本文属于【Azure 架构师学习笔记】系列。
本文属于【Azure AI】系列。
接上文 【Azure 架构师学习笔记 】- Azure AI(8)-Azure AI Foundry

一、AI没那么难

本系列已经进行了多个实操， 是时候稍微小结一下。在实操过程中，我踩了不少坑，尤其是Azure OpenAI的使用的上——比如不知道GPT-3.5已正式停用、个人账号部署模型失败、被要求提供企业资质等。

这一篇重新来介绍一下一些概念，核心目标很简单：搞懂AI、机器学习（ML）、深度学习、大模型这4个核心概念，摸清Azure AI的核心服务入口。

很多新手一听到“AI”“机器学习”就头大，觉得这是程序员、算法工程师的专属，普通人学不会。其实不然，我们入门Azure AI，重点是“会用”“能应对面试”，而不是“搞懂底层算法”。就像我们用手机不用懂芯片原理，用Azure AI服务，也不用先啃完厚厚的机器学习教程，先搞懂基础概念，再动手实操，慢慢就能上手。

二、4个核心概念，通俗解释不绕弯

这4个概念是AI入门的基础，也是面试时最常考的基础题（比如“什么是大模型？”“机器学习和深度学习的区别是什么？”），我用“生活化例子”帮大家拆解，记牢就行，不用死记硬背。

1. AI（人工智能）：能模拟人类思考的“智能工具”

最简单的理解：AI就是让机器具备“人类的思考和判断能力”，能完成人类需要靠大脑才能做的事。比如我们平时用的语音助手（ Siri、小爱同学）、刷视频时的推荐算法、手机拍照的美颜和物体识别，都是AI的应用。

举个Azure AI的例子：Azure的计算机视觉服务，能识别图片里的物体、文字，甚至判断图片的内容是否合规，这就是AI的一种——它模拟了人类“看东西、认东西”的能力。我们后续要学的Azure AI服务，本质上都是“AI工具”，我们要做的就是学会调用这些工具，完成实际需求（比如搭建AI客服、图片识别系统）。

2. 机器学习（ML）：让AI“学会自主判断”的方法

机器学习是AI的“核心技术”，简单说就是：让机器通过“学习数据”，自主总结规律，然后做出判断，不用人类一步步编程指令。比如我们训练AI识别“猫和狗”，不用告诉机器“猫有尖耳朵、狗有长尾巴”，而是给它上千张猫和狗的图片（数据），机器自己总结出猫和狗的特征，后续再给一张新图片，它就能判断出是猫还是狗。

这里要注意：机器学习≠AI，它是实现AI的一种方式。Azure ML（Azure机器学习），就是微软提供的“机器学习工具平台”，能帮我们快速完成“数据导入→模型训练→模型部署”的流程，不用自己写复杂的算法代码也能上手。

3. 深度学习：机器学习的“进阶版”，擅长处理复杂数据

深度学习是机器学习的一个分支，相当于“升级款”——它能处理更复杂的数据，比如图片、语音、视频，效果也更好。我们平时用的人脸识别、语音转文字、AI绘画，核心都是深度学习。

举个例子：Azure的语音服务，能把我们说的话转换成文字，还能识别不同的口音，甚至区分不同人的声音，这就是深度学习的作用。和机器学习相比，深度学习更“智能”，但对我们入门者来说，不用搞懂它的底层算法，知道它的应用场景，会调用Azure的相关服务就够了。

4. 大模型：深度学习的“终极形态”，能理解、生成人类语言

大模型是最近几年最火的概念，也是我们学习Azure OpenAI的核心。简单说，大模型就是“训练数据量极大、能理解和生成人类语言”的深度学习模型。比如ChatGPT、GPT-4o Mini，都是大模型——我们跟它聊天，它能理解我们的意思，还能生成连贯的文字；我们让它写代码、写文案，它也能快速完成。

