随着《阿凡达：火与灰》（Avatar: Fire and Ash）登陆院线，潘多拉星球上那套蓝皮肤外星人嘴里吐出的 Na'vi 语又一次被推上热搜。与此同时，Attractions Magazine 频道（约 100 万订阅）放出了 Paul Frommer——Na'vi 语的创造者——的完整长访谈，把"怎么从零捏出一门语言"讲了个底朝天。但真正让这股 conlang（constructed language，人造语言）热潮值得深挖的，是 2025 年 3 月 MIT 发表在 PNAS 上的一项脑科学研究：它把那个盘旋了几十年的老问题——"编出来的语言，到底算不算真语言？"——直接送进了 fMRI 扫描仪。结论翻转直觉：大脑根本不查一门语言的出身，它只认一条标准。而最反常的是，同样是人发明的 Python 代码，却被大脑一脚踢出了"语言"专区。这篇文章就拆解这背后的认知逻辑。
| 项目 | 内容 |
|---|---|
| 视频标题 | Full Interview with Na'vi Language Creator Paul Frommer |
| 频道 | Attractions Magazine（约 100 万订阅） |
| 时长 | 完整访谈，约 30 分钟级长视频 |
| 播放量 | 约 26 万次（截至 2026 年中） |
| 核心主题 | Na'vi 人造语言的创造方法与语言学工程原理 |
访谈之外，得先把地图铺开。所谓 conlang，指的是由一个人或一个小组有意识地设计出来的语言，和英语、汉语这种"自然语言"（natural language，在社群里随历史长出来的）相对。它不是个小众玩具，而是一个横跨 140 年的庞大家族。
【延伸分析】注意一个区分：这些 conlang 背后是真实存在的学习社群——LearnNa'vi.org、Klingon Language Institute、各路 Duolingo 课程。它们不是"没人用的死代码"，而是有输入、有输出、甚至有人拿它写信交友的活体系。这点很重要，后面脑科学会用到。
这是访谈的主干内容。Frommer 本人是 USC 的语言学博士（1981 年毕业），所以 Na'vi 不是随便拍脑袋的胡言乱语，而是按语言学的工程规范一块块搭起来的。
【视频内容】Frommer 在访谈里反复强调，造一门电影语言的第一步不是造词，而是定音系（phonology）——决定这套语言允许哪些声音。Na'vi 有一组很有辨识度的挤喉音（ejectives），写作 px、tx、kx，发音时声门先关闭再爆破，听起来短促而有冲击力（埃塞俄比亚的阿姆哈拉语就有这套音）。更妙的是，Na'vi 里的 ll 和 rr 可以当元音用——也就是"成节辅音"（syllabic consonants），比如"石头"一词 Tskxe 里的 k 就自成音节。这在自然语言里也能找到对应（捷克语的 vlk"狼"），但在电影语言里用得如此系统，相当有野心。
在语法层面，Na'vi 用的是 VOS 语序（谓语—宾语—主语）。这是语言类型学里最稀有的几种语序之一，全球只有约 3% 的语言这么干（马达加斯加的 Malagasy 是代表）。同时 Na'vi 有丰富的格标记（case marking），靠后缀标明谁是主语、谁是宾语，所以语序其实可以自由挪动而不影响理解——这点和拉丁语、俄语同源逻辑。
【延伸分析】Frommer 选 VOS、选挤喉音、选成节辅音，全都是有意制造陌生感。这是 conlang 的核心手艺：用自然语言里"存在但罕见"的零件拼一个听起来像外星、却经得起语言学审视的系统。它不是乱造，是"在人类发音与语法的可能性空间里挑一条少有人走的路"。
访谈本身没太往理论深处走，但 conlang 圈里有个老问题：Esperanto、Klingon、Na'vi 这些"编出来的"，和英语、汉语到底差在哪？语言学家 John McWhorter 在 TED-Ed 那期《Are Elvish, Klingon, Dothraki and Na'vi real languages?》里给过一个经典回答——它们功能上是真的，但通常"太干净了"。
【延伸分析】自然语言被几千年的人类使用打磨得满是瑕疵：不规则动词、例外、同义词冗余、历史沉积的同音词。这些"低效"恰恰是活过的证据。Esperanto 这种 engelang 把例外全砍了，规则得像数学公式——好学，但缺了那股"被生活磨过"的毛边。于是 conlang 圈分化出一支叫自然主义 conlang（naturalistic conlang）：David Peterson 造 Dothraki 和 Valyrian 时，会先设计一个"原始语"，再人为模拟几百年的音变（sound change），让词汇长出"词源"和"不规则变形"，刻意造出瑕疵，好让它听起来像被某群人用了几百年。
