夜雨聆风
2026年早春，大同。杭侃又一次站在云冈石窟的洞窟内。
手电光扫过，千佛造像密布。风化斑驳间，许多佛像面目模糊、躯干残损。但在杭侃眼里，这些石头仍然鲜活。
早期形体高大、气势雄浑，中期褒衣博带、雍容典雅，晚期秀骨清像、清瘦飘逸。作为云冈研究院院长的杭侃，已与这些造像打了无数次照面，一瞥就能辨出其“晚期风格”发生的变化：佛像更清秀了，比例更修长了，身体线条更柔和了。
杭侃的另一个身份，是北京大学考古文博学院的教授。深耕佛教考古数十年的他，依旧觉得要给学生讲透佛教造像的神韵并不容易。“我们能讲清风格的整体特征，但很难用量化的方式来讲，哪些部位的变化、哪些比例间的变化，组成了‘风格’。”杭侃说，“这就是考古学的困境——经验藏在专家脑子里，无法被记录、被传递、被验证。”
而在云冈石窟万千造像中，晚期造像风化严重，想要阐释明白风格神韵更是难上加难。虽然对佛像的高精度三维扫描早已完成，但那些点云数据、三维模型还只是“看得见”的数字素材，而非“读得懂”的研究材料。
“我们缺的不是数据，而是让数据开口说话的方法。”
云冈石窟全景（图片来源于云冈石窟官微）
【师承：再过去看看，这次带上AI】
1993年，还是北大研究生的杭侃在宿白先生的课堂上，从一份旧报告上察觉到对云冈石窟第20窟西壁描述的疑点。面对弟子的求证，先生只留下一句“你过去看看”。
绿皮车颠簸一夜，终于求得在云冈石窟的一手实证。在恩师的帮助和鼓励下，杭侃将在现场的发现反复打磨，最终在次年形成那篇发表于《文物》期刊的力作《云冈石窟第二十窟西壁的坍塌时间与昙曜五窟最初的布局设计》。
数十年后，杭侃也在让AI“到现场去”。面对数字化浪潮，他说“数字复制品无法替代原物。云冈在山崖上，与岩石、光线、历史共生。”
2026年3月，“探元计划NextGen”终审路演现场，云冈研究院与长安大学联合团队提出的“云冈智岩”共创方案得到了评委的高度认可。项目以云冈第38窟为对象，围绕术语规范、时空知识图谱、点云语义分割、LoD分级表达和造像比例计算，构建可计算、可分析、可推理的石窟三维数字底座。“云冈智岩”方案的主创人，是长安大学文物数字化领域的领军人、长江学者侯妙乐教授。
“三维模型再精美，也只是几何外壳，里面没有考古灵魂。”侯妙乐说。
云冈石窟第38、39窟外部（图片来源于云冈石窟官微）
【悖论：三维模型里的考古知识藏在哪】
摆在项目团队面前的是一个奇怪的现象：三维模型越来越精美，精度也越来越高，这是一个有利条件，而真正挑战却是风化残缺越严重越难提取，如何在残缺中提取有效信息。
好比有一尊佛像的高精度模型，可以360度旋转、放大缩小。但如果你问“这尊佛像头身比例是多少”“它和旁边那尊相比肩膀宽了还是窄了”，模型却哑口无言。侯妙乐指出，问题的根源在于“形神割裂”。三维数据是“形”，考古知识是“神”，二者之间隔着一道鸿沟。
云冈研究院副院长宁波表示，“造像风格神韵判断极度依赖经验，如何利用现有数据开展系统研究，是我们的目标。”
两支团队决定，要给这些沉睡的数据注入灵魂。
佛像“形”与“神”之间的鸿沟（配图为AI辅助生成）
【突破：给佛像办一张“智能身份证”】
侯妙乐带领团队设计了一条从“原始数据”到“考古知识”的完整技术链，四个步骤，层层递进。
第一步：整理“家底”，建立“词典”。把考古报告、历史文献、高清照片、三维扫描数据汇聚起来，统一格式、时空对齐，就像给一座图书馆做编目，要把浩繁资料整理得井井有条。
“昙曜五窟”“二佛并坐”“释迦牟尼佛”“宝帐纹”—— 佛教石窟有自己的专业语言，团队把这些术语整理成标准化“词典”，定义了6大层级，479个相关实例，并融合时间与空间维度构建了时空知识图谱。图谱包含700个实体和881条关联关系，“第38窟”“北魏晚期”“千佛造像”“秀骨清像”这些元素在其中交织关联，形成一张能精准查询与时空推演，并且能持续生长的知识网络。“过去，一个研究员要知道第38窟北壁的主尊造像属于什么风格，需要翻阅十几本专著。现在，知识图谱可以在几秒钟内给出关联线索。”侯妙乐说。
