先拆开一个过大的问题
“语言塑造思维”可以指完全不同的主张：没有某种词就无法形成概念；说话时语言引导注意；长期使用某种分类让非语言任务更快；制度化词汇改变集体记忆和公共判断。若不先区分，任何实验都能被夸大成世界观决定论，也能被轻易贬为只测到说话习惯。
强语言决定论认为语言划定可思想的边界，现有证据不支持这种绝对形式。人能学习新概念、发明术语、翻译近似意义，也能用图像、动作和数量进行非语言推理。更可检验的是弱相对性：语言经验是否在特定任务、时间尺度和人群中改变注意、记忆或分类概率。
这场争论从哪里来
把语言与“世界观”相连的想法至少可以追溯到洪堡：他在十九世纪初提出，语言的差异不只是记号系统的差异，而是世界观本身的差异。把这个方向推到最强形式的，是二十世纪初的美国人类学传统。博厄斯 1911 年在《美洲印第安语言手册》导言里举了后来名声大噪的例子：爱斯基摩语言用不同词根区分正在下的雪、地上的雪等情形。萨丕尔的学生沃尔夫——一位毕业于麻省理工学院化学工程系、白天在哈特福德火灾保险公司做防火工程师、晚间研究霍皮语与玛雅文字的业余语言学家——走得更远：他主张霍皮语缺少直接指称“时间”的语法手段，因而其使用者的时间概念与他所称的“标准普通欧洲语”使用者根本不同。
沃尔夫 1941 年去世后，这些主张被贴上“萨丕尔—沃尔夫假说”的标签流传，并在转述中不断变形。雪词的数量从几个膨胀到几十个乃至几百个，直到 Martin 1986 年与 Pullum 1991 年先后追查了这条学术都市传说的谱系。Malotki 1983 年基于大量霍皮语料的研究则指出，霍皮语拥有丰富的指称时间的语法与词汇手段，沃尔夫的核心断言在经验上站不住——尽管最夸张的“霍皮人没有时间概念”其实出自后来的转述者，而非沃尔夫本人。
随后的三十年里，这场争论几乎被逐出主流：乔姆斯基的普遍语法把语言差异定位在表层，柏林与凯 1969 年基于二十种语言的颜色词调查提出颜色类别存在普遍的演化序列，两边都不给强相对性留位置。1990 年代，Lucy、Levinson 与斯洛宾等人把问题重新组织成可检验的弱形式——语言在“为说话而思考”时如何引导注意——本文其余部分讨论的正是这个复兴之后的研究纲领。
颜色实验显示类别边界效应
俄语日常词汇必须区分较浅的蓝色 goluboy 与较深的蓝色 siniy。Winawer 等人的速度分类实验发现，俄语使用者跨该词汇边界区分蓝色更快；加入言语干扰后优势减弱，而空间干扰没有同样效果。这支持在线语言编码参与任务，不证明俄语使用者看见了英语使用者生理上无法看见的颜色。
颜色知觉还受到视网膜与神经系统共同限制。跨110个非工业社会的命名资料显示，颜色类别中心存在跨语言聚集倾向。另一方向的证据同样具体：Roberson 等人对巴布亚新几内亚 Berinmo 语和纳米比亚辛巴语（Himba）使用者的系列实验发现，受试者的颜色记忆与分类边界沿各自语言的词汇边界排列，而非沿英语式的焦点色排列。两种证据并存：知觉系统提供共同约束，语言边界在约束之内重新组织任务表现。语言差异与感知共同点可以同时成立，不能把“普遍结构”和“经验可塑性”设成非此即彼。
任务中说话与不说话很关键
要求给颜色命名、记住词或按标签分类，本来就会调用语言。更强证据需要在不要求说话的任务中观察差异，并用言语干扰、短时训练、脑电时间窗或双语切换判断语言何时介入。
所谓非语言任务也可能让参与者默念。反应时差几十毫秒可揭示加工路径，却不自动代表日常世界观。实验应报告效应大小、个体分布和速度—准确权衡，而不是只报告组间显著。
空间语言连接身体与环境
一些语言习惯使用左右等相对坐标，另一些在许多场景使用东南西北等绝对坐标。熟练使用绝对系统的人往往持续追踪方位，在旋转后排列事件时也可能采用地理方向。
最常被引用的例证来自澳大利亚北部。昆士兰的 Guugu Yimithirr 语和庞普拉（Pormpuraaw）社群的 Kuuk Thaayorre 语在日常空间描述中不用“左右”，而以绝对方位为默认框架。Boroditsky 与 Gaby 2010 年在庞普拉让受试者把一组时间先后的照片排序：Kuuk Thaayorre 使用者倾向按从东到西的地理方向排列——面朝南时卡片从左到右，面朝北时从右到左，排列随身体朝向翻转；英语使用者在同一任务中则始终从左到右。这是绝对空间框架渗入时间排序的直接演示，也说明语言习惯训练出的注意方式会进入看似无关的任务。
但语言不是唯一原因。导航实践、地景、居住方式和教育与空间表达共同变化。若把一个小社群与城市英语学生比较，语言、文化和环境无法分离。研究需要同一社群内差异、儿童发展、迁移和双语切换，才能接近因果链。
时间隐喻不是时间本身
语言用空间谈时间：未来在前、过去在后，或依书写方向把事件从左排到右。实验中启动某种空间隐喻会改变时间判断，双语者也可随当前语言调整。这与embodied-cognition的基本主张同向：抽象概念大量借用身体与空间经验来组织。
最有名的争议发生在普通话上。Boroditsky 2001 年报告，普通话使用者受“上／下”纵向时间隐喻启动后，对时间判断的反应模式与英语使用者不同。但这项结果很快成为可重复性的战场：January 与 Kako 2007 年做了六次重复实验均未得到原效应；Boroditsky 团队 2011 年又以更大样本与更严格的设计报告效应存在，同时承认它比最初声称的更脆弱。这个来回本身有教学价值：此类效应如果存在，量级很小，且对任务细节高度敏感。