这个细节是理解后面的钥匙：人类判断一门语言"真不真"，靠的是文化直觉（有没有毛边、有没有社群、有没有历史）；而下面 MIT 的发现会告诉你，大脑根本不看这些。
这是整件事的高潮，也是视频之外最关键的一块拼图。
2022 年 11 月，MIT 麦戈文脑研究所的 Evelina Fedorenko 团队办了个叫 "Brains on Conlangs" 的周末大会，把 Esperanto、Klingon、Na'vi、High Valyrian 的母语级流利使用者（还有几位语言创造者本人）请到 MIT。两年多后，2025 年 3 月，结果发在 PNAS 上：团队用 fMRI 扫描了 44 名 conlang 流利使用者，让他们听自己精通的那门人造语言的句子。
【研究结果】当被试听 conlang 句子时，亮起来的脑区和他们听英语、普通话时完全是同一套——左半球的语言网络（language network，额颞叶那一片专门处理语言的区域），响应强度和位置都对得上。换句话说，对大脑而言，Klingon 和英语在同一个"柜台"办的业务。
更关键的是 Fedorenko 团队的一句话：那些自然语言独有、conlang 没有的特征——比如"在一个社群里演化了几百年"——似乎并不必要来激发语言网络。原文大意是："一门语言是由一个人造出来的，还是演化了好几百年，这并不重要。"
这一条是整个故事的"反直觉核弹"，也是本文标题的由来。
Fedorenko 实验室此前做过另一项研究：让人读 Python 等编程语言，结果代码激活的不是语言网络，而是所谓的多重需求网络（multiple demand network）——那套负责解数学题、做困难推理的脑系统。也就是说，大脑把代码当成"带符号的推理任务"，更接近数学，而不是语言。
把这俩并排放，结论就炸裂了：
同样是"编出来的"，命运却完全相反。 所以"发明"这件事本身根本不是分界线。那分界线是什么？研究给出的线索是："两类语言都能表达的那类意义"——即关于外部世界状态、或说话者内心状态的意义。conlang 能说"我今天很难过""那只猫在树上"，代码不能（代码描述的是计算过程，不是对世界的陈述）。大脑的判据极其朴素：你这套符号能不能用来承载关于世界和内心的意义。 能，就是语言；不能，哪怕你再精密、再"像"语言，也只是数学。
把四、五两点收束一下，就得到全文最该记住的认知升级。
大众（甚至不少语言学习者）心里有个默认假设：语言的价值来自它的血统——有多古老、有没有母语者、有没有文学经典、有没有国家背书。这套"血统论"让人下意识觉得 Esperanto"低英语一等"、Na'vi"终究是假的"。但 MIT 的扫描直接掀桌：语言网络对这些背景零反应。它不问"你从哪来"，只问"你能不能组合出意义"。
【延伸分析】这其实和现代语言学一个更深的发现吻合：大脑语言网络对"语言"的判定，核心是组合性结构（combinatorial structure）——把有限的词按规则组合成无穷多新句子的能力，且每个组合承载可计算的意义（compositional meaning）。只要一套系统具备这个，无论它是北京城里长了三千年，还是 Paul Frommer 书房里熬了三个月，大脑一视同仁。血统，是人类社会的执念，不是神经系统的标准。
【延伸分析】这里必须补一个限定，否则结论会被误读成"随便听两句 Klingon 大脑就认"。MIT 实验的被试是流利使用者（proficient speakers）。这和 Fedorenko 团队一贯的发现一致：语言网络的"语言性响应"建立在你已经把这套系统内化到能即时处理句子的程度。半生不熟的状态下，大脑更可能动用通用认知去硬解，而非语言网络。
这恰恰呼应了语言学习里那句老话——输入量与流利度，比"年龄天赋"更决定大脑把它当不当语言。它也给成人学外语者一个实实在在的鼓励：你的大脑不会因为你是 30 岁才开始学就拒绝把目标语接入语言网络，只要你把它磨到流利。能不能进"语言柜台"，考的是功夫，不是出身。
最后一点回到人。Esperanto 在 Duolingo 上有超 100 万学习者，High Valyrian、Klingon 都有可观的人群，Na'vi 有活跃的 LearnNa'vi 社区。访谈里 Frommer 也聊到粉丝学 Na'vi 的热情让他意外。
