---
title: "基礎模型（Foundation Model）"
slug: foundation-model
language: zh-TW
source: https://aiterms.tw/terms/foundation-model
updated_at: 2026-04-29
tags: [機器學習, 深度學習, 自然語言處理, 電腦視覺, 語音辨識, 生成式AI, 模型訓練, 遷移學習, 自監督學習, 大型語言模型, Prompt工程, 多模態AI, AI倫理與治理, AI應用, AI基礎]
ipas_term: false
---

# 基礎模型（Foundation Model）

> **你有沒有看過一個模型先在超大資料上學很多，再拿去做很多不同任務？**
>
> 你可以把基礎模型想成打底很厚的通用模型，先學到廣泛能力，再依需求微調成不同用途。
>
> 它重要，是因為這種模型能把一次訓練的能力，快速延伸到很多下游工作，省掉很多重做成本。
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 容易混淆
> **基礎模型 vs 傳統AI模型**
> 傳統模型常為單一任務設計。
> 基礎模型先學通用能力，再適配不同任務。
>
> **基礎模型 vs 大型語言模型**
> 大型語言模型是基礎模型的常見例子。
> 但基礎模型不只限於文字，也可以涵蓋影像和多模態。

### 記住這句就好
> 先學通用底子，再拿去改成不同用途，就是基礎模型。

### 實際案例
> **客服和摘要共用底座**
> 同一個大型基礎模型，先做摘要再做客服回覆，只要調整任務層就能延伸。
>
> **企業知識助理**
> 先用通用模型打底，再針對公司文件微調，會比從零開始快很多。

### 算法與應用
> 它通常靠大規模預訓練學到一般性的表示能力，再透過提示或微調進入特定任務。
> 在文字、影像和多模態領域，基礎模型都已經成為很常見的起點。

### 情境判斷
> **Q1：如果一個模型能做很多任務，通常可以說它很像基礎模型嗎？**
> → 可以，但前提是它真的有通用預訓練底座，不只是臨時拼出多功能。
>
> **Q2：只要模型很大，就一定是基礎模型嗎？**
> → 不一定，大小不是唯一標準，能不能當通用底座才是關鍵。

### 常見問題
> **Q：基礎模型一定要超大嗎？**
> 不一定，但通常要有足夠廣泛的預訓練能力。
>
> **Q：它和微調的關係是什麼？**
> 基礎模型是底座，微調是把底座改成特定任務版本。
>
> **Q：和少樣本學習有關嗎？**
> 有關，好的基礎模型常能用少量範例快速適應新任務。
>
> **Q：基礎模型只存在於語言領域嗎？**
> 不是，影像與多模態也都有。

### 相關術語
> - **大型語言模型**：這是最常見、也最容易先理解的基礎模型例子。
> - **微調**：把基礎模型變成特定任務模型最常用的方法。
> - **提示工程**：有些任務不用微調，靠它就能直接用底座能力。
> - **少樣本學習**：基礎模型如果夠強，少量範例就能派上用場。
> - **轉換器架構**：很多現代基礎模型都建立在它上面。

---

來源：https://aiterms.tw/terms/foundation-model
快查頁：https://aiterms.tw/terms/foundation-model
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-foundation-model