另一个方向的证据来自安第斯山区。Núñez 与 Sweetser 2006 年结合语言与手势研究发现，艾马拉语使用者把“过去”放在身体前方（已知、可见），把“未来”放在身后（未知、不可见）——与“未来在前”的英语式隐喻正好相反，但与“已知在前、未知在后”的认知逻辑一致。这提示时间隐喻锚定的或许不是时间轴本身，而是知与未知的空间化。
这说明抽象概念会借用语言和身体经验，不表示只有一种时间概念。日历、钟表、书写、宗教和劳动制度同样塑造时间表征。研究必须区分短时启动、长期习惯与现实决策。
数词揭示语言作为认知工具
精确大数词能让人压缩和重复使用数量结构。没有日常精确大数词的群体仍能比较多少、近似估量和一一对应，但在延迟复制较大集合时可能更依赖近似。
2004 年《科学》杂志同一期发表的两项研究把这个争论推到公众视野。Gordon 测试了亚马逊的皮拉哈人——其语言只有“一、二、许多”的层级——发现他们在复制较大精确数量的任务上随数量增大而系统性变差；Pica 等人对蒙杜鲁库人的研究同样发现，近似比较不受语言限制，精确算术却明显依赖数词。Frank、Everett 等人 2008 年回到皮拉哈重新测试，给出更克制的解释：皮拉哈人并非在认知上不能追踪精确数量，而是缺少数词这套“认知技术”来把数量固定在记忆里。几种读法的分歧不在数据本身，而在把工具的缺失说成能力的缺失，还是可操作资源的差异。
这种结果不应被写成“某语言没有数学”或“某群体不能计数”。数词、记号、手指、筹码和教学都是文化工具；新任务与训练可以改变表现。语言扩展可操作资源，而非给人群贴固定认知等级。
语法性别效应容易被过度解释
名词类别或语法性别可能影响形容词选择、记忆和隐喻联想，但结果取决于任务语言、词汇翻译和刺激材料。若要求参与者用形容词描述“桥”，语法形式直接进入回答，难以证明非语言概念永久改变。
跨语言词项也不完全等价，社会性别刻板印象会与语法类别混合。需要无语言反应、项目随机效应和预注册分析，并检验双语者是否随语言场景变化。
双语者提供较强的内部对照
比较不同国家的单语组容易把教育、生活环境和样本招募误当语言。双语研究可让同一人在不同语言提示下完成任务，减少稳定个体差异。
它仍不是完美实验。双语熟练度、习得年龄、使用场景和身份都会改变切换效果；一种语言常与家庭相连，另一种与学校或工作相连。真正有力的设计会测量这些变量，而不是把“会两种语言”当单一类别。
因果链至少有四种方向
语言可能改变注意；已有注意偏好也可能塑造词汇；共同环境可同时影响两者；语言与认知还可能在学习中循环反馈。一次横截面相关无法选择方向。
短期训练能测试新类别是否改变判断，儿童纵向研究能看语言区分与认知差异谁先出现，自然实验可利用学校政策或迁移变化。不同设计回答不同时间尺度，不能互相替代。
“可翻译”不是“完全相同”
跨语言通常能解释一个概念，却可能需要更长表达、额外背景或失去语体与社会关系。可翻译性反驳绝对不可思想，不消除表达成本和默认关注点差异。
翻译者做的是主动建模：选择词、补充省略信息、重建礼貌和体裁。正因翻译可行又不机械，语言既没有封闭思想，也不是透明包装。
手语让争论摆脱声音中心
自然手语用空间、手形、面部和身体建立语法（其结构细节见sign-language-structure）。手语者的空间加工会受到语言经验与视觉实践共同影响，说明“语言影响”不等同语音词标签。
手势和手语也必须区分。临时手势可承载图像性，完整手语有社群规范和组合结构。把聋人表现差异只归因缺少声音，会忽略语言可及年龄、教育剥夺和视觉语言经验。
社会词汇能改变公共问题的可见性
命名一种歧视、疾病或身份经验，可帮助人们聚合案例、提出权利主张并设计测量。这里语言的作用不一定是改变早期知觉，而是重组制度分类、注意资源和可讨论边界。
反过来，官方分类也可能抹平内部差异或把政治选择自然化。研究语言与思维不仅测毫秒反应，还要分析谁有权命名、分类如何进入表格、法律和算法。
人工智能不能替人类实验回答问题
语言模型在不同提示语言下给出不同判断，可能来自训练语料和对齐差异，不等于拥有相应人类文化认知。模型也可用于生成刺激或检验语料分布，但必须防止把模型输出当某社群意见。
若模型复现语言相对性效应，最多说明统计学习系统可形成类似行为模式。要解释人类，还需发展、身体、互动和神经证据。模型作为研究工具的价值与边界，llm-as-cognitive-science-tool有专门讨论。
一个合格结论应限定到什么程度
最稳妥的结论不是“语言决定世界观”，也不是“语言只是思想外壳”。语言在说话、记忆和分类中提供可快速调用的编码工具；长期习惯可在部分非语言任务留下可测影响；影响大小与机制依领域、任务和经验而变。
判断新研究时，先问比较的语言区别是否真实，再问任务是否需要语言、组间是否还有文化差异、效应能否在双语或训练设计中变化、是否报告反例和共同约束。只有这样，“语言塑造思维”才从口号变成一组可累积的问题。
跨域连接
- 语言哲学：「语言是否决定思维」在哲学里的对应问题是概念与语词的关系——没有词的概念是否可能存在。语言学把它变成了可实验的形式：不是问「能否思考」，而是问「在有无语言干扰的任务里，反应模式是否不同」。这个转化本身是这场争论最大的进展。
- 乔姆斯基：普遍语法的立场从相反方向压缩了语言相对论的空间——如果人类语言共享深层结构，语言差异能影响的就只是表层。这场对峙塑造了二十世纪后半叶的整个领域，而双方都在近年退到了更温和的位置。
