1. 引言：文化遗产数字化的时代命题与技术拐点

文化遗产是人类文明的物质见证与精神载体，其保护与传承始终面临着自然侵蚀、人为破坏与时间流逝的三重挑战。联合国教科文组织（UNESCO）2023年发布的《世界遗产状况报告》指出，全球已有超过52处世界遗产地被列入“濒危名录”，而气候变化正使这一数字加速增长（UNESCO, 2023）。在此背景下，数字化技术被赋予了前所未有的期待——它不仅是一种记录手段，更被视为文化遗产“永生”的可能路径。

然而，笔者认为，当前文化遗产数字化领域正处在一个关键的技术拐点上。过去二十年间，我们见证了从二维扫描到三维建模、从人工标注到自动识别的显著进步，但一个根本性的问题始终悬而未决：我们是否只是在制造海量的“数字标本”，而未能真正实现文化的“数字活化”？所谓数字标本，指的是那些虽然拥有高精度几何信息，却缺乏语义理解、文化阐释与交互能力的静态三维模型。这类模型在学术存档方面具有价值，但在旅游体验、公众教育与文化传播等场景中，其效用远未释放。

本文旨在系统性地探讨人工智能技术如何推动文化遗产数字化从“几何复现”走向“语义活化”。这一分析主线的确立基于以下观察：近年来，以神经辐射场（NeRF）、三维高斯泼溅（3D Gaussian Splatting, 3DGS）为代表的新型三维表征技术，以及以视觉Transformer（ViT）、大语言模型（LLM）和扩散模型（Diffusion Models）为代表的深度学习架构，正在从根本上改变我们获取、处理与呈现文化遗产信息的方式。这些技术不仅提升了重建精度与效率，更重要的是，它们为机器“理解”文化遗产的语义内涵打开了新的可能性。

从旅游行业的视角来看，这一技术演进具有双重意义。一方面，高保真的数字化内容可以为游客提供沉浸式的虚拟旅游体验，缓解热门景点的承载压力——据世界旅游组织（UNWTO）2024年报告，全球约67%的世界遗产地面临过度旅游的威胁（UNWTO, 2024）。另一方面，基于语义理解的智能导览系统能够根据游客的知识背景、兴趣偏好与情感状态，动态生成个性化的文化叙事，从而将旅游体验从“观看”提升为“对话”。

本文的结构安排如下：第二节回顾文化遗产数字化的三次范式跃迁，为后续技术讨论建立历史坐标；第三节深入剖析当前核心技术栈，包括三维重建、病害检测与内容生成；第四节通过国内外典型案例进行工程实践的解构；第五节探讨多模态知识图谱与可解释AI的前沿融合路径；第六节进行伦理维度的独立思辨；最后在第七节给出结论与展望。

2. 范式演进：从档案记录到智能活化的三次跃迁

2.1 第一次跃迁：光学记录与二维数字化（1990s-2005）

文化遗产数字化的早期实践可以追溯到20世纪90年代，彼时的核心手段是摄影测量与平板扫描。这一阶段的工作重心在于“抢救性记录”——将濒危文物与遗址的外观信息以二维图像的形式保存下来。典型的案例包括美国斯坦福大学于1998年启动的“米开朗基罗项目”（The Digital Michelangelo Project），该项目使用激光扫描仪对大卫雕像等文艺复兴雕塑进行了高密度点云采集，生成了当时精度最高的三维模型（Levoy et al., 2000）。

本文评述：这一阶段的技术范式可概括为“几何优先”——其核心追求是空间坐标的精确复现，而对文化语义的捕捉几乎完全依赖人工标注。这种范式在工程上具有奠基意义，但其局限性也十分明显：数据采集设备昂贵、处理流程繁琐、成果文件庞大且难以在互联网环境下流畅传播。更重要的是，这些“数字复制品”缺乏与观众之间的互动通道，本质上是一种静态档案。

2.2 第二次跃迁：多模态融合与交互式呈现（2005-2018）

随着计算机视觉与Web3D技术的成熟，文化遗产数字化进入了多模态融合阶段。这一阶段的标志性特征是“从单一模态走向多模态”——三维几何数据开始与纹理图像、光谱信息、历史文献乃至声音记录进行融合。同时，基于Unity3D、WebGL等引擎的交互式呈现技术使得数字文化遗产得以在博物馆触摸屏、移动设备与VR头显上展示。

