Embedding嵌入向量是什么——AI怎么把文字变成数字

做AI相关的工作，迟早会撞上「Embedding」这个词。中文叫嵌入向量，听起来很玄，其实一句话就能说清：把一段文字变成一串数字，让机器能比较「意思」的远近。今天用大白话把它讲透。

先打个比方。汉字「苹果」和「香蕉」，在字典里毫无关系，但在语义世界里，它们离得很近——都是水果、都能吃、经常一起出现。Embedding做的就是这件事：给每个词、每句话算出一串数字（比如768个数字），这串数字就是它在「语义空间」里的坐标。「苹果」和「香蕉」的坐标挨得近，「苹果」和「汽车」的坐标离得远。机器比较数字距离，就能判断语义相近。

怎么算「距离」？最常用的是余弦相似度，就是看两个向量夹角的余弦值，从-1到1，越接近1越相似。「苹果」和「香蕉」的相似度可能0.8，「苹果」和「汽车」可能只有0.1。不用理解公式，记住「相似度越高、数值越接近1」就行。

Embedding的用处，2026年已经遍地都是。搜索：把用户的问题和文章都转成向量，找最接近的几篇，这就是语义搜索，不用靠关键词硬匹配，搜「怎么退烧」也能找到讲「发烧怎么办」的文章。推荐系统：根据你看过的内容向量，找没看过但相似的内容推给你。还有去重、聚类、客服问答的意图识别，底层全是Embedding。

它是怎么算出来的？用大模型训练出来的，模型在海量文本里学习「哪些词经常出现在相似语境里」，然后把这种关系固化在向量里。开源的Embedding模型很多，中文场景常用BGE、text2vec这些，几秒钟能把一万条文本全转成向量。转好的向量存进向量数据库（Milvus、Qdrant、Chroma），检索时毫秒级返回。

站长能拿来干嘛？最简单的场景：给网站的搜索功能升级。原来站内搜索靠SQL的LIKE模糊匹配，搜「汽车保养」匹配不到「车辆维护」。把文章标题和正文转成Embedding存起来，搜索时先转向量再找最近邻，语义搜索立刻就有了。开源方案很成熟，一个下午能搭出来。别被术语吓住，它就是个「给文字定坐标」的工具。

标签： Embedding 嵌入向量 向量数据库 语义搜索