一句话定义：CLIP（Contrastive Language–Image Pre-training，对比语言-图像预训练）用海量图文对做对比训练，把图片和文字映射到同一个嵌入空间，让两者能互相检索、互相打分。
原理：想象一场大型相亲会。每张图片和它对应的文字是一对“官方配对”。模型用图像编码器、文本编码器分别把图片和文字变成向量坐标，然后把所有图片和文字放进同一张“地图”。训练目标是：官方配对的坐标互相靠近，非配对的坐标互相远离。这就是对比学习（contrastive learning）——不背答案，而是学会“谁和谁更像”。
训练好后，它有两个直接用途。检索：输入“一只在草地上奔跑的柯基”，把这句话变成坐标，去找最接近的图片；反过来，给图找描述也一样。打分：给一张图和一句文字，算相似度，判断有多搭。因为监督信号是自然语言，CLIP 还能做零样本分类（zero-shot classification）：不用为新类别重训，只要把类别写成句子，比如“一张猫的照片”“一张狗的照片”，比哪个分数高。
和相邻概念的区别：
- 传统图像分类模型只认识训练时固定的类别，换类别常要重训；CLIP 用文字当类别，更开放。
- 文生图等生成模型负责“画出来”；CLIP 更像“裁判/检索器”，负责判断图文是否匹配、给结果打分，本身不生成图片。
- 多模态大模型能对话和推理；CLIP 更专注图文对齐，常作为视觉与语言之间的基础组件。
实际意义：从业者可以用它做以文搜图、以图搜文、推荐召回、内容审核、图文数据清洗，也能给生成模型做匹配度打分。对普通人，搜索框不只会匹配关键词，还能理解画面和自然语言描述。它的边界是：擅长整体语义匹配，不擅长细粒度计数、空间关系和复杂推理；训练数据中的偏见也可能被带进结果。具体能力以官方页面为准。