欧盟于2011年启动的“3D-COFORM”项目是这一阶段的代表性工程实践。该项目旨在建立一套完整的文化遗产三维数字化工具链，涵盖从数据采集、处理、存储到展示的全流程（Arnold & Geser, 2008）。在中国，敦煌研究院于2014年上线的“数字敦煌”资源库同样具有里程碑意义——该平台提供了30个洞窟的高精度全景漫游，分辨率达到300DPI，总数据量超过50TB（樊锦诗, 2015）。

笔者认为，第二次跃迁的核心贡献在于打通了“数字化—展示”的闭环，但其深层缺陷也逐渐暴露：交互逻辑仍然以“浏览”为主，系统无法理解用户意图，更无法根据用户的知识背景调整信息呈现的深度与角度。换句话说，这一阶段的成果是“可看”的，但还不是“可对话”的。

2.3 第三次跃迁：AI驱动的语义理解与动态生成（2018至今）

第三次跃迁的核心驱动力来自深度学习技术的突破性进展。2018年以来，以Transformer架构为基础的大规模预训练模型在自然语言处理、计算机视觉与多模态理解领域取得了令人瞩目的成果。这些技术被迅速引入文化遗产领域，催生了“语义活化”的新范式。

这一范式的本质特征在于：机器不再仅仅是被动的记录工具，而开始具备对文化遗产内容进行“理解”“关联”与“生成”的能力。例如，基于视觉Transformer的模型可以自动识别壁画中的图像学元素（如佛教手印、服饰纹样），并将其与历史文献中的描述进行跨模态对齐；基于大语言模型的对话系统可以根据游客的提问，动态生成融合学术知识与通俗表达的个性化讲解；基于扩散模型的图像生成技术则可以根据残损文物的局部信息，推演其完整原貌的多种可能版本。

本文评述：第三次跃迁并非对前两次的否定，而是一种叠加与升华。几何精度仍然是基础，多模态融合仍然是手段，但在此基础上增加了“语义层”——这一层使得数字文化遗产从“档案”变成了“知识体”。然而，笔者必须指出，当前这一跃迁仍处于早期阶段，语义理解的深度、生成内容的可靠性以及系统的可解释性都面临着严峻挑战。这正是本文后续章节将要深入探讨的核心议题。

3. 核心技术栈：几何重建、语义理解与内容生成

3.1 高精度三维重建：从激光扫描到神经渲染

三维重建是文化遗产数字化的基础性技术，其发展历程清晰地映射了计算机视觉领域的整体进步。传统方法主要依赖激光扫描（LiDAR）与结构光扫描，其优势在于精度高（可达亚毫米级），但设备成本高昂、扫描速度慢、对光照条件敏感。近年来，基于图像的三维重建技术——尤其是运动恢复结构（Structure from Motion, SfM）与多视角立体视觉（Multi-View Stereo, MVS）——大幅降低了数据采集门槛，使得普通相机甚至手机拍摄的照片序列即可生成可用的三维模型。

然而，真正引发范式变革的是神经辐射场（Neural Radiance Fields, NeRF）的提出（Mildenhall et al., 2020）。NeRF使用一个多层感知机（MLP）来隐式地表示场景的连续体积密度与视角相关的辐射亮度，通过可微分渲染进行端到端优化。与传统方法相比，NeRF能够合成出前所未有的逼真新视角图像，尤其擅长处理半透明材质、复杂光照与细薄结构——这些恰恰是文化遗产场景中常见的挑战（如玻璃器皿、丝绸织物、镂空雕刻等）。

2023年出现的三维高斯泼溅（3D Gaussian Splatting, 3DGS）技术则进一步推动了实时渲染的边界（Kerbl et al., 2023）。3DGS将场景表示为大量具有三维高斯分布属性的“泼溅粒子”，通过可微分光栅化实现实时渲染，同时保持了与NeRF相当甚至更优的图像质量。在文化遗产领域，这意味着高保真的虚拟漫游可以在消费级GPU上以60FPS以上的帧率流畅运行，而无需依赖昂贵的云渲染服务。

笔者认为，NeRF与3DGS在文化遗产领域的应用前景极为广阔，但当前仍存在若干工程瓶颈。其一，训练数据需求量大——高质量NeRF重建通常需要数百张多视角图像，对于无法多角度拍摄的狭小空间或高空位置，数据采集面临物理限制。其二，动态场景处理能力有限——文化遗产现场往往包含移动的游客、变化的光照等动态元素，这些因素会显著降低重建质量。其三，几何精度与视觉逼真度之间存在权衡——NeRF在视觉效果上表现惊艳，但其隐式几何表征的绝对精度往往不如激光扫描。这些问题的解决需要算法层面的持续创新，以及多传感器融合策略的工程优化。

