AI、机器学习、深度学习主要按范围和方法分类；生成式AI主要按“能生成内容”分类。
这几个词经常出现在同一句话里，但它们不是严格的三级升级。最容易理解的方法，是先问：这个词在说总体目标、实现方法，还是最终能力？
生活类比
开餐厅是目标，学做菜是方法，使用复杂厨具是其中一种方法，最后做出的新菜是产出
对应：开餐厅=AI目标；学做菜=机器学习；复杂厨具=深度学习；做出新菜=生成式能力
这个比方在哪会塌：技术分类不像餐厅流程那样整齐：生成式AI按能力命名，不是深度学习下面一个严格继承全部能力的层级
它防止的误解：防止把四个词当同义词，也防止画成“一级比一级高级”的错误升级路线
| 概念 | 它主要在回答什么问题 |
|---|---|
| AI | 我们想让机器完成什么智能任务？ |
| 机器学习 | 能否不把规则全部写死，而让系统从数据中学规律？ |
| 深度学习 | 能否用多层神经网络学习图像、语言等复杂规律？ |
| 生成式AI | 系统能否生成文字、图片、声音、视频等新内容？ |
用三个任务看区别
- 判断一封邮件是不是垃圾邮件：常见机器学习任务，输出是分类结果。
- 从照片中识别人脸和物体：常见深度学习任务，擅长处理复杂感知信息。
- 根据一句描述生成海报：生成式AI任务，输出是新的内容。
这些边界也会交叉。一个生成式AI产品可以调用分类模型，一个深度学习模型既可以识别内容，也可以参与生成内容。因此，不必执着于把每个产品塞进唯一盒子，知道这些词各自在强调什么就够了。
三个常见误解
- “传统机器学习只能处理表格”——它也能处理文字、图像等数据，只是方法和适用规模不同。
- “深度学习拥有机器学习的全部能力”——深度学习是机器学习的一类方法，不代表每个深度学习模型都擅长所有任务。
- “生成式AI取代了其他AI”——风控、推荐、预测、识别等任务仍会使用不同方法。
最后复核：2026-07-26
AI 领域更新很快，相关工具/价格/规则可能已变化，重要事实请以官方来源为准。