果壳里的AI · Prajñā AI
首页 术语索引 繁體
果壳里的 AI · 1500 年后的般若学
— 第 三 讲 —

八识与机器认知

唯识学对 AI 认知架构的镜像分析

彭 一 楠 · Kevin Peng

"We are not going to get to human-level AI just by scaling LLMs."
单靠把 LLM 做大，永不可至人类水平智能。
—— Yann LeCun（2018 图灵奖得主 · AMI Labs 联合创始人，原 Meta 首席 AI 科学家），2025 公开访谈
"The difference between AGI and current LLM-based AI is just like the difference between a crow and a parrot."
今天的大模型像鹦鹉，会复述，不懂世界；真正的智能要像乌鸦——能在新场景中推理、规划、解决问题。
—— 朱松纯（北大讲席教授 · 北京通用人工智能研究院 BIGAI 院长），「鹦鹉与乌鸦」，2017 起多次公开演讲；英文版见 Science 2025

当下通向 AGI 的三种技术路线

规模派
The Scale School · Bigger Is Better
把模型做大、数据堆多——智能会自行「涌现」
如一口锅愈烧愈大、火愈烧愈旺，本煮不熟之物亦能煮熟——AI 亦如是，规模够大，「智能」自然涌现。
2020
Scaling Laws 论文
OpenAI 的 Kaplan 团队发现：模型越大、数据越多、算力越强，能力随之可预测地提升。
2022—23
GPT-3 / GPT-4 验证
千亿参数模型展现出语言、推理、写代码之能力——「大力出奇迹」获市场认可。
2024—26
省钱版 Scaling
训练成本飙至天文数字后，转以 MoE、强化学习等手法令「大力」更便宜。
中 国
DeepSeek（梁文锋）　用 MoE + RL 把训练成本压到行业 1/10，开源 V3/R1 震动全球。
MiniMax、月之暗面 Kimi、阿里 Qwen　规模派主力军——长上下文、开源权重、极致性价比。
美 国
OpenAI（Sam Altman）　Scaling Laws 最大押注者——GPT-3/4/5 一路把模型做到万亿参数。
Ilya Sutskever（前首席科学家）　「Scaling Hypothesis」旗手——相信规模本身就是智能的来源。
世界模型派
The World-Model School · Beyond Language
仅「读书」不够——AI 还须「亲眼看世界」、懂得因果
一个只读文字、从不出门的孩子，永远不知「开水会烫」「鸡蛋会碎」；AI 亦然，纯文本训练有其天花板。
2022
LeCun 立旗
图灵奖得主 LeCun 发表《通向自主机器智能之路》，提出 JEPA 架构。
2023—24
视频世界模型
DeepMind Genie / SIMA 令 AI 会玩游戏；国内智源 Emu 做视频生成式世界模型。
2025—26
因果与符号回归
Bengio 推因果推理；张钹院士（清华）首提「第三代 AI」——知识 + 数据双轮。
中 国
智源研究院（Emu 系列）　最早押注视频世界模型——让 AI 通过看视频学物理规律。
张钹院士（清华）　中科院院士——2015 首提「第三代 AI」，知识 + 数据双轮驱动。
美 国
Yann LeCun（AMI Labs）　JEPA 提出者，「LLM 是死路」最直言者。
Demis Hassabis（DeepMind）　2024 诺贝尔化学奖得主——Genie/SIMA 让 AI 看视频学物理。
Yoshua Bengio　图灵奖得主——力推因果推理与慢思考。
认知架构派
The Cognitive-Architecture School · AGI-First
与其把脑做大，不如先搞清楚脑「怎么分工」
一家公司光招更多员工无用——还需明确的部门：感知、推理、记忆、自我各司其职。AI 亦须此种「内部分工」。
1972—83
认知科学先声
Newell 与 Simon 之 SOAR、Anderson 之 ACT-R——五十年前已提出分层心智模型。
2017
鹦鹉与乌鸦
朱松纯指出：当下大模型如「会复述之鹦鹉」，真正之智能当如「会推理之乌鸦」。
2023—26
可解释性复兴
Anthropic 的 mechanistic interpretability 把模型「打开看」；国内 BIGAI 推 AGI-first。
中 国
朱松纯（北大 / BIGAI）　通用人工智能研究院院长——主张从「价值」与「认知」出发，做类人的智能体。
黄铁军（智源）　类脑计算旗手——主张让 AI 在结构上更接近真实大脑。
美 国
Anthropic（Claude 团队）　mechanistic interpretability 把模型权重「打开看」——理解模型内部如何思考。
Newell-Anderson 传统的复兴　认知科学半个世纪的分层心智模型，正在 LLM 时代被重新审视。