重点提醒：测试过程中发现很多GPT行已经停用，比如GPT-3.5已正式停用，结果要么提示“模型已停用”，要么部署失败。个人发现可部署、无企业限制的替代模型——GPT-4o Mini，它的功能足够我们入门使用，而且部署简单、无需企业资质，后续我们所有Azure OpenAI的实操，都会围绕GPT-4o Mini展开。

三、Azure AI核心服务入口：3个“关键入口”

搞懂了基础概念，接下来我们动手实操第一步：登录Azure国际版，找到AI相关的核心服务。很多新手登录Azure后，面对密密麻麻的服务，不知道该找哪个，这里直接给大家划重点，记住3个核心服务就行，后续我们的学习也围绕这3个展开：

1. Azure OpenAI（AOAI）：大模型服务，核心学习对象

这是我们重点要学的服务，简单说就是“微软把大模型（比如GPT-4o Mini）部署在Azure上，我们可以通过API调用，实现聊天、文本生成、提示工程等功能”。

重点提醒：① GPT-3.5已停用，不要尝试部署，优先选择GPT-4o Mini；② 个人账号可以使用，但部分区域部署不可用（优先选择美国东部，部署成功率最高）；

实操步骤（简化版，详细步骤后续文章补充）：登录Azure国际版→在顶部搜索框输入“Azure OpenAI”→进入服务页面→创建资源，知道那里可以获取key和endpoint。 登录Foundry Portal（已经整合在同一的foundry）。

登陆foundry， 尝试搜索模型并创建

2. Azure 认知服务：专项AI工具，简单易上手

认知服务是Azure提供的“专项AI工具集”，每个工具对应一个具体的AI功能，比如计算机视觉（识别图片）、语音服务（语音转文字/文字转语音）、语言服务（翻译、情感分析）。

优势：无部署限制、无需企业资质，创建资源后就能直接调用，适合新手入门练手。比如我们后续会学的计算机视觉，10分钟就能完成图片识别Demo，比Azure OpenAI部署更简单，大家可以先从认知服务入手，建立学习信心。

实操步骤：登录Azure国际版→搜索“认知服务”→选择“创建”→按需选择具体服务（比如计算机视觉），按照提示填写信息即可创建，后续文章会详细讲解实操细节。

3. Azure ML（Azure机器学习）：模型训练与部署平台

这个服务主要用于“机器学习模型的训练、评估和部署”，比如我们可以用它导入自己的数据集，训练一个简单的图片识别模型，然后部署到云端，供其他应用调用。

贴合初学者场景：我已经做过Azure ML的简单实验，后续会结合实验，一步步深化实操，不用大家从零开始。重点是掌握“数据预处理→模型训练→模型部署”的基础流程，应对面试中的相关问题即可，不用深钻算法。

实操步骤：登录Azure国际版→搜索“Azure Machine Learning”→进入工作区→回顾之前做过的实验，熟悉“数据集”“实验”“模型”三个核心模块，后续会逐步深化操作。

四、入门避坑：3个高频问题，提前规避

结合我自己的踩坑经历，给大家总结2个新手最容易遇到的问题，提前规避，少走弯路：

1. 提醒1：不害怕AI，不神化AI， 前期（假定前30天）会调用Azure服务。

2. 提醒2：虽然很多模型特别是最新的模型在Azure OpenAI中个人账号不能用，需要企业资质。但是作为学习，还是有一些可用的模型可供个人使用，我们选择GPT-4o Mini.

五、总结与下一篇预告

今天这篇文章，我们搞定了AI入门的4个核心概念，摸清了Azure AI的3个核心服务入口，同时明确了2026年Azure OpenAI的最新政策和避坑重点——GPT-3.5停用后，个人优先使用GPT-4o Mini，无需企业资质，部署优先选美国东部。

这一步的核心是“建立认知、规避坑点”，不用急于动手部署，先把基础概念记牢，把服务入口找对，后续实操会更顺畅。记住：Azure AI入门，“实操为王”，后续我会提供实操，一步步搞定Azure OpenAI、认知服务、Azure ML的实操，甚至备战面试。

下一篇文章，重点实操：Azure OpenAI， GPT-4o Mini模型部署，跑通第一个Demo。