第二步：让模型“按需瘦身”。高精度三维模型虽然细节丰富，但数据量庞大。就像一本制作精美却异常厚重的巨型图册，适合近距离研究，却难以在网络展示、交互浏览和空间分析等场景中灵活使用。团队因此为石窟模型建立了多细节层次（LoD）表达规则，让同一座洞窟拥有精细、简化、体块和轮廓等不同版本，可以根据使用场景灵活选择。
团队还根据佛像、纹饰、壁面和窟顶等部件的特点，采取不同的简化方式，在保留重要信息的同时逐步减少模型数据量，最终实现从精细Mesh到LoD3、LoD2、LoD1和LoD0的逐级自动构建，实现石窟模型的自动“瘦身”。“过去，不同场景只能共同调用同一个庞大的精细模型；现在，可以像地图缩放一样，根据使用需求选择合适的细节层级。”侯妙乐解释道。
第三步：教AI“认人”。团队用人工智能算法训练模型识别三维模型中的不同构件——哪部分是佛像，哪部分是供养人，哪部分是龛楣。就像教小孩看图识字，只不过这里“图”是三维的石窟，“字”是佛教的术语。
训练过程充满挑战。壁面上造像姿态各异、风化程度不同，小型佛像与龛柱、龛梁、装饰纹样等元素密集交织。团队通过数据特征增强、分块推理与跨块拼接等策略优化算法，让AI学会区分这些“长相相似但身份不同”的构件。
经过一轮轮训练和“纠错”，AI逐渐学会了区分不同类型的石窟构件。阶段性实验结果表明，模型识别效果持续改善，也为后续进一步解决小目标、少样本和复杂场景下的识别难题打下了基础，也为后续模型优化提供了可量化的基准。“造像与供养人类别的样本相对充足，而龛柱、龛梁和装饰纹样等类别的样本较为稀缺，存在数据分布不均衡的现象。”侯妙乐解释，“模型很容易偷懒，把不确定的都判成大类。我们要让它学会公平对待每一个小类别。”
第四步：量“身材”。识别出佛像后，算法自动提取关键比例参数——头有多宽、身体有多长、肩膀有多宽。这些参数被标准化后，不同造像之间可以进行“横向对比”。过去靠肉眼“感觉”的风格差异，现在变成可测量、可统计的数据。
长安大学团队暑期驻扎云冈石窟集中攻坚
【攻坚：先让AI“认清”，再给佛像“量体”】
真正要给千年前的佛像“量身材”，第一步并不是拿尺子，而是先让AI弄清楚：眼前这一整面石窟壁面里，哪里是佛像，哪里是佛龛，哪里又是龛柱、供养人和装饰纹样。
这件事远没有人看照片那么简单。
云冈石窟38窟中的造像大小不一、层层叠叠，有的彼此紧邻甚至相互粘连，有的已经严重风化残损，还有一些只留下局部轮廓。经过三维扫描后，这些对象首先呈现为数以百万计的空间点。对计算机来说，它看到的并不是一尊尊佛像，而是一片没有名称、没有边界的“点的森林”。
要从这片“点的森林”里把佛像准确找出来，首先要解决的就是复杂石窟场景中的三维识别难题。侯妙乐团队围绕造像点云智能分割开展攻关，将造像自身的几何特征与石窟中的空间结构关系结合起来，让算法逐步学会辨认佛像、佛龛、供养人以及其他石刻构件，并把原本混杂在一起的三维数据按照研究对象进行分离。简单来说，就是先让AI学会在复杂石壁中“认人、认物、分边界”，把研究者真正关心的造像从海量三维数据中“找出来”。
好不容易让AI认出了佛像，新的难题又摆在眼前：佛像找到了，究竟该从哪里量、怎么量，才能让不同造像之间真正可比？
传统研究中，头部多高、肩部多宽、身体比例如何，往往需要研究者逐尊观察、逐项测量。但石窟造像保存状态不同，结构边界并不总是清晰，同一个“肩宽”或“头高”，在不同造像上也很难依靠一把固定的“尺子”机械地测出来。测量位置稍有不同，得到的结果就可能失去比较意义。
为此，团队进一步开展造像智能量算攻关，让计算机从已经分割出的造像中识别头部、肩部、身体等关键结构，建立相对统一的量测位置和计算规则，并进一步提取头身比例、肩宽比例等量化指标。过去需要研究者反复观察、逐尊记录的数据，由此开始转化为可以批量提取、统计和比较的“数字身材档案”。
机器负责从海量三维数据中寻找规律，专家负责判断这些规律意味着什么。AI并不是替代考古研究者，而是把过去大量依赖人工完成的识别、量测和数据整理工作转化为可重复、可比较的计算过程，让专家有更多精力去回答真正重要的问题：这些比例为什么不同？不同洞窟之间是否存在共同规律？造像形制的变化背后，又隐藏着怎样的时代与文化信息？
38 窟北壁局部区域三维对象智能识别与分割示意图
【探索：从量化识别走向修复询证】