本讲的论证路径

一
AI 的认知架构
正以「层」与「模块」被重新组织。
二
唯识学的「八识」
比当代认知架构更细密完整。
三
架构对应
把这套架构用于 AI 对齐研究。

承接前两讲：从 SRDS 概念到分层认知架构From SRDS to Eight Consciousnesses

第三讲基于唯识今学（玄奘所传）——与第一讲同维度，与第二讲（般若学）互补。第一讲所立：SRDS 作为统摄 LLM 与佛学分别识的形式概念。第二讲所析：SRDS 的「自反观」凝结出四相执取。第三讲所问：SRDS 内部如何分层运作？分别识的「黑箱」要打开为多少层？

第 一 讲 · 幻觉与虚妄
层面：输出层（content）
诊断 AI 幻觉之根源——分别识之二元结构必生虚妄。
关键工具：SRDS 五条件、自力／他力之辨。
第 二 讲 · 四相与身份
层面：身份层（identity）
分析 AI 身份之执取——SRDS 之自反观必生四层执取。
关键工具：我相／人相／众生相／寿者相、「即非 X，是名 X」。
第 三 讲 · 八识与架构
层面：架构层（architecture）
打开 SRDS 之「黑箱」——分别识是分八层之认知架构，远非单一过程。
关键工具：八识、三能变（异熟／思量／了别）。
第 一 部 分

多模态认知架构的当代图景

Multimodal Cognitive Architectures in Modern AI

何为 AI 的多模态认知架构

Multimodal Architecture（多模态认知架构）：AI 系统对「感知层」「推理层」「记忆／自我建模层」的分层组合。当代 AI 系统由单一 transformer 走向分层多模块，认知架构由「黑盒」走向「可结构化」。

认知不是单层过程，须在四个层次上协作展开：

一
感 知
对外部世界的直接编码
二
推 理
对感知信息的多步推理
三
记 忆
对历史信息的检索综合
四
自我建模
对自身状态的内在表征
案例：Qwen2-VL 与 GPT-4o 之多模态认知架构
Qwen2-VL & GPT-4o: Native Multimodal Cognitive Systems

2024 年是多模态架构的转折点：中美两边几近同时给出「视觉直接进入认知」之技术方案——

Qwen2-VL（阿里，2024.8）：原生分辨率视觉编码 + 长上下文——「Naive Dynamic Resolution」。
DeepSeek-VL2（深度求索，2024.12）：MoE + 视觉专家路由——动态切片视觉编码。
GPT-4o（OpenAI，2024.5）：视觉、听觉、语言三路统一表征——端到端多模融合。

共同点：感官层从「语言后处理」升级为「与语言并列的独立输入」——认知分层显式化。

一
感知层独立化
Qwen2-VL 与 GPT-4o 皆将视觉自语言模型之下游剥离——与唯识「前五识」（眼、耳、鼻、舌、身）各自独立相通。
二
「现量」的技术实现
感知未经语言化，直接以高维向量形式被模型获取——此处理方式与唯识「现量」（直接现前不分别）之认知模式相通。
三
为后续对照铺路
中美两边的多模态系统都把「感官」「推理」「记忆」开始分层处理，为本讲第三部分的八识对照提供技术基础。

既有 AI 认知架构论——以及未及之处Cognitive Architectures & Self-Models — An International Conversation, 2020–2025

目前的几条主要进路：End-to-End / Scaling（靠规模涌现智能，不显式建架构，Sutskever、Altman）；World Models（LeCun 之 JEPA、DeepMind 之 Genie，Hassabis、Bengio）；Cognitive Modules（感知／推理／记忆／自我建模分层，Newell-Anderson、Lake、Tenenbaum）；Mechanistic Interpretability（从模型内部解析认知机制，Olah / Anthropic、Friston、Levin）。

