语言是什么时候起源的？是不是当人类起源的时候，就有了语言？这样的问题就是二三十年前还无法科学地给予回答，只有些聪明人为大众描绘了想象中的百万年前的图景。学过语言学史的人都知道，十九世纪末，法国语言学会明文规定，开语言学会的时候，不接受关于语言起源的“论文”，因为知道尽是些瞎猜。 不过，最近二十年来，生物学、语言学、考古学，还有电脑技术的进步，使得我们可以认真地看待语言起源的问题，至少是类似现代智人的有声语言的起源问题。所谓有声语言的起源，也就是语音的起源。
智人有声语言的出现大约在十多万多年前，在早几万年前，直立人的大脑中发生了一个突变，形成FOXP2的基因。这是一种对语言形成、控制有很大意义的生物基础。然后到大约十二万年前，发生了两件生物学上不算太显著，但对有声语言的起源起到关键作用的突变。一个是直立人昂起了头，变成了“直颈人”。一个是尾椎孔的扩大，可以通过多条神经索，其中一条是控制横膈膜的。“直颈人”这个生理学上的因素对于智人有声语言的出现是关键中的关键。为什么这么说呢？这是因为，从类人猿到猿人再到直立人，有至少两三百万年的历史，这期间交际手段可能是用手势语，也可能是用没有开放性和能产性的固定的遗传性的语音信号模式。而直立人到智人，关键是这个直颈，引得喉头下降，咽腔因此而形成，上声道就此扩大了一倍，从而使得i~u~a的元音三角的空间形成——这就为有声语言的出现奠定了生理基础。在此之前，即使直立人的智力已经到了可以操纵开放性能产性语言的程度，但由于狭隘的口腔使得发音只能是“呜噜唔噜”，而无法形成有声语言。让我们说得远一点。
无论是用于语言还是用于音乐，发出多变的各种声音，简直就是人类的专利。可以说，在进化的历程中，人类是伴随着其语言能力，特别是语音能力一道成长的。各种复杂的、彼此之间又互相区别的语音，为人类语言的表达提供了坚实的物理基础。从小孩子学说话，我们就可以发现，语言的能力是循序渐进的。幼儿从一开始，只能发出a音与双唇音m这样的音，到后来可以掌握复杂的卷舌音和塞擦音，需要好几年时间。从生物学上来讲，人的成长发育是对物种进化的某种反映。例如刚开始的胚胎存在腮，早期的胎儿还有尾巴等等。那么，其实儿童对语言的习得所反映的过程，也正是一个人类从无到有逐渐一步步发展出语言的过程。人类作为唯一拥有语言的动物，不仅在智力上高于其余动物，从而拥有获得语言的条件，也生理上存在很多利于语言发展的构造，形成了独立的语言器官，这也是其他动物所不能及的。
现代人与他们的祖先相比，拥有许多适合生成语言的呼吸系统与口腔器官构造。首先，人的口部相比于其余的哺乳动物甚至是灵长类动物，已经短了许多，但颈部和唇部肌肉构造的复杂程度却远远超出了其余的哺乳动物。对于哺乳动物来说，控制嘴开合的基本肌肉只有两条，即横向分布的颈阔肌与纵向分布的颈环束肌。其余的口部肌肉都是从这两条基本肌肉分化发展起来的，但是任何动物的口部肌肉也没有人类的那么精密。相比来说，人的嘴比其余哺乳动物的都要小，而人类的口部肌肉在复杂性、规模和数量上都遥遥领先。尤为特别的一点是，人拥有控制嘴角活动的笑肌（risorius）。这条肌肉使得人可以快速闭紧嘴唇，增大口内气压，然后迅速爆发。这是语言能力的一个重要先决条件。
此外，人的头骨形状也是有利于语言产生的。相比于其余灵长类动物，人的头骨结构大大扩大了脑容量，并使得下颚打开时用力的方向与地球重力方向一致，使得人类的发音更为便利。不但如此，从上图中我们还可以看出，人的下颌近似于方形，比其余灵长类动物都要来得短。而且没有突出的犬齿。犬齿的消失，不但标志着人类的食性从肉食向杂食的转变，也为人类的发音提供了便利。分布整齐的牙齿在口腔外围排成一圈，为发f、v、s、sh、th这些擦音提供了不可少的条件。
在这些生理结构的变化中，对于语言的产生最至关重要的变化大概还是要数人类进入直立人之后发生的一项重大改变——从直立垂头行走（象北京猿人那样），到大约十二、三万年前变为抬头行走，即从直立到完全直颈。这时由于重力作用，喉头开始下沉。生理上出现了一个新的变化，在口腔与喉之间，出现了新的空间——咽腔。可别小看咽腔的形成，这在嘴巴里是一小空，却对语音演化，进而语言演化，甚至人类的演化是一大步。正是因为形成了咽腔，人类嘴巴里的空间增加了一倍，形成了一个类似于曲尺的大直角，也形成了跟现代人（生物学上称作智人）一样的声道。在此之前，直立人的嘴巴里没有咽腔，喉头直接在口腔深处，这对于吃饭当然是有利的，但对于语音以及语言来说是不利的，因为在这样的狭窄空间中只能发出一些混元音，稍有高低之别，而无法发出前后元音，因为后元音大多是‘咽化’的，即舌根往咽壁方向后缩。只有到十二三万年前我们的祖先完全抬起了头，沉下了喉，才使上声道具有了变化余地，产生了i~u~a这样三角形的元音空间，继而产生了辅音-元音交替出现的音节如“pa~pa~ma~ma”，最后形成了现代人的语言。照这种语音学、遗传学的理论，现代智人的形成有赖于现代语言的形成，而现代语言的形成直接有赖于包括元音空间形成这些个语音因素。
