只做图像分类。基础模型则是"通用模型"——一个模型能做很多事，开发者只需要在基础模型之上进行少量调整就能构建自己的 AI 应用。
基础模型的生态
基础模型正在形成类似操作系统的生态格局：OpenAI 提供 GPT 系列，Anthropic 提供 Claude，Google 提供 Gemini，Meta 提供 LLaMA，阿里提供通义千问。开发者基于这些基础模型构建各种上层应用，形成了"基础模型 + 应用"的 AI 产业链。