既然古籍有限，为何不先完成数字化？

我们经常说，中国古籍浩如烟海，数字化是一项长期而艰巨的任务。但换一个角度看，这件事也许没有想象中那么“无限”。历史研究当然没有终点，对古籍的解释、校勘和研究也不可能有完成的一天，可历史文献本身却是一个有限集合。

据粗略统计，我国现存古籍大约有20多万种、约50万个版本，总量3000多万册件。未来当然还会有新的发现，但总体规模是可以统计、可以测量的。与此同时，扫描、OCR、存储和人工智能的能力却在持续增长。我们面对的其实是一个很特殊的局面：一边是有限的历史文献，一边是不断提升的技术能力。

既然如此，为什么不能第一次认真讨论一个目标——把古籍基础数字化这件事情真正“做完”？

这里首先要厘清一个概念。3000多万册并不意味着要把3000多万册毫无区别地重新扫描一遍。同一种古籍可以有多个版本，一个版本又可能存在多个复本。对数字保存而言，真正值得关注的或许不是“册”，而是大约50万个“版本”。原则上，每一个具有文献价值的版本至少应该有一个高质量数字代表本；如果某个复本带有独特的批校、题跋、钤印、递藏记录，那么这个复本又值得单独数字化。这样一来，我们真正需要建立的是“著作—版本—复本—册—叶”的完整关系。数字化就不再是一句笼统的“扫描古籍”，而成为一个可以统计完成度的工程。

这也是项目思维和工程思维的区别。项目思维关心的是今年申请了多少经费、做了多少部书、建了几个数据库。工程思维首先要问的是：总共有多少材料，已经完成多少，还剩多少，什么叫完成，按照现在的能力什么时候能够完成。我国古籍数字化已经进行了很多年，截至2025年底，全国公开发布的古籍及特藏文献影像资源已经超过16万部件，这当然是非常大的成绩。但如果始终没有全国性的任务总表和明确的完成标准，那么这项事业就很容易永远处于“持续推进”状态。

我们认为，今天首先应该把古籍数字化分成三个层次。第一层是影像数字化，这一层应该追求完成。纸张会老化，墨迹会褪色，古籍会受到虫蛀、水火、搬迁和各种意外的威胁，而高质量数字影像首先承担的是保存功能。一本书有没有达到保存标准的数字影像，这是可以明确回答的问题。第二层是文本数字化，应该追求全面覆盖。OCR还会出错，但这并不妨碍今天先识别，因为只要高质量影像保留下来，五年、十年之后完全可以用更好的模型重新识别。影像应该是相对稳定的数字底本，文本则是一个可以不断升级的软件层。第三层是知识结构化，包括人名、地名、版本关系、引文来源、异文分析等等，这已经进入真正的学术研究，不应该追求“完成”。可以把这三层概括成一句话：影像层追求完成，文本层追求覆盖，知识层允许生长。

今天真正的瓶颈，可能也不再只是技术，而是组织方式。过去常见的模式是：一家图书馆申请一个项目，找技术公司扫描，建设一个数据库，项目验收；另一家机构又建设另一套系统，使用另一套元数据。久而久之，我们拥有了很多数据库，却未必拥有一个真正统一的数字基础设施。下一步最值得建设的，可能不是更多彼此孤立的网站，而是一个“中华古籍数字底座”：一部书有哪些版本，分别收藏在哪里，哪些已经扫描，哪些已经OCR，使用什么标准，谁做过校订，数据能否被下一代系统继续利用。真正重要的不是网站能不能继续运行二十年，而是网站消失以后，数据还能不能留下来。

要完成这样的工程，也不能只靠某一个主体。国家和公共机构最适合负责标准、总账和基础设施，收藏单位负责原件安全、版本著录和数字采集，企业负责大规模工程能力，高校负责专业判断，个人则可以参与众包校对和知识补充。企业最擅长的并不是判断某个明刻本属于什么版本系统，而是把一万页的工作扩大到一亿页。大学最不应该继续投入大量高层次人才做机器已经能够完成的重复录入，而应该解决最难的那部分问题：疑难字如何判断，异体字如何编码，版本之间是什么关系，OCR为什么在某些版式上持续出错，什么样的数据才能成为训练和评价模型的“金标准”。企业解决规模问题，大学解决判断问题，两者不是彼此替代，而应该形成新的分工。

这也直接关系到古典文献学的人才培养。AI越来越强，并不意味着文献学人才越来越不重要。恰恰相反，当机器能够完成80%、90%的机械工作以后，人的价值会越来越集中在最后那些真正需要知识和判断的问题上。未来的文献学人才，不应该只是“会点校古籍的人”，而应该既懂目录、版本和校勘，也懂数据、模型和数字工具。古籍数字化工程本身完全可以成为文献学教学最大的实践平台：学生面对的不再只是教材里的几张书影，而是真实的几十万个版本；学习校勘学，也不再只是手工比对三五个本子，而可以先由机器抽取异文，再判断其中真正有意义的问题。

为什么是现在？因为我们正好处在一个特殊的历史节点。古籍的物理状态随着时间不断衰减，而人类处理古籍的技术能力却随着时间不断增强。以前的人有更多保存完好的古籍，却没有今天的技术。未来的人会拥有比我们更强的技术，却未必还能看到今天保存状态如此完整的原件。我们这一代人的责任，也许不是替后人把所有古籍研究完，而是尽可能先把材料保存下来，把基础工作完成。

历史研究可以继续五百年，数字底座却不应该建设五百年。一个有限的文献集合，遇到不断增长的技术能力，最合理的结果不应该是“永远建设”，应该是有一天真正完成基础处理。我们不必替后人把古籍读完，至少应该保证，他们还有书可读，而且能够比我们更方便地读。