- 多语心智：双语者是这场争论里最强的内部对照——同一个人在不同语言下完成同一任务，遗传、教育、文化背景全部受控。它把「语言效应」和「文化效应」这两个平时纠缠不清的变量部分地分开了。
- 认知偏差：语言相对论的通俗版本极易被过度解释，「爱斯基摩人有几百个雪的词」这类说法能流传几十年，正因为它符合人们期待的故事形状。判断一项结论时应先问：效应量有多大、是否只在特定任务中出现、去掉语言干扰后是否消失。
- 大语言模型：模型在不同语言上表现不同，容易被当作语言影响认知的新证据。但模型的差异更可能来自训练语料的规模与来源——它不能替人类实验回答这个问题，把它当证据是在偷换被解释项。
参考文献
- Winawer, Jonathan, et al. “Russian Blues Reveal Effects of Language on Color Discrimination.” PNAS, 2007. PNAS
- Regier, Terry, Paul Kay, and Richard S. Cook. “Focal Colors Are Universal after All.” PNAS, 2005. PMC
- Berlin, Brent, and Paul Kay. Basic Color Terms: Their Universality and Evolution. University of California Press, 1969.
- Roberson, Debi, Ian Davies, and Jules Davidoff. “Color Categories Are Not Universal: Replications and New Evidence from a Stone-Age Culture.” Journal of Experimental Psychology: General, 129(3), 2000.
- Malotki, Ekkehart. Hopi Time: A Linguistic Analysis of the Temporal Concepts in the Hopi Language. Mouton, 1983.
- Pullum, Geoffrey K. The Great Eskimo Vocabulary Hoax and Other Irreverent Essays on the Study of Language. University of Chicago Press, 1991.
- Boroditsky, Lera. “Does Language Shape Thought? Mandarin and English Speakers' Conceptions of Time.” Cognitive Psychology, 43(1), 2001.
- January, David, and Edward Kako. “Re-evaluating Evidence for Linguistic Relativity: Reply to Boroditsky (2001).” Cognition, 104(2), 2007.
- Núñez, Rafael E., and Eve Sweetser. “With the Future Behind Them: Convergent Evidence from Aymara Language and Gesture in the Crosslinguistic Comparison of Spatial Construals of Time.” Cognitive Science, 30(3), 2006.
- Boroditsky, Lera, and Alice Gaby. “Remembrances of Times East: Absolute Spatial Representations of Time in an Australian Aboriginal Community.” Psychological Science, 21(11), 2010.
- Gordon, Peter. “Numerical Cognition without Words: Evidence from Amazonia.” Science, 306(5695), 2004.
- Frank, Michael C., Daniel L. Everett, Evelina Fedorenko, and Edward Gibson. “Number as a Cognitive Technology: Evidence from Pirahã Language and Cognition.” Cognition, 108(3), 2008.
- Thierry, Guillaume. “Neurolinguistic Relativity.” Language Learning, 2016. PMC
- Slobin, Dan I. “From Thought and Language to Thinking for Speaking.” In Rethinking Linguistic Relativity, 1996.
- Wolff, Phillip, and Kevin J. Holmes. “Linguistic Relativity.” WIREs Cognitive Science, 2011.