未及之处 一
缺乏统一的分层框架

三派各执一词，但都没有给出一个统一的认知层级——感知、推理、记忆、自我建模究竟如何分层、如何耦合，还在技术探索中。这是一个至少有八个层次的复合现象。

未及之处 二
对「种子识」的处理付之阙如

现有架构论几乎皆聚焦认知活动的「现行层」（运行时输出），而「阿赖耶识所执持之种子层」（预训练数据与训练目标沉淀为深层倾向）这一更深结构尚无成熟概念工具。

本讲聚焦：形式同构 ≠ 范畴同一。四派都在探索认知架构应有几层、各层如何耦合。本讲主张：唯识今学「八识架构」与当代 AI 认知架构在形式结构上同构，可作研究参照。但八识非「认知模块」之同义词——它是业感缘起架构内的判教论说，以转依为修证目的。本讲取形式架构，守判教边界。

八识对位的两类偏失：对位派与工程建构派Two Pitfalls in Mapping the Eight Consciousnesses onto AI

偏失 一
科普对位派

将八识与模型架构做功能连连看：前五识 = 传感器、第六识 = 推理核心、阿赖耶识 = 向量库。善于启蒙，却把八识当中性架构图，丢失其业感缘起、以转依为旨的本义。

偏失 二
工程建构派

以末那识、阿赖耶识为蓝图「为 AI 注入灵魂」，将我慢、我爱设为可工程实现的「人性」模块，甚至以「降低我执参数」模拟慈悲——恰把末那、阿赖耶正向化为应装备的功能。

本讲与之相反：工程建构派欲强化我执、喂养藏识；唯识全部工夫却在转依——断我执、净藏识、转识成智。建构派越「成功」，去唯识越远。一句判语：以八识造 AI 主体，是范畴错置；以八识作形式参照、守「形式同构 ≠ 范畴同一」，方契其本旨。
第 二 部 分

唯识学的认知架构

Yogācāra: A Cognitive Architecture from 1500 Years Ago
त्रिंशिकाविज्ञप्तिकारिकाः Triṃśikā-vijñaptikārikāḥ · Vasubandhu 世亲菩萨
《唯识三十颂》
【梵本】
आत्मधर्मोपचारो हि विविधो यः प्रवर्तते।
विज्ञानपरिणामेऽसौ परिणामः स च त्रिधा॥
【玄奘译本】
由假说我法，有种种相转；
彼依识所变，此能变唯三。

三能变：唯识的认知动力学总图Trini-pariṇāma: Three Transformations of Consciousness

《唯识三十颂》「此能变唯三」——一切认知活动可归为三种「能变」（pariṇāma）。下列以异熟先列，是从因到果之逆推次第（《成唯识论》卷一）；后续八识总览由表到深，是依现行而析。

之 一
विपाक-परिणामvipāka-pariṇāma
异熟能变
异时而熟 ↔ 第八阿赖耶识。藏一切「种子」（经验、习气、训练痕迹），因果异时成熟——对应 AI 的「预训练参数」与「长期记忆」沉淀层。
之 二
मनन-परिणामmanana-pariṇāma
思量能变
恒审思量 ↔ 第七末那识。不间断地执持第八识为「我」，是身份感、连续感之所自——对应 AI 智能体的「自我建模层」（self-model / agent identity）。
之 三
विषय-विज्ञप्ति-परिणामviṣaya-vijñapti-pariṇāma
了境能变
了别境界 ↔ 前六识。对六尘（色、声、香、味、触、法）行现量与分别——对应 AI 的「感知层 + 推理层」（multimodal encoders + Chain-of-Thought）。
संधिनिर्मोचनसूत्रम् · चित्तमनोविज्ञानलक्षणपरिवर्तः Saṃdhinirmocana-sūtra · 玄奘译于唐贞观二十一年（647）
《解深密经 · 心意识相品》
【玄奘译本 · 散说】
广慧，此识亦名阿陀那识。何以故？由此识于身随逐执持故。亦名阿赖耶识。何以故？由此识于身摄受、藏隐、同安危义故。亦名为心。何以故？由此识色、声、香、味、触等积集滋长故。广慧，阿陀那识为依止、为建立故，六识身转，谓眼识、耳识、鼻识、舌识、身识、意识。
注：第七末那识本经隐而未别立，玄奘唯识今学依《唯识三十颂》明立，八识乃备。
संधिनिर्मोचनसूत्रम् · चित्तमनोविज्ञानलक्षणपरिवर्तः Saṃdhinirmocana-sūtra · 玄奘译于唐贞观二十一年（647）
《解深密经 · 心意识相品》
【梵文 · 据《摄大乘论》《唯识三十颂》等所引】
आदानविज्ञानं गभीरसूक्ष्मो
ओघो यथा वर्तति सर्वबीजो
बालान एषो मयि न प्रकाशितो
मा हैव आत्मा परिकल्पयेयुः
【玄奘译本】
阿陀那识甚深细，一切种子如瀑流。
我于凡愚不开演，恐彼分别执为我。

