自监督学习的演进可以用一条主线概括：从"人为设计任务"(拼图、旋转)到"对比学习"(SimCLR、MoCo)再到"掩码重建"(MAE)。每一次范式转移都让方法更简单、更通用。2024 年的趋势是多模态统一——CLIP 让图文共享表征，MAE 让视觉自监督超越监督学习，REPA 让生成和理解对齐。一个有趣的观察：NLP 的自监督(掩码语言建模 BERT)比 CV 早了 4 年，但 CV 追赶速度惊人——如今两者的方法论已经趋于统一，都是"遮住一部分，猜另一部分"。