Latent Space（潜空间/隐空间）是模型把高维输入压缩成的低维连续表示空间：语义相近的输入映射到相近的点，「意义」在这里有了坐标。
定义
编码器 把输入（图像、文本、音频）压成低维向量 （ 输入维度），全体 的取值空间即 Latent Space。
作用
| 能力 | 说明 |
|---|---|
| 压缩 | 高维冗余信号 → 紧凑语义坐标 |
| 插值 | 两点连线上解码出的样本语义平滑过渡 |
| 生成 | 从先验分布采 解码出新样本（VAE/扩散模型） |
| 检索 | 相似度在低维算更快，余弦相似度 是常用度量 |
几何
Latent Space 通常被当作欧氏空间使用（距离=语义距离），但真实数据多满足流形假设：高维输入实际集中在一个低维流形附近，编码器学的正是「展平流形」（另见欧氏空间的潜在空间建模一节）。对比学习（CLIP/DINO）本质是在塑造这个空间的几何，使同类聚、异类分。