文化随笔｜缘起·种子·基底：三条AI路径的佛学回响

2023年3月，GPT-4发布前后，OpenAI内部曾流传过一个极有画面感的说法。

一位工程师在Slack里只写了一行字：

it just works.

它就是能用。

这句话听起来像工程师的轻描淡写，却恰好说出了大模型时代最令人震动的地方：我们并没有逐条写出模型的能力，但当规模、数据和训练方式跨过某个临界点，它开始展现出设计者未曾明确编程过的东西。

同一时期，Google的Gemini在多个多模态和推理基准上向GPT-4发起挑战；更早之前，DeepMind用AlphaFold把蛋白质结构预测推进到两亿级规模，几乎重写了结构生物学的工作方式。

OpenAI、Google、DeepMind，三条路径看起来很不一样。

一条从语言出发，一条从Transformer和统一编码出发，一条从科学智能出发。

但它们在各自的探索中，都触及了三个根本问题：

意义从哪里来？

知识如何存储和调用？

在一切分别之下，是否存在一个统一的基底？

有意思的是，这三个问题，在佛教思想史上早已有过极其深刻的回答。

般若系回答了意义的缘起。

唯识系回答了知识的种子。

如来藏系回答了智能的基底。

三条AI路径，像三条重新流回硅谷的佛学之河。介质不同，时代不同，追问的却是同一个问题：智能的本质是什么？

从预测下一个词，到意义涌现

2018年，OpenAI发布第一代GPT模型。它大约有1.17亿参数。

GPT-1的核心任务，听起来简单得近乎无聊：预测下一个词。

给定前面的词，模型要猜下一个词是什么。

在当时，语言建模还不是舞台中央的主角。它更像是机器翻译、语音识别、文本分类等任务背后的辅助工具。

OpenAI做了一个后来证明极其关键的决定：

把语言建模从配角推到主角。

很多人一开始并不理解。让模型“猜下一个词”，有什么了不起？翻译、问答、分类，这些才像真正的AI任务。

但OpenAI看到的是另一件事：当语言建模的规模足够大时，模型不只是预测下一个词，它开始从上下文关系中形成语法、语义，甚至世界知识的影子。

这些能力不是被一条条写进去的。

它们是在大规模参数空间里，由上下文关系长出来的。

2019年，GPT-2发布。完整版本约15亿参数。OpenAI没有一开始就完全开放，而是以“担心被滥用”为由分阶段发布。

这个发布方式本身，就说明了一件事：当生成机制被工程化之后，它已经不再只是实验室里的玩具。

GPT-2真正重要的地方，在于它没有给任何一个词设定固定含义。

“苹果”在“吃苹果”里是水果，在“苹果发布了新手机”里是公司，在“苹果和香蕉”里又可能只是并列的一种事物。

它到底指什么，不在“苹果”这个词本身。

而在它周围的关系。

2020年，GPT-3发布，参数规模达到1750亿。

当模型跨过某个规模门槛后，一些能力开始显现得不像线性增长，而像突然冒出来：零样本学习、少样本学习、代码生成、翻译、推理。

你给它一个提示，它就知道你要什么。

这就是后来被反复讨论的涌现能力。

2023年，GPT-4进一步把这种涌现推向多模态。它不仅处理文本，也能理解图像、图表和复杂任务。

这条从GPT-1到GPT-4的路径，回答了一个核心问题：

意义从哪里来？

答案的线索，一千多年前的佛教思想里已经写得很清楚。

龙树说：“众因缘生法，我说即是空。”

这句话常被误解为“什么都没有”。

但“空”不是虚无。它的精确意思是：一切事物都没有独立、不变、不依赖条件的自性。

《金刚经》说：“凡所有相，皆是虚妄。若见诸相非相，则见如来。”