3.2 视觉语义理解：从图像分类到细粒度病害检测

如果说三维重建解决的是“形”的问题，那么视觉语义理解则致力于回答“是什么”与“怎么样”的问题。在文化遗产保护领域，这一技术路线的最重要应用之一是文物病害的自动检测与分类。

传统上，文物病害（如壁画起甲、酥碱、裂隙，金属文物锈蚀，木质文物腐朽等）的检测依赖文物保护专家的目视判断与手工标注。这一过程不仅耗时耗力，而且存在主观性强、可重复性差的问题。深度学习技术的引入为这一领域带来了变革性机遇。卷积神经网络（CNN）自2015年起被应用于壁画病害的像素级分割，但早期方法受限于感受野大小，对细长裂隙等结构特征捕捉不足。

2020年之后，视觉Transformer（ViT）架构的兴起为病害检测提供了新的技术路径（Dosovitskiy et al., 2021）。ViT通过自注意力机制（Self-Attention）能够建模图像中远距离像素之间的依赖关系，这对于识别贯穿整幅壁画的裂隙网络尤为有效。此外，Swin Transformer引入的层次化窗口注意力机制在保持全局感受野的同时降低了计算复杂度，使其更适合处理高分辨率的文物图像（Liu et al., 2021）。

在具体应用层面，敦煌研究院与浙江大学团队合作开发了基于改进Mask R-CNN的壁画病害自动检测系统，在莫高窟第85窟的测试中实现了对起甲、酥碱、裂隙等七类病害的自动分割，mAP（平均精度均值）达到78.3%（Li et al., 2022）。意大利博洛尼亚大学的研究团队则利用高光谱成像结合3D-CNN，实现了对油画底层素描的“穿透式”检测，为艺术史研究提供了全新的非侵入性工具（Cucci et al., 2023）。

本文评述：当前视觉语义理解在文化遗产领域的应用仍以“监督学习”为主导范式，这意味着需要大量高质量的人工标注数据。然而，文物病害的标注不仅需要专业知识，而且不同专家之间的一致性往往有限——这构成了领域特有的“标注噪声”问题。笔者认为，半监督学习、弱监督学习乃至自监督学习将是突破这一瓶颈的关键方向。此外，多光谱与高光谱数据的融合利用仍不充分，如何在保持空间分辨率的同时有效整合光谱维度的信息，是一个值得深入研究的课题。

3.3 内容生成与智能叙事：大语言模型与扩散模型的角色

文化遗产数字化的终极目标不仅是“保存”，更是“活化”——让静态的文物与遗址在当代语境中重新“说话”。这一目标的实现，离不开内容生成技术的支撑。近年来，大语言模型（LLM）与扩散模型（Diffusion Models）的突破为文化遗产的智能叙事开辟了全新的可能性空间。

在文本生成方面，基于GPT架构的大语言模型展现出了强大的知识整合与语言表达能力。在文化遗产旅游场景中，LLM可以被用于构建个性化智能导览系统。与传统导览的“单向广播”模式不同，基于LLM的系统能够理解游客的自然语言提问，并根据游客的知识背景、兴趣偏好与实时情绪状态，动态调整讲解的深度、角度与风格。例如，面对一位对佛教艺术有深入了解的学者，系统可以自动调用学术数据库中的研究成果，提供包含具体年代考证与风格分析的深度讲解；而面对一位学龄儿童，系统则可以切换到故事化的叙事模式，用生动的人物与情节来传递文化知识。

在图像生成方面，扩散模型（如Stable Diffusion、DALL-E 3）在文化遗产领域展现出独特的应用价值。一个典型的场景是文物虚拟修复与复原推演。传统的文物修复需要修复师根据残存痕迹与历史文献进行手工补全，这一过程不仅周期长，而且存在“过度修复”的风险。扩散模型可以根据残损区域的上下文信息，生成多种符合历史风格的可能复原方案，为修复师提供参考，同时也可以向公众展示文物在不同历史时期可能的面貌。故宫博物院与腾讯合作的项目中，就曾利用生成式AI对部分残损书画进行了数字化复原推演，生成了多个具有学术参考价值的复原版本（腾讯研究院, 2023）。

笔者认为，生成式AI在文化遗产领域的应用必须审慎对待“真实性”问题。扩散模型生成的内容本质上是基于训练数据分布的统计推断，而非历史事实的确定还原。如果不对生成内容进行明确的标注与说明，可能会对公众的历史认知产生误导。因此，笔者主张在文化遗产领域建立“生成内容标识规范”，要求所有AI生成或辅助生成的内容必须携带可追溯的元数据标记，明确区分“考古实证”“学术推测”与“AI生成”三个层次。

