一句话定义：柏拉图表示假说（Platonic Representation Hypothesis）认为，当模型规模和数据足够大时，不管训练数据是文字、图像还是视频，也不管架构是不是 Transformer，模型内部学到的表征（representation）都会自发收敛到同一个空间——就好像它们都在逼近同一个「真实世界的坐标系」。
为什么会收敛
打个比方：一群互不通信的测绘员，分别用卫星图、街景车、步行 GPS 去画同一座城市。工具不同、路线不同，画到最后路网图却会高度相似——因为城市只有一座。
世界也只有一个。要预测下一个词、要预测下一帧画面、要把图片和文字配对，最优解都绕不开同一批潜在变量：谁在哪儿、什么导致了什么、物体有哪些属性。任务只是不同的「入口」，训练压力不同，终点却指向同一套结构。这也呼应了柏拉图的洞穴比喻：我们看见的是墙上的影子，模型学的是影子背后那套「理念」。
和相邻概念的区别
| 概念 | 说的是什么 | 谁在主动 |
|---|---|---|
| 多模态对齐（alignment） | 工程上主动把图像和文本拉进同一空间，例如 CLIP 的对比学习 | 人设计目标函数 |
| 迁移学习（transfer learning） | 把一个任务学到的能力用到另一个任务上 | 人搬运权重 |
| 柏拉图表示假说 | 就算不显式对齐，大模型也会自己走到同一空间 | 现象本身 |
JEPA 这条线
联合嵌入预测架构（Joint AI 词典：Embedding">Embedding Predictive Architecture, JEPA）主张在表征空间里做预测，而不是重建像素或词元。这让它很适合检验这个假说：如果不同目标的预测最终都指向同一批潜在结构，那么不同 JEPA 变体的表征应当可比，甚至可互换。围绕它的近期工作，一方面给出理论刻画——在什么条件下、不同训练目标会收敛到同一表征；另一方面提改进，比如显式加入跨视图、跨模态的约束来加快收敛。具体条件与实验结论以论文和官方页面为准。
对从业者意味着什么
- 多模态对齐：不必每个模态都从头对齐，可以拿一个强模型的表征当「锚点」，用它的空间去校准别的模型。
- 表征评测：如果真存在共同坐标系，就能用跨模型、跨模态的相似度（例如拿一个模型的表征去线性预测另一个的）当通用体检指标，而不是每个任务单测一遍。
- 迁移与蒸馏：模型合并、跨架构蒸馏、让语言模型给视觉模型当老师，这些做法会从「碰巧有效」变成「有理由有效」。
对普通职场人，含义很朴素：不同的 AI 系统在理解世界这件事上可能越来越像，系统之间互操作的门槛会降低——换一个模型，不必把所有东西推倒重来。