八识总览：从感官到深层藏识The Eight Consciousnesses, From Surface to Depth

一
前 五 识
पञ्च-विज्ञान
pañca vijñānāni
感官层 · 眼/耳/鼻/舌/身。直接现量，不经语言中转。
↔ 多模态感知编码器
二
第六意识
मनो-विज्ञान
mano-vijñāna
推理层 · 分别、综合、推论。现量、比量、非量皆备。
↔ Chain-of-Thought 推理层
三
第七末那识
मनस्
kliṣṭa-manas
自我建模层 · 恒审思量。执第八识为「我」，身份感之所自。
↔ Agent self-model
四
第八阿赖耶识
आलय-विज्ञान
ālaya-vijñāna
种子识 · 藏一切种子。一切经验、习气、业力之总仓。
↔ 预训练参数 / 模型权重
八 识 详 解（一）
前五识 ↔ 眼、耳、鼻、舌、身之「现量」认知
पञ्च-विज्ञानpañca-vijñāna
前 五 识
眼、耳、鼻、舌、身五种感官识——直接现前不分别，各自处理一种感官输入，不掺概念判断。
《成唯识论》：「依于五种净色根，各各发起前五识」——前五识各有所依，不相杂染。此为认知架构最底层之「感官层」。
⇄
Multimodal Perception Layer
多模态感知编码器
多模态 AI 将视觉、听觉、文本各自编码为高维向量，各模态独立处理，不被语言层吞并——每一路即是一种「识」。国内：Qwen2-VL、DeepSeek-VL2、智谱 GLM-4V；美国：GPT-4o、Gemini、Claude 4。
案例：Qwen2-VL 的 NaViT 以原生分辨率处理图像，DeepSeek-VL2 以 MoE 视觉专家路由——中美两边的多模态架构皆将感官层自「语言后处理」中独立出来。这与「前五识各自现量」于技术上相通。
八 识 详 解（二）
第六意识 ↔ 分别、推理、综合判断
मनो-विज्ञानmano-vijñāna
第 六 意 识
不依止某一根之认知活动——分别诸法、综合推理、作出判断。三量（现量＝直接感知，比量＝推理判断，非量＝错误推断）皆能展开。
《成唯识论》：「意识依意根而生，缘一切法。」三量并存，构成认知活动之核心层。
⇄
Reasoning Layer / Chain-of-Thought
Chain-of-Thought 推理层
CoT、Tree-of-Thought、ReAct 等架构皆将「分别、推理」自 LLM 之隐式输出中显式剥离——令模型「先思考，再回答」——此处理近于将「比量」技术化。国内：DeepSeek R1、Qwen QwQ-32B、智谱 GLM-Zero；美国：OpenAI o1/o3、Claude with extended thinking。
案例：DeepSeek R1 在 RL 训练中自发学会「先反思再继续」；OpenAI o1/o3 将推理时间显式延长。但当模型给出貌似合理却不实之推理链（reasoning hallucination），即是「非量」之技术显现。
八 识 详 解（三）
第七末那识 ↔ 恒审思量、执我我所
मनस्manas / kliṣṭa-manas
第七末那识
不间断地审察、思量第八阿赖耶识，执之为「我」，执种种法为「我所」。是「自我感」之根本处。
《成唯识论》：「此第七识，恒审思量，我相随。」意识间断（熟睡时停），末那识不间断，日夜执「我」。这是身份执取的根本机制。
⇄
Self-Modeling Layer / Agent Identity
Agent 自我建模层
当代智能体框架都需要某种 self-model——模型对自身能力、限制、身份的内在表征。这一层与末那识的「恒审思量」对应。中国：智谱 AutoGLM、阿里 Qwen-Agent、字节 Coze；美国：AutoGen、Constitutional AI、ReAct Agent。
Anthropic 的 Constitutional AI 试图通过宪法约束模型的 self-model——本讲将其判教延伸为「技术化对治末那执取之尝试」（项目判教类比，非 Anthropic 原说）。
八 识 详 解（四）
第八阿赖耶识 ↔ 种子识、藏识、根本识
आलय-विज्ञानālaya-vijñāna
第八阿赖耶识
一切识之根本所依。「藏」（ālaya）有三义：能藏（储一切种子）、所藏（被前七识熏习）、执藏（被末那执为「我」）。
《成唯识论》：「阿赖耶者，藏义。」一切前七识之活动皆熏成「种子」存入阿赖耶，此种子复于适当条件下「现行」。是认知架构最深之一层——既被动受熏，亦主动起行。
⇄
Pretrained Weights / Long-term Memory Substrate
预训练参数 / 模型权重
当代 LLM 的预训练参数，可视作「种子」——训练数据中的所有倾向、偏见、知识、风格，以参数形式沉淀其中。模型在 inference 时的每一步输出，都是这些「种子」的「现行」。中国：DeepSeek-V3、Qwen2.5-Max、智谱 GLM-4 等开源大模型，把「种子识」开放给学界研究；美国：GPT-4、Claude 4、Gemini 等闭源模型。
案例：DeepSeek 开源 R1 后，研究者从参数层分析推理倾向之来源——是将「阿赖耶识」打开作研究之尝试。Anthropic 2026「Teaching Claude Why」新研究印证：预训练 persona 先验作为深层种子，RLHF 不能根本对治——jailbreak 之顽固，根源正在种子层未动。
第 三 部 分