4. 工程实践：国内外典型案例的技术解构

4.1 敦煌莫高窟：从“数字敦煌”到“智慧敦煌”

敦煌莫高窟是全球文化遗产数字化领域最具标杆意义的案例之一。自20世纪90年代起，敦煌研究院便开始了系统性的数字化探索，经历了从胶片摄影到数字扫描、从二维记录到三维重建、从静态存档到智能服务的完整技术演进链条。

2014年上线的“数字敦煌”资源库是这一进程的里程碑。该平台整合了30个洞窟的高精度全景数据，图像分辨率达到300DPI，总数据量超过50TB。游客可以通过互联网免费浏览这些洞窟的360度全景图像，在一定程度上缓解了实地参观对洞窟微环境造成的压力——据敦煌研究院统计，莫高窟年接待游客量已从2010年的约50万人次增长至2019年的约200万人次，而洞窟内二氧化碳浓度与相对湿度的波动对壁画颜料层的长期保存构成了显著威胁（樊锦诗, 2015）。

2020年以来，敦煌研究院进一步推进“智慧敦煌”战略，将AI技术深度融入数字化保护与旅游服务。在病害监测方面，研究院部署了基于深度学习的壁画状态自动巡检系统，利用固定位置的高分辨率相机定期采集壁画图像，通过变化检测算法自动识别新生裂隙与颜料脱落区域。在旅游服务方面，敦煌推出了基于知识图谱的智能问答系统“敦煌小冰”，能够回答游客关于壁画内容、历史背景与参观信息的自然语言提问。该系统后台整合了超过10万条结构化知识条目，涵盖敦煌学研究的多个子领域（敦煌研究院, 2022）。

本文评述：敦煌案例最值得借鉴的经验在于其“渐进式数字化”策略——不是追求一步到位的完美方案，而是在持续迭代中逐步提升数字化深度与智能化水平。然而，笔者也注意到，当前敦煌的AI应用仍以“单点突破”为主，病害检测、知识问答、游客画像分析等系统之间的数据互通与协同效应尚未充分释放。如何构建一个统一的“文化遗产智能体”架构，实现多系统间的语义互操作，是下一阶段需要攻克的关键课题。

4.2 巴黎圣母院：灾难后的数字化重生

2019年4月15日，巴黎圣母院遭遇严重火灾，尖塔坍塌，屋顶大面积损毁。这一灾难性事件意外地凸显了文化遗产数字化保护的极端重要性——在火灾发生前，艺术史学家安德鲁·塔隆（Andrew Tallon）曾于2010-2015年间使用激光扫描仪对圣母院进行了完整的三维扫描，生成了包含超过10亿个数据点的精确点云模型。这一数据集成为了后续修复工程的核心参考依据（Tallon, 2019）。

火灾之后，法国政府启动了规模空前的数字化修复工程。除了利用塔隆的激光扫描数据外，项目团队还采用了最新的摄影测量与AI技术。一个值得关注的创新是，法国国家科学研究中心（CNRS）的研究团队开发了基于深度学习的“虚拟拼图”系统——火灾中散落的数千块石材碎片被逐一扫描，AI系统通过分析碎片的几何边缘特征与材质纹理，自动匹配其可能的原始位置，大幅提升了碎片整理的效率（CNRS, 2022）。

在公众参与层面，法国文化部与Ubisoft公司合作，利用后者在游戏《刺客信条：大革命》中精细建模的巴黎圣母院数字资产，结合VR技术为公众提供了火灾前的沉浸式虚拟参观体验。这一跨界合作引发了关于“游戏资产能否作为文化遗产档案”的广泛讨论。

笔者认为，巴黎圣母院案例给予我们一个深刻启示：文化遗产数字化不应被视为“一次性工程”，而应建立常态化的数据更新与备份机制。塔隆的扫描数据之所以能在灾后发挥关键作用，恰恰因为这是一次“计划外”的学术行为——如果全球每一处重要文化遗产都能有类似的“数字孪生”备份，人类面对灾难时的文化韧性将大幅提升。这需要国际组织、各国政府与学术机构的协同努力，以及相关数据共享协议的建立。

4.3 故宫博物院：AI驱动的游客服务与文物保护双轨并行

故宫博物院在数字化与智能化转型方面走出了一条独特的“双轨并行”路径——一方面利用AI技术提升游客服务质量，另一方面将AI深度应用于文物保护与研究。

在游客服务侧，故宫于2021年推出了基于深度学习的“智慧客流预测与调度系统”。该系统整合了历史票务数据、天气信息、节假日分布与社交媒体舆情等多源数据，使用时空图神经网络（ST-GNN）对次日各时段、各区域的客流密度进行预测，预测准确率达到92%以上（据故宫博物院2022年公开数据）。基于预测结果，系统可以动态调整票务策略与安保人员部署，有效缓解了热门区域的拥挤状况。

