Volume I: Models, Training, and Systems

本卷承担全书唯一的模型设计与工程基础：先沿技术谱系说明神经网络、Transformer、预训练和后训练怎样形成，再把多模态、生成媒体、世界模型、检索、Agent 和部署生命周期分别展开。它回答“模型和系统怎样建成”，不提前承担一次运行的逐事件剖析、概率解释或内部机制解释。

技术谱系与共同结构

0. 人工智能演进路线
1. AI 范式、感知机与早期连接主义
2. 深度学习基础：训练、CNN 与序列模型
3. 注意力与 Transformer
4. 预训练语言模型：ELMo、BERT、GPT 与 T5
5. 后训练、对齐与模型适配
6. 推理效率与模型服务

模型家族与系统工程

7. 多模态模型
8. 生成媒体：从自回归到 Diffusion 与 Flow
9. 世界模型、具身智能与 VLA
10. 上下文、检索与记忆
11. Agent、工具与行动系统
12. 模型、数据与部署生命周期

卷内资料

• 技术史来源与版本注记
• 卷内术语表
• 数学与模型推导：只保留正文实际使用且能增加理解的材料

范围与时效边界

卷一面向希望理解技术谱系和模型工程的读者。公式用于解释模型结构、训练目标或资源消耗；更一般的线性代数、优化和概率背景由附录及标准教材承担。

动态技术条目最后系统校准于 2026 年 7 月。产品名称、API、价格和排行榜不构成稳定主线；新研究只在它改变模型家族、训练目标、执行机制或系统边界时进入正文。

卷末只得到模型与系统的静态设计图。下一卷将选择一次具体输入，从 token 化、prefill、logit、解码和 streaming 一直跟踪到输出或工具调用。