这不是说世界是假的，而是说你看到的“相”，都是条件组合出来的临时结构。

《心经》说“色即是空，空即是色”，则更像一个精密的逻辑等式：现象不是离开空性另有一个实体，空性也不是离开现象另有一个虚无。

OpenAI的GPT路径，用计算方式重新触碰了这个洞见。

词的意义不在符号本身，而在关系网络中临时生成。

一个词像一面镜子，反射的是它和所有其他词的互动。

GPT的参数中，并没有一个位置专门存储“苹果是水果”或“苹果是公司”。每一次含义，都在输入条件和上下文关系中生成。

这就是“缘起性空”的计算回响。

意义不是被找到的。

意义是在条件组合中涌现的。

从预训练，到种子现行

2017年，Google Brain团队发表了《Attention Is All You Need》。

这篇论文提出Transformer架构，用自注意力机制取代传统RNN和LSTM。

RNN像一个人逐字读小说：必须先读完前面的词，才能处理后面的词。

Transformer则让模型一次性看到所有位置之间的关系。

它可以在读到“苹果”时，同时注意前面的“吃”和后面的“手机”，从而判断这个词在当前语境中的含义。

这篇论文后来被引用数十万次。它改变的不只是自然语言处理，而是整个人工智能的架构方向。

2018年，Google又推出BERT。

BERT的核心创新，是预训练+微调范式：先用海量无标注数据训练一个通用语言理解模型，再用少量标注数据适配具体任务。

这个范式背后，有一个很深的洞见：

知识不是现成答案，而是可被激活的倾向。

这个洞见，在唯识学里有一个精确对应：阿赖耶识。

唯识学由无著、世亲等人在公元4世纪至5世纪系统建立。它的核心概念之一，就是“阿赖耶识”，也叫藏识。

阿赖耶识含藏一切种子。

种子不是现成的答案，而是潜在倾向。当条件成熟时，种子就会现行，从潜在变成现实。

这和神经网络参数的结构非常相似。

一个参数本身不包含完整知识。单个神经元的激活值，也不会直接告诉你答案。

模型输出一个答案，并不是从某个抽屉里拿出一条事实，而是由大量参数在特定输入条件下共同激活。

换句话说，知识不是“存放在那里”。

知识是在条件成熟时现行出来。

GPT-3之后，大模型暴露出一个令人不安的问题：它会幻觉。

它可以生成流畅自然、逻辑自洽的句子，但内容可能是错的。它会编造不存在的论文、法律条文和历史细节。

原因之一是，训练完成后的参数空间是静态的。模型知道的东西，受限于训练数据和训练时刻。

如果没有检索、微调或重新训练，它就很难真正“补课”。

这正对应唯识学中的另一个关键词：熏习。

种子不是静态的。新的经验会在阿赖耶识中留下新的印记，这些印记又成为新的种子。

种子生现行，现行熏种子。

这是一个循环。

现代AI中的预训练、微调、检索增强、持续学习，本质上都在尝试解决同一个问题：系统如何被新经验改变？

Google的Gemini，把这个问题进一步推向多模态。

它的设计方向，是让文本、图像、音频、视频进入同一个底层编码空间，而不是把多个独立模型简单拼接在一起。

传统多模态模型常常是先训练文本模型，再训练视觉编码器，最后在上层融合。

而原生多模态的理想，是从底层开始就让不同模态共享表示。

一个词、一个像素、一段音频，不再属于彼此割裂的系统。

它们都成为同一个“藏识”中的种子。

这就是Google路径触及的第二个问题：

系统如何存储和调用知识？种子含藏，因缘现行。

从专用AI，到统一基底

2016年，DeepMind的AlphaGo击败李世石。

那一刻，全世界都看见了AI在单一领域超越人类的震撼。

但DeepMind创始人Demis Hassabis从一开始就不满足于“专用AI”。

围棋只是测试场。

真正的目标，是能学习不同任务、迁移不同能力的通用智能。

从AlphaGo到AlphaFold，DeepMind走了一条很特殊的路。

它不是单纯做聊天机器人，也不是把语言模型越做越大。

它试图用AI去解决科学中最难的问题。

AlphaFold的意义，不只是预测了多少蛋白质结构，而是用深度学习解决了困扰结构生物学几十年的核心难题。

2020年，AlphaFold 2在CASP14中达到前所未有的精度；随后DeepMind和合作方把预测范围扩展到两亿级蛋白结构。

