一层一层扫，一行一行读
公元79年，维苏威火山的一次喷发将赫库兰尼姆城埋入火山灰。城中一座私人图书馆——后世称为”纸莎草别墅”——收藏着数百卷哲学与文学著作。高温气体将这些卷轴瞬间碳化：它们被转化为一种极度脆弱的纯碳结构。两千年来，这种碳化状态形成了一个残酷的悖论：卷轴被保存了下来，但一碰就碎。
要读它，就得毁掉它。
2026年6月25日，Vesuvius挑战赛团队宣布了一个消息：编号PHerc. 1667的卷轴——他们内部称为Scroll 4——已经被完整”虚拟展开”并通读。这是人类第一次不接触碳化卷轴本身、却从头到尾读出其内容。
笔者读到这则新闻时，第一反应是疑虑：碳基墨水写在碳化的纸莎草上，X射线几乎分辨不出密度差异。这怎么可能做到？
问题的本质：碳上找碳
理解这个项目，得先搞清楚技术上的核心困难。
常规的X射线CT成像依赖材料间的密度或成分差异来产生对比度。金属墨水写在羊皮纸上，铅含量一高，CT图里墨水白得发亮。但赫库兰尼姆卷轴用的是碳基墨水——灯黑或木炭粉末调制的油墨——而承载它的纸莎草也被火山高温碳化成了近乎纯碳的结构。两者在X射线衰减系数上没有有意义的差异。换句话说，CT扫描出来的是一团均匀的灰色螺旋体，肉眼无法分辨哪里有字。
这正是学术界长期将这批卷轴视为”不可读”的原因。研究团队在随论文公开的页面中写道：“To read one was to destroy it”（读一卷即毁一卷）。19世纪、1969年和1980年代的物理展开尝试，的确毁掉了PHerc. 1667的外层部分，原先19-24厘米高的卷轴，如今只剩约8厘米的内核。
怎么做到的：从同步辐射到机器学习
整个技术栈可以分为四步。每一步单独拿出来都不算全新，但把它们串成一条可行的工程管线，是这项工作的真正贡献。
第一步：高质量数据采集。 扫描在法国格勒诺布尔的欧洲同步辐射装置（ESRF）BM18光束线完成，同时使用了英国Diamond光源的部分机时。BM18利用了ESRF近年升级的”Extremely Brilliant Source”，产生的X射线束兼具极高的空间分辨率和稳定性。这不是普通CT——相位衬度微断层成像（phase-contrast microtomography）能够捕捉到常规吸收衬度看不到的微观结构边界。单个卷轴生成的数据量高达300TB。ESRF官方称，这是该设施历史上产出过的最大数据集。
这意味着什么？300TB不仅仅是”很大”。它意味着对于一卷长约1.4米、层层密绕的纸莎草，扫描分辨率足够区分每一层薄如纸张的螺旋结构。没有这个分辨率，后续步骤无从谈起。
第二步：几何重建与虚拟展开。 从3D体数据中追踪纸莎草层的螺旋走向，将其映射为一张平整的2D表面。这个过程名为”virtual unwrapping”（虚拟展开），由肯塔基大学Brent Seales领导的EduceLab在过去二十年逐步开发。从CT数据中识别纸莎草层的边界，需要大量的手工标注——HN评论区有团队成员坦言，这项工作”extremely tedious and slow and error prone”（极其枯燥、缓慢且容易出错）。笔者在这里看到的，是流程工程中真正”吃人”的地方：人工标注的质量直接决定了展开表面的准确性。这不是算法问题，是标注产能问题。
第三步：墨水检测。 这是整个管线中最脆弱也最有趣的一环。展开后的2D表面在肉眼看来仍然接近空白——碳基墨水与碳化基底之间没有可感知的对比度。但墨水在书写过程中会留下微米级的表面形貌变化：笔触挤压纤维、油墨渗入孔隙、干燥后形成不同于周围区域的纹理。这些纹理差异在相位衬度数据中以极弱的信号形式存在——人眼无法察觉，但训练得当的ML模型可以。
团队在HN上解释：“Most of the ink we have come across is carbon based. This leaves a certain texture on the scrolls that is recoverable and viewable with fairly basic physically based rendering.”（我们遇到的大多数墨水是碳基的。这会在卷轴上留下某种纹理，通过基本程度的基于物理的渲染可以恢复和观察到。）但这不等同于”直接看到”。模型是从标注数据中学出来的——用已知的碎片（可藉可见光/近红外光确认墨水位置）作为ground truth，让模型学习CT数据中对应位置的信号模式，再外推到无法用其他方法验证的封闭卷轴内部。
第四步：纸莎草学家转录与验证。 ML模型输出的墨水概率图并不等于可读文本。最终转写由专业纸莎草学家完成——他们根据模型提示的笔迹位置，结合古希腊语语法、书写习惯和文献学知识，判断出最可能的字符。
读到了什么
PHerc. 1667现存部分被读取出了约22栏希腊文本，内容是一篇伦理学哲学论文。文本讨论了”hormē”（冲动）和”phronēsis”（实践智慧）等斯多葛学派核心概念，末栏提到了”阿里斯托克里昂”（Aristocreon）——斯多葛大师克律西波斯（Chrysippus）的侄子和门徒。结合文本的语言风格和主题，学者将其判定为公元前2世纪的斯多葛派作品。
ESRF的报道指出，纸莎草学家Federica Nicolardi认为这可能是赫库兰尼姆收藏中最古老的卷轴之一——可追溯至公元前2世纪甚至前3世纪末。
