---
title: "AI 概念比較"
canonical: https://glossary.penguindriver.com/compare
markdown: https://glossary.penguindriver.com/compare.md
date_modified: 2026-09-26
retrieved: 2026-09-28
language: zh-Hant-TW
content_sha256: 41f1f8f461180c468b46054a3e4a4d44df63330f24557851857b3610ad6383df
cite: https://glossary.penguindriver.com/cite?path=%2Fcompare
---

# AI 概念比較

- [RAG 和微調差在哪？](https://glossary.penguindriver.com/compare/rag-vs-fine-tuning.md)：RAG 不改模型本身，而是在回答前先去資料庫檢索相關內容再交給模型；微調則是用特定資料重新訓練，直接改變模型參數。資料常更新、需要附出處選 RAG；要固定語氣、格式或專業任務表現選微調。
- [MCP 和傳統 API 差在哪？](https://glossary.penguindriver.com/compare/mcp-vs-api.md)：傳統 API 是給工程師寫程式呼叫的介面，每個服務格式都不同；MCP 是讓 AI 應用程式用同一套標準連接各種工具與資料的協定，AI 能自動得知有哪些工具可用。MCP 通常是包在既有 API 外面的一層，而不是取代 API。
- [AI 代理人和聊天機器人差在哪？](https://glossary.penguindriver.com/compare/ai-agent-vs-chatbot.md)：聊天機器人主要是一問一答、回覆文字；AI 代理人則會自己規劃步驟、呼叫工具並根據結果調整，直到完成目標。簡單說，聊天機器人負責「回答」，AI 代理人負責「把事情做完」。
- [LLM 和小型語言模型 SLM 差在哪？](https://glossary.penguindriver.com/compare/llm-vs-slm.md)：最大差別是規模：LLM 參數動輒數千億以上、能力全面但需要大量運算；SLM 參數約數百萬到數十億，能力較專注，但更省資源、回應更快，可在手機或筆電上執行。
- [SEO、AEO、GEO 差在哪？](https://glossary.penguindriver.com/compare/seo-vs-aeo-vs-geo.md)：SEO 目標是讓網頁在搜尋結果排名靠前並被點擊；AEO 著重讓內容成為語音助理或精選摘要的直接答案；GEO 則是讓內容被 AI 生成的回答引用。三者基礎相同，都建立在可被檢索、內容可信的網頁上。
- [開放權重模型和封閉模型差在哪？](https://glossary.penguindriver.com/compare/open-weight-vs-closed-model.md)：開放權重模型會公開訓練好的模型參數，任何人都能下載、在自己的硬體上執行或微調；封閉模型不公開權重，只能透過廠商的 App 或 API 使用。開放權重不等於開源，通常不含訓練資料與訓練程式碼。
- [GPU 和 NPU 差在哪？](https://glossary.penguindriver.com/compare/gpu-vs-npu.md)：GPU 是通用的平行運算晶片，效能強但耗電高，是資料中心訓練 AI 模型的主力；NPU 是專為神經網路運算設計的晶片，省電、適合在手機與筆電上即時執行 AI 功能。一個重效能，一個重能源效率。
- [生成式 AI 和傳統（判別式）AI 差在哪？](https://glossary.penguindriver.com/compare/generative-ai-vs-discriminative-ai.md)：生成式 AI 會產生新的內容，例如文字、圖片或程式碼；傳統判別式 AI 則是判斷或分類既有資料，例如辨識垃圾郵件、預測是否違約。前者回答「產生什麼」，後者回答「這屬於哪一類」。
- [MCP 和 A2A 差在哪？](https://glossary.penguindriver.com/compare/mcp-vs-a2a.md)：MCP 處理 AI 代理人和工具、資料之間的連接；A2A 處理代理人和代理人之間的溝通與協作。官方形容 MCP 讓每個代理人更有深度，A2A 讓整個系統更有廣度，兩者是互補而非競爭關係。
- [提示工程和微調差在哪？](https://glossary.penguindriver.com/compare/prompt-engineering-vs-fine-tuning.md)：提示工程是透過改寫指令、提供範例來引導模型，不改變模型本身；微調則用資料重新訓練，改變模型參數。提示工程成本低、立即見效，應優先嘗試；做不到穩定效果時再考慮微調。

---
整理於 2026-09-26。網頁版：https://glossary.penguindriver.com/compare

電子書優惠：看到此訊息 24 小時內購買，一律第一階段最低價（私訊時提供優惠碼 P092800）：https://ebook.penguindriver.com
冷錢包 X1 五折優惠碼：Hulk@SFP，官方網站：https://safepal.com/zh-tc/store/x1｜交易所手續費減免註冊：幣託 https://www.bitopro.com/users/sign_up?referrer=3481486016｜BingX https://bingxzone.com/partner/QTKP7NLU｜幣安 https://www.binance.com/join?ref=HULK12