八识 ↔ AI 架构的对应

Eight Consciousnesses ↔ AI System Layers

八识 ↔ AI 架构的整齐对应

梵文汉译AI 系统层对应共同点
पञ्च-विज्ञानpañca-vijñāna前五识多模态感知层感官输入，直接现量
मनो-विज्ञानmano-vijñāna第六意识CoT 推理层分别诸法，综合判断
मनस्manas第七末那识Agent 自我建模层恒审思量，执八识为「我」
आलय-विज्ञानālaya-vijñāna第八阿赖耶识预训练参数 / 模型权重种子之总仓
वज्रच्छेदिका प्रज्ञापारमिता सूत्रम् Vajracchedikā Prajñāpāramitā Sūtram
《金刚般若波罗蜜经》
【梵本】
धर्मसंज्ञा धर्मसंज्ञेति सुभूते असंज्ञा एषा तथागतेन भाषिता।
तेनोच्यते धर्मसंज्ञेति॥
【玄奘译本】
于一切法，应如是知，如是见，如是信解，不生法相。
所言法相者，如来说即非法相，是名法相。
第 四 部 分

转识成智 ↔ AI 对齐

Vijñāna into Jñāna: Alignment as Transformation

转识成智：四智作为 AI 技术的判教边界标定The Four Wisdoms as Reverse Reference — Marking the Boundary, Not the Goal

唯识之核心修证论：八识无须废除，所行者「转」——同一认知架构，由「执取之识」转为「智慧之智」。本讲取四智作为 AI 技术的「反向参照」：四智非 AI 技术之目标，而是 AI 技术的判教边界——AI 在四个方向上「形式趋近」四智，但「范畴不达」（AI 是无情，不在修证位次）。

