这个概念在深度学习畛域最原初的切入点是所谓的 Manifold Hypothesis（流形假如）。流形假如是指“天然的原始数据是低维的流形嵌入于 (embedded in) 原始数据所在的高维空间”。那么，深度学习的工作就是把高维原始数据（图像，句子）映射到低维流形，使得高维的原始数据被映射到低维流形之后变得可分，而这个映射就叫嵌入（Embedding）。比方 Word Embedding，就是把单词组成的句子映射到一个表征向量。如果依照当初深度学习界通用的了解（其实是偏离了原意的），Embedding 就是从原始数据提取进去的 Feature，也就是那个通过神经网络映射之后的低维向量。