【延伸分析】学一门"没有 GDP 价值"的语言，动机几乎全在身份、社群与审美：加入一个有共同热爱的圈层、参与一种文化创造、享受"能说出别人听不懂的话"的乐趣。这反过来解释了为什么 conlang 能活得下去——它满足了人类对"归属感"和"创造性表达"的需求，而这两种需求，和驱动人们学英语的需求一样真实。大脑把它们都接进了同一个语言网络，这本身就是个隐喻：对大脑而言，一门语言真不真，从来不取决于它能换多少饭，而取决于它能不能让人说心里话。
graph TD
A["大脑如何判定一门'语言'？"] --> B{"查出身/血统/年岁/社群？"}
B -- "不查（MIT 2025）" --> C["血统论被推翻"]
B --> D["只认一条标准"]
D --> E["能否用组合性结构<br>表达关于世界与内心的意义"]
E --> F["自然语言 英语/普通话<br>→ 激活语言网络"]
E --> G["人造语言 Esperanto/Klingon/Na'vi<br>→ 同样激活语言网络"]
E --> H["编程语言 Python<br>→ 激活多重需求网络（数学/推理）"]
F --> I["结论：真假之分是假的<br>出身不算数"]
G --> I
H --> J["反例：发明≠语言<br>意义能力才是分界线"]
K["前提条件：流利度"] -.限定.-> G
L["工艺层（审美而非神经必需）"] -.叠加.-> G
L --> M["自然主义conlang<br>故意造不规则与音变<br>只为'听起来像真的'"]
style A fill:#e8f4f8,stroke:#2a7de1,stroke-width:2px
style E fill:#fff4e6,stroke:#e8833a,stroke-width:2px
style I fill:#e6f9ec,stroke:#2aa855,stroke-width:2px
style J fill:#fde8e8,stroke:#d33,stroke-width:2px
给语言学习者：conlang 是绝佳的"语言学沙盒"。 不必真去精通 Klingon，但花一个周末跟着 LearnNa'vi 理解 Na'vi 的格标记、跟着 Duolingo 摸几天 High Valyrian，你会以一种"母语里被遮蔽"的方式看见语法本身——因为 conlang 把规则摊开了给你看。很多学习者反馈，学过一门规则透明的 conlang 后，回看英语的不规则动词、汉语的量词系统，会突然"看见结构"。这是一种元语言意识的训练，性价比极高。
给"用学语言的方法学编程"的人：停一下。 MIT 的对照给了硬核依据——代码走的是"多重需求网络"，和数学同区，不是语言区。所以别再指望"多看多听培养语感"能让你学会写代码，那套沉浸法对语言网络有效，对推理网络无效。学代码更像学数学/解谜：要做题、要推演、要刻意练习，而不是泡在 GitHub 里"熏陶"。反过来，学外语也别套编程的"刷题逻辑"——语言网络吃的是可理解输入和真实交际。两套系统，两套学法，大脑早就分柜办理了。
给世界构建者（写小说、做游戏、设计 IP 的人）： Na'vi、Dothraki 之所以让人觉得潘多拉和维斯特洛"真实存在"，靠的不是大脑的认可（大脑只要组合结构就行），而是自然主义工艺——故意塞进音变、词源、不规则和方言差异。你要造一个令人信服的虚构文化，别只造一本"词典"，要造一部"简明语言史"。Frommer 和 Peterson 的手艺说明：真实感来自时间感，而时间感来自瑕疵。
给 AI 与认知科学关注者： 这项研究留了个耐人寻味的开放问题——LLM 处理语言时，是否也在某种意义上"接入"了语言网络所对应的那类计算？Fedorenko 团队下一步正是要"进一步精炼激活语言网络的语言特征"。当模型能流畅产出 Klingon，它到底是在"做语言"还是在"做模式匹配"？这或许是下一代认知科学和 AI 交叉的富矿。
大脑从不查一门语言的出身，它只问一句"你能不能用来表达关于世界和内心的意义"——所以 Klingon 是语言，Python 却不是，真假之分从根上就是人类自己编的。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护，聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。