与此同时，团队也在另外两卷上取得进展。PHerc. Paris 4（Scroll 1）上，更高分辨率的扫描使墨水在3D体数据中直接可见，其分割结果与2023年Vesuvius挑战赛大奖的阅读结果一一对应——这是一次独立验证。PHerc. 139则被识别出书名：《斐洛德穆，论众神，卷八》（Philodemus, On Gods, Book 8）——伊壁鸠鲁派哲学家的著作。首次确认《论众神》至少包含八卷。
三卷并行推进，而不是孤例突破——这一点比单卷”被读出来”更具说服力。
黑箱里有什么：HN评论区的质疑
笔者最关心的问题是：ML模型到底”看见”了墨水，还是”猜对”了墨水？
HN讨论串中有一个非常诚实的交流。一位前参赛者提问：“模型有没有可能在字符层面产生幻觉，甚至编造字迹？”
一位确认自己在Vesuvius团队工作的成员回答（原文照录）：
“Yes, it’s quite possible for ML to hallucinate ink, though it is on a much more local scale, like predicting a slightly longer stroke, filling in more of a character than is actually in the data, etc. Perhaps enough to change a reading of a character or show where ink isn’t.”
翻译过来：是的，ML可以产生墨水幻觉，但规模局限于局部——比如将笔画略微拉长，把字符填充得比实际数据支持的更饱满。这种程度的偏差足以改变某个字符的释读，或在不该有墨水的地方显示出信号。
他补充了一句关键的限定：“It is difficult for ink detection to hallucinate grammatical and idiomatic Greek and Latin.”——墨水检测模型无法凭空编造出语法正确、符合惯用表达的古希腊语或拉丁语段落。
这是笔者见过的最坦率的工程自评之一。它揭示了两层含义：第一，模型不会编造整段文本——对卷轴内容的”大局判断”有足够的可靠性基础；第二，在单个字符尺度上，不确定性是真实存在的。用HN用户”167”的简洁评论来说：“Bottom of the paper, in the appendix. Don’t expect much. They only got fragments of text with a lot of missing words.”
同时，ground truth的来源也值得追问。同一个团队成员说明，训练数据来自人工标注——标注者逐层手动标记纸莎草边界和墨水位置。他写道：“Gathering ground truth is hard, and if you don’t have a lot of good ground truth, it doesn’t matter if your code is perfect, you’ll never get results.”意思是：ground truth的质量上限决定了整个系统的性能天花板。
这一点在文化遗存领域尤其关键。不同于ImageNet有百万级人工标注样本，碳化卷轴的标注数据规模受制于已知碎片的有限数量和手动标注的极高成本。模型学到了什么、学漏了什么——这两个问题目前没有一个定量的答案。
工程判断而非结论
笔者尝试对这个项目做一个清醒的评估，不站队，只梳理事实加判断。
成就的一面：这是首次用纯非侵入手段完整读取一卷碳化古卷的文本，数据类型、代码和转写结果全部公开。验证手段包括独立扫描数据的一对一对照（PHerc. Paris 4），以及跨卷轴的可复现管线。600多卷未开封的赫库兰尼姆卷轴中，PHerc. 1667只是第一卷——但管线已经证明它可以跑通。
局限的一面：碳基墨水检测在原理上依赖纹理信号而非密度信号，而纹理信号是薄弱的、局部的、容易受噪声污染的。模型输出的是一个概率图。纸莎草学家的最终转写本身带有推断成分——尤其在笔画延长和缺失笔画的判断上，模型偏差可以影响个别字符的释读结果。
笔者将这一状况概括为：卷轴层面的阅读是可靠的，但字符层面的释读存在合理的怀疑空间。 这不是对工作的否定。恰恰相反，正因为他们把数据和代码全部开放，这种怀疑才可能被具体化、可检验。
如果这套方法能扩散
回到工程视角。300TB的扫描数据和后续的展开、检测、转写管线，目前是在全球顶级同步辐射设施上完成的。但BM18只有一条光束线。600多卷尚未开封的赫库兰尼姆卷轴，如果每卷都走一遍这个流程，需要的核心资源是机时和标注人力（扫描本身免费，通过学术提案申请）。
HN讨论中也有人问及”技术是否能用于其他场景”。团队回应谨慎，但方向明确：任何被碳化、折叠或变形到无法物理展开的脆弱文本，理论上都可能受益于这个管线。中世纪的羊皮纸重写本、因火灾焦化的档案文献、甚至年代更久远的碳化简牍——这些是自然的延伸场景。
前提是：你能搞到分辨率和数据量足够的扫描，以及一批愿意逐像素标注ground truth的人。
以上分析基于目前的公开信息和社区讨论。技术细节以Vesuvius挑战赛官方发布的预印本及HN讨论串中团队成员的公开回应为准。