这一点也得到了科学研究证据的支持。在十万年前，有另一种人类和智人一起共同生活在这个地球上，那就是现在叫做“尼安德特人”的古人类。美国的人类学家和语言学家一起研究过尼安德特人的发音器官，希望知道尼安德特人在解剖学上的结构特点，是不是能够保证他们准确地发出语言所需要的各种声音。图2尼安特人复原像
他们选择了一副成年男性尼安德特人的骨架，这副骨架是1908年的时候在法国发现的，此人约生活在四万五千年之前。语言学家通过其头部的骨骼结构，试图复原这位古人的喉头位置，舌头和嘴唇的形状。但这仅仅是第一步，要研究尼安德特人的发声能力，必须是在发声系统模型随着舌头、嘴唇和咽壁的不同运动而产生的各种动态中进行。这些器官的运动范围受到了肌肉与韧带构造的限制，尽管其运动范围并非任意，但也足够大。因此，要模仿其动态的唯一手段就是借助电脑建模。科学家编制了一套程序，通过输入尼安德特人发音器官模型的数据，然后通过程序的计算，告诉我们尼安德特人的发声系统所可能发出的所有声音的频率特性。科学家首先研究的是尼安德特人所能发出的元音。因为元音和辅音不一样，其频率特性仅仅取决于发声系统的形状，而不依靠发音器官和肌肉相互位置的短暂变化。科学家们最想知道的是，尼安德特人是不是能发出最基本的三个元音i、u、a这三个元音是人类元音空间的三个极限位置，对这三个音的区别，预示着人类语言能力的真正形成。科学家算出了尼安德特人的元音声学数据，发现尼安德特人并不能发出最有区别性的i、u、a来。这正是科学家们预料的结果。因为尼安德特人软腭部的间隙比现代人要小得多，舌头也要薄得多。因此他们移动舌头的时候不能像智人一样可以明显地改变口腔后部间隙的大小。这大概也是尼安德特人灭绝的原因之一。智人们拥有发达的语言能力，因此更能够组织起来进行复杂的合作，在与自然的抗争以及与其他族群争夺资源时，更具有优势。在占领了世界，而尼安德特人与智人争夺江山的斗争中，结果当然是智人占领了世界，而尼安德特人被消灭了。
现代人发展到今天，我们的嘴巴最大的功用是什么呢？十万年前的直立人和早期智人，他们的嘴巴主要是吃饭、含含混混地“说话”、还要打架、搬运、感冒时帮助鼻子呼吸，还有“啵”一个。可到了今天，我们的嘴巴的解剖形态，最适合的是说话，而不是吃饭。因为我们咽腔下有两根管子，一根食管，一根气管。吃饭时得用会厌盖住气管，食物才能顺利进入食道。所以我们吃饭快了、或者会厌动作慢了，就容易噎着呛着，尤其是一面喝水一面吃饭，或者一面说话一面吃饭，就更容易噎着。而没有咽腔的猩猩，还有十万年前的直立人，再猩吞猴咽，也不会噎着。这是人类获得语言能力而付出的代价吧。
从上面“元音空间”形成的理论，可以得到的另一个推论是：早期人类的语言中元音少，辅音多，复辅音、甚至三合、四合辅音会大量存在。
本节开头还提到有声语言形成的另一个重要因素，那就是尾椎孔的扩大，通过了一条控制横膈膜的神经索。上一节上我们谈到横膈膜对于控制呼吸的作用。在十万多年前，当智人第一次能够用调动横膈膜的方式来控制呼吸的时候，他们第一次能够控制语音片段，而不是呼一口气“说出”一段“呜噜唔噜”的音，然后吸一口气，再呼气说另一段。他们可以断续地说“pa~pa~pa, ma~ma~ma”，然后可以倒过来翻过去的“pa~ma, ma~pa”，有元辅音分音节的、能产而开放式的有声语言临盆了！这是人类发展史上出现的第一次加速度。人类智力的发展有几个明显的加速度期，也即几个里程碑，都与信息的处理和传播能力相关。十万年前（其实由于紧接着的冰河期，使得这个起点压缩到最多五六万年前）有声语言的形成是第一个里程碑，五六千年前的文字出现是第二个里程碑，然后五六百年前的金属可移动可替换的活字印刷（之前中国出现可移动的粘土活字）是第三个里程碑，然后是五六十年前出现的电脑。图4 苹果公司的早期计算机
图3 早期电脑库房
（原载《叫我如何不想她——语音的故事》，朱晓农、焦磊著，商务印书馆2013年第一版）
图片|网络（侵删）
本期编辑|曹诗慧
本期审读|曹诗慧
责任编辑|甘于恩
投稿邮箱：jnufyzx@163.com
精彩回顾
语音的故事（二十）| 焦磊：“假声只能用来唱京戏吗”？（连载）语音的故事（三十三）| 焦磊：格林童话和格林定律（连载）
语音的故事（五十二）| 焦磊：从《黄帝内经》的会厌到《梦溪笔谈》的嗓叫子（连载）
语音的故事（五十三）| 焦磊：控制横膈膜的神经索和伯努利效应（连载）