摘要：“北方起源假说”认为它起源于大约4000–6000年前中国北方的黄河流域，而“西南起源假说”则认为它起源于至少9000年前的东亚西南部某地。

汉语、藏语、羌语、缅语等400多种东亚语言被认为拥有共同的祖先语言，合称为汉藏语系。一直以来，不论是学界还是民间都很好奇，汉藏语系究竟源起何处？

复旦大学金力院士的科研团队综合运用语言学和遗传学等多学科交叉的分析方法，给出答案：中国北方。

今天（25日）凌晨1时，相关论文在线发表于《自然》。这也是中国在语言学研究领域首次在该刊发表科研成果。

中国北方还是东亚西南部？

汉藏语系是世界第二大的语系，母语使用人数达15亿左右，仅次于印欧语系。一直以来，语言学家对汉藏语系内部各语支亲缘关系、分化时间以及起源地点长期存在争议。“北方起源假说”认为它起源于大约4000–6000年前中国北方的黄河流域，而“西南起源假说”则认为它起源于至少9000年前的东亚西南部某地。

早在20世纪初，复旦大学遗传工程国家重点实验室、生命科学学院人类遗传学与人类学系教授、中国科学院院士金力及同事就已经开展对汉藏语系人群的研究。当时，由于采样非常有限，仅通过遗传学上的分析与数据，他们得出了约6000年前，汉藏人群分开的结论。

然而十几年过去了，这些数据显然有些“单薄”站不住脚。究竟起源于中国北方还是东亚西南部？又成了“未解之谜”。“人类学、语言学、遗传学本就是一个共同体。或许单依靠研究遗传学是不够的。”金力开始思索，没多久，他就将研究目标转向了语言学，希望从语言学的材料中，对汉藏语系的起源和各个语言之间的关系做一个分析研究。

这也是金力的科研团队第一次非常系统的着手分析语言学的材料。由于东亚语言体系非常复杂，研究涉及的内容也不仅仅是语言学，是基于语言学和遗传学等多学科交叉分析，文理学科交融，又参考了考古、文化、历史、农业等相关数据。这些庞大的信息数据，将研究推向“白热化”。

数理统计也能探索语言文化？

在研究初期，作为团队一员，从数学系转至语言系的复旦大学现代语言学研究院青年研究员张梦翰，花了大量的时间抽取语言分析的规则。当时他关注过不少国际上的大课题组，也在语言研究上使用了这样的进化方法，这给了他启发。“是不是也可以通过数理统计的计算，来探索东亚地区语言文化和遗传之间的关系？”

有意思的是，科研团队在不断摸索中，找到了取代传统年代语言学年代方法的新方法——使用汉藏语系语言词根-语义组合进行系统发生学建模。这其实源于他们将遗传学的数学分析法运用到了语言学。

金力院士解释，系统发生学建模是用于构建语言和语言之间的关系，并可以估算语言之间的分化时间。这个方法优势在于，允许不同的语言在整个历时的演化过程中拥有不同的演化速度，允许不同的词汇拥有不同的演化速度。该方法相比以前使用的语言历史年代学研究法（强制规定语言恒定速度变化），灵活性更高，也更适用本项研究。

研究并非一帆风顺。金力坦言，最初2年多时间里，由于汉藏语系语言演化比较复杂，加之系统发生学建模作为新使用的模型还需适应及调整，他们的分析就这样前后推翻了3次。“最近一次是在去年年底。”

“北方起源假说”将成为未来汉语研究的大框架

历时2年多，科研团队通过对109种汉藏语系语言的近千个词汇词根-语义组合进行系统发生学建模分析，重构了汉藏语系诸语言间的亲缘关系，并以此推算了汉藏语系的分化时间和起源地。

得出最终结论是：该研究支持了东亚地区汉藏语系诸多语言的同源关系；证实了汉语从原始汉藏语分离成独立语族（支）的观点，并且汉藏语系中的其余语言构成一个单系语言群，即为藏缅语族；估计了原始汉藏语分化成现代语言的最早年代在距今约5900年前，地点可能在中国北方，因此该语系的起源和分化可能与仰韶文化及马家窑文化的发展有着密切的关系。

以上发现与“北方起源假说”相符，也符合语言随农业扩散的观点，而且扩散的时间点与考古证据相符——此前的考古证据揭示出独特建筑形式和陶器类型向南扩散的特征。

据悉，这是迄今为止国际上第一个如此大规模的汉藏语系语言演化研究。“我们终于揭示了汉藏语言语系之间演化关系，也揭示汉藏语系在新石器时代晚期起源于中国北方，科学地证实了中华民族五千年的文明历史。”复旦大学人文社会科学数据研究所东亚语言数据中心负责人潘悟云教授说。

据介绍，这一探索，让东亚语言从广度和新度上更上了一个台阶，也将为科研团队后面做汉藏语、中国语言人群的演化的研究与分析，提供了大体上的理论框架。值得关注的是，未来他团队将把研究目标转向通过语言学和遗传学记录东亚区起源、文化、发展等，解决更多新文科问题，为新文科建设拓展新的前沿领域、开创新的研究方式。