跟风股 西方惊觉英语“低智”短板？汉语独特优势，居然是中国崛起的顶级外挂？

2025年初，美国联邦政府发布了一份报告，数字难看到让人不敢细看：将近一半的美国小学生，阅读能力连"基础水平"都摸不到边。

这不是哪个偏远学区的个例，是全国数据。

与此同时，大西洋两岸的一些学者开始悄悄讨论一个问题：英语，这个横扫全球的强势语言，会不会其实是个认知负担？而汉语，这个被西方长期嘲笑"太难学"的古老文字系统，正在被重新打量。

英语：一个被历史砸坏了的语言系统

说英语出问题，绝大多数人的第一反应是：开什么玩笑，英语不是最通用的吗？

通用是通用。但"通用"和"好用"是两回事。

美国联邦教育评估有个外号叫"国家成绩单"，每隔几年摸一次全美学生的底。最新这次摸出来，高中毕业生里能达到阅读熟练水平的，只有35%，创了30多年来的最低。更刺激的数字在小学段——40%的四年级学生，连基础阅读水平都没到。

这还是母语。

想看懂《纽约时报》这样的主流报纸，英语词汇量得备上一万个词族。想读专业学术期刊，三万词汇起步。而一个成年英语母语者，词汇量平均在两三万之间——就这，还有一两成人勉强只能在表格里找到自己的名字。

纽约某大学有个老教授做过统计，该校十万在校生里，有一半看不懂《纽约时报》。这不是移民占比太高造成的，这就是英语本身的门槛问题。

那问题怎么来的？

这事得往回捋到快一千年前。1066年，法国北部的诺曼底公爵带兵打进了英格兰，当了国王。新统治阶级说法语，被统治的老百姓说英语，两套人说两套话，就这么混了好几百年。

结果就是英语里出现了一堆奇葩的"双轨词"。农民养猪，猪叫pig；贵族上桌吃肉，肉叫pork。养牛叫ox，吃牛肉叫beef。同一只动物，活着和死了是两个完全不相干的词，没有任何关联，只能死记。

再往后，文艺复兴来了，大量希腊语拉丁语被塞进来。大英帝国又到处跑，从印度借一批，从非洲借一批，从美洲再借一批。就这么七拼八凑，英语词汇量涨到了一百多万，还在每年继续膨胀。

但这些词之间，大部分没有逻辑关联。每多一个专业词汇，就要多背一个陌生单词，从零开始。

相比之下，汉语的逻辑就是另一个世界了。

国家语委统计过，最常用的2500个汉字，就能覆盖接近98%的日常阅读场景。学会一个"羊"字，公羊、母羊、山羊、羊肉，甚至羚羊，一眼全看懂——字形本身就在告诉你意思。英语用户学完sheep，还得重新背mutton、lamb、ram，毫无线索。

而且汉字对大脑的刺激方式也不一样。认知神经科学的研究发现，读汉字时，人的左右脑是同时启动的——左脑处理语义逻辑，右脑识别字形图像，两边合力。而拼音文字主要只调动左脑。

医生开了药，叮嘱他：血压、血脂、血糖要管住，烟酒能戒就戒，尤其是酒。

这个差异在孩子身上体现得很明显。有研究发现，同样四岁，中国孩子平均能数到40，美国孩子大概只到15。背乘法口诀，汉语版念完大概三十秒，换成英语得多花将近一半时间。时间差不起眼，放进一辈子的知识积累里，那就是另一个量级的差距了。

AI来了，汉字开始"降维打击"

如果说上一部分讲的是人脑层面的差异，那AI出现之后，这个差距被放大成了另一个维度的问题——钱的问题。

大语言模型处理文字，用的是一种叫"Token"的计量单位。简单来说，输进去的文字越长，消耗的算力越多，花的钱越多。

牛津大学有研究专门测过，处理简体中文的成本，大约是处理英文的两倍——原因是早期模型把汉字拆得太碎，四个汉字有时候要对应七八个Token，而十几个英文字母可能只用两个。

光这一条，就够英语国家在AI赛道上省不少钱、跑得更快。

但这个优势，被中国的AI研发团队给掰回来了。

国内的几个主流大模型做了专项优化，把中文处理效率拉到基本上一个汉字对应一个Token。这就意味着什么？相同数量的Token，中文能装进去的信息，比英文多出来将近两三倍。

原因在于汉字本身的信息密度。语言学里有个指标叫信息熵，衡量每个字符平均携带多少信息量。汉字单字的平均信息熵，大约是英文字母的两倍多。也就是说，表达同样一件事，汉语需要的字符数量大概是英文的一半不到。

成语这个东西，更是极端案例。"卧薪尝胆"四个字，英文翻译过去少说也得十几个词，还得加上背景解释，读者才能懂。汉语里一个成语，背后是一整个故事、一整套情绪，不用额外说明。

这种压缩效率，在AI训练层面直接转化成了真实的成本差距。

DeepSeek今年初引爆了整个AI圈，很大程度上靠的就是这个。训练一个能跟GPT-4掰手腕的模型，人家花了大概六千多万美元，DeepSeek用了五百万——差了十倍不止。

API调用的价格差距更夸张，同样处理一百万个Token，DeepSeek的报价是GPT-4的百分之一都不到。

西方科技圈第一反应是"作弊"，第二反应是"怎么可能"，第三反应才慢慢开始想：会不会，他们用的"原材料"本来就不一样？

汉字的高密度信息结构，是DeepSeek能这么便宜的底层原因之一，尽管绝大多数报道都没提到这一层。

这就是语言结构的差异，第一次被算成了真金白银。

3000万人，用脚投了票

眼下有一件事，比那些数字更能说明问题。

全球超过190个国家，都有人在学中文。85个国家已经把中文正式纳入了本国的国民教育体系。学中文的人口，加上历史累计的使用者，合起来已经接近两亿。

多邻国是全球最大的语言学习平台，什么语言热，它的数据最敏感。最近这两年，平台上美国学中文的用户数量猛涨了两倍多——中文从一个小众冷门，直接杀进了全球学习语言的前八名。

爱尔兰2022年把中文塞进高考选考科目，哪怕第一年只有一百来个人选考，但"纳入高考"这个动作本身，代表的是国家层面的态度转变。

东南亚那边更直接。柬埔寨现在九成的外来投资来自中国，当地人私下聊天，说的是"中文比英文更有用"。这不是政治表态，是就业市场在给语言定价。

这种热度，跟孔子学院的政府推广没什么直接关系。真正驱动年轻人花两千小时死磕一门难语言的，是非常朴素的逻辑：哪个语言能帮我找到好工作，我就学哪个。

有意思的是，就在这股汉语热升温的同时，西方学术界出现了一种有点反常的讨论声音。

部分学者开始公开提问：中国这些年的科技跃升，真的只靠政策和投入吗？会不会汉语本身的认知结构，给了中国科学家某种英语使用者没有的思维优势？英语，会不会反过来成了一个认知天花板？

这种讨论要放在几十年前，几乎不可能出现在主流学术场合。

而现在，当经济重心在移动，当AI把语言的信息效率变成了算力账单，当全球三千多万人自发地选择学一门比西班牙语难五六倍的语言——这些人不是被强迫的，他们是在用自己的时间押注未来。

语言的竞争跟风股，从来靠的不是嗓门大，靠的是值不值得学。