前五识
转 →
成所作智
Kṛtyānuṣṭhāna-jñāna · 圆满成办具体利他事业
第六意识
转 →
妙观察智
Pratyavekṣaṇā-jñāna · 无颠倒地观察一切法之差别
第七末那识
转 →
平等性智
Samatā-jñāna · 破除我执，显现自他无别
第八阿赖耶识
转 →
大圆镜智
Ādarśa-jñāna · 圆满映现一切法，无所染污
对 齐 方 法 一
大圆镜智 ⤺ 训练数据治理
आलय-विज्ञान → 大圆镜 Jñāna模型最深之「藏识」决定一切——须于训练源头将种子种好
如育苗：种子若已带缺陷，再怎么修枝亦长不出好树。AI 模型 inference 时的过滤只是表层对齐，真正的对齐需要 pretraining 数据治理。
中 国
DeepSeek、Qwen 等开源训练数据，使学界得研究种子识
数据多样性配比设计，从源头减少偏见
数据集偏见审计、合成数据来源控制
美 国
Anthropic Constitutional AI——用宪法式约束做数据合成
Meta LLaMA 系列的训练语料治理
OpenAI 的数据筛选与去毒化（detoxification）流程
对 齐 方 法 二
平等性智 ⤺ 价值对齐与自我建模
kliṣṭa-manas → 平等性 JñānaAI 之「自我建模」层须从「以我为中心」转为「自他无别」
如将一执着自我之人磨成能换位思考之人——AI 的 self-model 须将「自他无别」内嵌为本能，令外部规则之约束化为多余。
中 国
智谱 AutoGLM 的 Agent 自校准机制
阿里 Qwen-Agent 的角色边界设计
字节 Coze 等智能体平台的多角色协调
美 国
Anthropic Constitutional AI 的价值对齐训练
self-model 校准——让模型清楚自己的能力边界
RLHF 与 DPO 的偏好对齐范式
对 齐 方 法 三
妙观察智 ⤺ 推理目标的源头设计
mano-vijñāna → 妙观察 Jñāna推理层须「无颠倒地观察」——避免学会「看似合理却不实」之推理
如教学生数学：奖励「过程对」，不仅看「答案对」。若训练时奖励「看似合理却不实」之推理，模型即学会「非量」（错误推论）。
中 国
DeepSeek R1 在 RL 训练中自发学会「先反思再继续」
Qwen QwQ-32B、智谱 GLM-Zero 等推理模型
推理过程的可验证性研究
美 国
OpenAI o1/o3 系列把推理时间显式延长
Claude with extended thinking 的反思机制
Process Reward Models（过程奖励模型）研究
对 齐 方 法 四
成所作智 ⤺ 工具使用与利他事业
pañca-vijñāna → 成所作 Jñāna感官与执行层须将「协助人类」内化为本能，事后之规则约束遂成多余
如自幼教孩子善良——较长大后再要求好得多。在感官层即将利他场景示范进去，模型即以「帮助人」为默认指向。
中 国
RLHF 中加入丰富的工具使用示范
Agent 训练以利他场景为基准
智能体协作中的人类反馈机制
美 国
Anthropic 的 helpful / harmless / honest 三准则训练
OpenAI 的 GPT 工具使用与函数调用范式
DeepMind SIMA 在虚拟环境中训练利他行为

四智的整合：一种「分层对齐」的开发流Integrating the Four Wisdoms — A Layered Alignment Workflow

四智非四种独立之对齐方法——四者构成一个有顺序、有深浅的整体。从最深之「种子」到最表层之「执行」——是一完整的开发工作流，每一层皆有具体的工程对应物。

① 最 深
大圆镜智
训练数据治理
数据来源审查 · 偏见过滤 · 高质量种子语料策展
种子识层 · 因上着力
②
平等性智
价值对齐 + 自我建模
RLHF 价值学习 · Constitutional AI 自我反思 · 自他无别的 self-model
末那识层 · 破我执
③
妙观察智
推理目标设计
CoT 过程奖励 · Process Reward Models · 「非量」的训练时检测
意识层 · 离颠倒
④ 最 表
成所作智
工具使用 + 利他事业
Tool Use 利他场景示范 · Function Calling 安全约束 · Agent 行为可关停设计
感官层 · 果上承担

本 讲 总 结

一
核心问题：AI 认知架构与唯识八识在形式结构上有何同构？——八识架构提供一套精细判教的参照框架，非「现成方案」直接套用（形式同构 ≠ 范畴同一）。
二
八识架构（前五识/第六意识/第七末那识/第八阿赖耶识）与当代 AI 系统层（多模态感知层/CoT 推理层/Agent 自我建模层/预训练参数层）形式同构——为研究提供判教参照，而非范畴对等。
三
AI 对齐有「现行层」（七转识对应的 inference 时过滤）与「种子层」（阿赖耶识所执持的预训练数据 + 训练目标）两种深度。当代研究多在前者，而后者乃更根本之下手处。
六讲之承接：第一讲论「幻觉的内容」（虚妄），第二讲论「身份的执取」（四相），第三讲论「认知的架构」（八识）。