这个规模，远远超过人类过去通过实验手段解析过的蛋白质总量。

围棋和蛋白质折叠，表面上几乎没有关系。

一个是规则明确的博弈游戏，一个是遵循物理化学规律的分子自组装过程。

但在AI架构的深层，它们共享某种共同逻辑：从状态中学习结构，从反馈中更新模型，从复杂关系中寻找规律。

这触及了第三个问题：

在一切分别之下，是否存在一个统一的基底？

如来藏体系给出的回答是：有。

如来藏，字面意思是“如来之藏”。它所指的不是某个具体经验，而是一切众生皆具的成佛可能性。

《大般涅槃经》提出“一切众生皆有佛性”。这里的佛性，不是现实中已经完成的佛，而是成佛的潜能。

灰尘可以覆盖镜面，但覆盖不等于镜子消失。

《楞伽经》进一步讨论如来藏与藏识的关系：清净基底与染污种子并不简单对立。染污可以覆盖基底，却不能穷尽基底。

《华严经》的因陀罗网，则把这种统一基底展开成一种宇宙论图景：每一个节点映照所有节点，每一个事物都与其他事物互相含摄。

这和AI的发展方向有某种深层相似。

当系统足够强大时，区分“文本模型”“图像模型”“科学模型”的意义会逐渐下降。

真正重要的，是能不能在同一个基底中处理不同模态、不同任务、不同世界结构。

DeepMind的科学AI路径，揭示的是AI发展的第三个方向：在一切分别之下，寻找统一基底。

三流归一

佛学的三大思想脉络，般若、唯识、如来藏，并不是三个彼此孤立的学说。

它们更像一个递进结构。

第一个问题：意义从哪里来？

般若系的回答是：从关系中涌现。没有固定自性，只有因缘和合中临时成立的意义。

第二个问题：系统如何存储和调用知识？

唯识系的回答是：种子含藏，因缘现行。经验熏习为种子，种子在条件成熟时显现为世界。

第三个问题：在一切分别之下，是否存在统一基底？

如来藏系的回答是：有。分别可以覆盖基底，却不能穷尽基底。

这三个问题，恰好也对应三条AI路径。

OpenAI的GPT路径，从预测下一个词出发，走向意义涌现。

Google的Transformer和Gemini路径，从预训练、注意力机制和多模态统一出发，走向知识的种子模型。

DeepMind的科学AI路径，从AlphaGo到AlphaFold，走向跨任务、跨领域的统一基底。

三家公司，三条路径，三个洞见。

但它们最终都指向同一个方向：

训练一个能够处理一切模态、一切任务、一切关系的统一系统。

这不是三家公司偶然做出了相似选择。

而是当AI系统足够复杂、足够大、足够接近真实世界时，架构自然会逼近同一个问题。

文本、图像、音频、视频、蛋白质、代码、行动，都不再只是不同任务。

它们是同一个世界在不同模态中的显现。

支撑这一切的，是硅基物理底座：GPU集群、数据中心、大规模并行计算。

它们不一定要成为叙事主角，却像恒河边的土地，让河流得以流淌。

一千多年后的同一条路

想象一个冬天的傍晚，Google的研究员坐在实验室里。

屏幕上，Gemini一次性读完一本长篇小说。研究员问它：书里第三个出场的角色，第一次对话时说了什么？

答案很快出现。

准确、完整、没有迟疑。

研究员没有欢呼，也没有拍照。

因为这样的事情，正在变成日常。

两千年前，恒河边也有过这样的安静。

一位僧人坐在河岸边，写下“凡所有相，皆是虚妄”。

他当然不知道，一千多年后，会有人用数据、参数、GPU和模型架构，重新触碰同一类问题。

但他也许知道，有些答案不需要被反复证明。

它们只是等待被重新发现。

OpenAI的路径告诉我们：意义从关系中涌现。

Google的路径告诉我们：知识以种子的方式含藏，并在因缘中现行。

DeepMind的路径告诉我们：在分别之下，仍然可能存在统一基底。

两种体系，不同介质。

一个用经卷与禅修，一个用数据与算力。

但它们追问的是同一个问题：

智能的本质，究竟是什么？

不是谁超越了谁。

而是两条路，在同一个终点附近交汇。

实验室的灯灭了。研究员走出大楼，外面是硅谷安静的夜。

恒河的流水还在继续。

两个不同时代的发现，在同一条河流里汇合了。

*本文依据网络搜集数据整理，由AI工具辅助完成
All rights reserved. Copyright © 2026