当佛像从复杂的石窟数据中被逐一识别，关键结构能够被准确定位，头身比、肩宽等比例也有了统一的量测方式后，团队终于可以向更进一步的问题迈进：这些已经被识别和量化的造像，能不能为残损造像寻找修复依据？
在与云冈研究院场景方和考古专家的多次交流中，侯妙乐带领长安大学团队开始将前期积累的三维数据、结构参数和算法方法串联起来。团队从现有样本中比较造像的整体比例、关键结构与局部形态，寻找风格和形态更为接近的造像，并尝试回答一个过去更多依赖专家经验的问题——“哪一尊，可以成为它的参考？”
相似并不意味着可以直接照搬。团队进一步把造像的相似关系、关键结构、现存残损边界以及专家判断组织起来，为每一个修复候选留下“为什么选它、哪里相似、哪些部分可以参考”的依据，由此逐步形成一条可以回看、比较和讨论的修复证据链。
沿着这条证据链，AI不再是凭空“补出”一个佛像，而是在已有考古认识与数字证据的约束下，尝试生成和比较不同的形态修复方案。从识别、量测到寻找证据，再到修复形态的探索，团队开始把前期积累的一块块成果真正连接起来。
基于造像结构分析的残损佛像辅助补全示意图
【泛化：“一即一切，一切即一”】
2026年7月，“云冈智岩”项目行至中期，接受了多方专家的评审指导。方向正确，进展扎实，但前路依旧漫漫：识别精度需提升、虚拟修复需深化、场景应用需落地。
事实上，腾讯探元计划自发起以来，从来不要求项目“一帆风顺”、成果“四平八稳”，它关注的是是否找到真需求、聚焦真问题、打磨真解法，并在此基础上通过解法、数据和技能的开放共享，实现迁移与泛化。
“云冈智岩”项目在探索用AI技术破解千佛造像比例密码的同时，还在试图回应另一个更大的问题：当三维扫描成为考古、文遗领域的标配，如何让“沉睡的数据”真正服务于知识生产？
“让数据真正被用起来，不能只停留在‘看见’和‘算出来’。”“项目技术方师皓玥说，“我们正在尝试通过大模型，把分散在文献、知识图谱和三维数据中的知识连接起来；未来还希望进一步让AI能够根据研究问题调用识别、量算等工具，真正把这些能力串联起来。”
从语义定义到多尺度表达，从实体识别到量化计算，这套基于云冈石窟场景打磨的创新方案，未来有望迁移至其他石窟寺和摩崖造像，激活全国同类型文化遗产的“沉睡数据”。更进一步，这套基于中国石窟语境打磨的方法论，未来有望与犍陀罗、巴米扬等丝路沿线佛教造像做跨文明对比——这是中国AI考古走向国际对话的潜在路径。
作为项目场景方负责人，宁波感触颇深：“过去二十年我们积累了大量数字化数据，这次联合攻关，才真正让这些数据能回应石窟考古的真问题。”
该项目结项时，团队还将通过探元平台向社会开放包括：云冈石窟考古保护标准化术语词表和时空知识图谱、LoDs模型自动生成工具集、石窟点云语义分割算法、石窟造像关键结构识别与参数化方法、云冈38窟分割数据集等核心成果，供学术研究与公益用途使用。
【回响：AI时代的访古与思今】
当AI“读”懂一尊佛像的形态密码，它读懂的不仅是头与身体的比例、肩与肩的宽度，更是一个时代的美学追求、一个族群的精神世界、一种文明的艺术高度。
一千五百年前，北魏工匠挥动斧凿，依循信仰与审美，把心中向往的佛国净土刻在山崖。一千五百年后，考古学家、技术专家们相聚于此，用术语词表翻译佛教语言，用智能算法解析造像结构，用预测模型虚拟复原残躯，用比例参数量化风格演变……
终于，我们透过万千佛像，叩开时光之门，与古人在此重逢。
我见佛时，我亦见我。
本文为“探元计划NextGen·AI考古赛道”系列第三篇。
关注我们，解锁更多科技赋能文化的精彩故事。
点击进入腾讯探元，了解更多相关内容
参考资料
沈轶伦.(2026). 当大佛开始“出差”——专访云冈研究院院长杭侃. 解放日报, 09版周末周刊.
宿白. (1962). 佛象的实测和造象量度经.
转载来源：腾讯数字文化
往期中式营造记录
全网ID矩阵账号
设计 | 艺术 | 文旅
努力做最好中式设计平台号
丨中丨式丨营丨造丨
传承传统文化精神
微信号：Chinese-Construction
欢迎个人转发、扩散。
投稿请发邮件注明“投稿”
商务合作请在后台留言联系“管理员”
公号转载请在后台键入“转载”