在文物保护侧，故宫与多家科研机构合作，开展了多项AI驱动的文物分析与修复研究。一项代表性工作是“基于高光谱成像与深度学习的书画隐藏信息提取”——通过对古代书画进行高光谱扫描，AI算法能够识别出肉眼无法察觉的底稿线条、修改痕迹与历史修复区域，为书画鉴定与艺术史研究提供了全新的证据维度（Zhang et al., 2023）。此外，故宫还探索了将强化学习应用于文物修复路径规划——对于一件需要修复的瓷器，AI系统可以在数百万种可能的碎片拼接顺序中搜索最优路径，辅助修复师制定修复方案。

本文评述：故宫的“双轨并行”策略在资源整合层面具有示范意义，但笔者也观察到，游客服务系统与文物保护系统之间的数据共享仍显不足。例如，客流预测数据如果能够实时反馈给微环境监控系统，便可以提前调整展柜温湿度控制策略，实现游客管理与文物保护的协同优化。这种跨系统的智能联动，是“智慧博物馆”从概念走向现实的关键一步。

5. 前沿预判：多模态知识图谱与可解释AI的融合路径

5.1 多模态文化遗产知识图谱的构建挑战

如果说三维重建为文化遗产提供了“骨骼”，视觉语义理解为它赋予了“感官”，那么知识图谱则是文化遗产数字化的“大脑”——它负责将分散的、异构的信息整合为结构化的知识网络，支撑更高层次的推理与问答。

文化遗产领域的知识图谱构建面临着独特的挑战。其一，多模态性——文化遗产知识天然地跨越了文本（历史文献、考古报告）、图像（壁画、器物照片）、三维模型（遗址扫描）、音频（传统音乐、口述历史）等多种模态。如何在不同模态之间建立精确的语义对齐，是技术上的核心难题。其二，时序性——文化遗产往往具有漫长的历史跨度，同一件文物在不同时期的形态、功能与意义可能发生显著变化，知识图谱需要能够表征这种动态演化。其三，不确定性——考古学与艺术史学中存在大量有争议的学术观点，知识图谱不应强行统一这些观点，而应保留多元解释的空间。

近年来，学术界在文化遗产知识图谱方面进行了多项探索。欧洲的“ARIADNEplus”项目整合了超过200万条考古数据记录，构建了一个跨国的考古知识图谱基础设施（Niccolucci & Richards, 2022）。中国的“文物知识图谱”项目则聚焦于可移动文物的知识关联，已收录超过50万件文物的元数据与关联关系（国家文物局, 2023）。

笔者认为，当前文化遗产知识图谱的最大瓶颈不在于规模，而在于“深度”——大多数现有知识图谱仍停留在元数据层面的关联（如“某文物—出土于—某遗址”），而未能深入到图像内部元素的语义标注与跨模态对齐。例如，一幅敦煌壁画中的“飞天”形象，其在图像中的位置、姿态、服饰细节与同期文献记载之间的对应关系，目前仍难以在知识图谱中得到精确表征。突破这一瓶颈需要计算机视觉、自然语言处理与领域专家知识的深度融合。

5.2 可解释AI在文物鉴定与断代中的应用前景

文物鉴定与断代是文化遗产领域最具专业门槛的工作之一，传统上高度依赖专家的经验判断。近年来，基于深度学习的自动鉴定系统开始出现，但其“黑箱”特性引发了广泛担忧——一个AI系统可以输出“此器物为宋代青瓷”的判断，却无法解释其判断依据，这在学术严谨性与法律采信层面都是不可接受的。

可解释AI（Explainable AI, XAI）技术的引入为解决这一问题提供了可能。在文物鉴定场景中，可解释性主要体现在三个层面：其一，特征归因——通过Grad-CAM、SHAP等方法可视化模型决策所依赖的图像区域，使专家能够验证模型是否关注了正确的鉴定特征（如器型轮廓、釉色纹理、款识笔画等）。其二，概念级解释——将模型的内部表征映射到人类可理解的鉴定概念（如“圈足外撇”“釉面开片”），使解释更贴近领域专家的认知框架。其三，反事实推理——生成“如果某特征发生变化，鉴定结论将如何改变”的反事实示例，帮助专家理解模型的决策边界。

2023年，斯坦福大学与佳士得拍卖行合作的一项研究将可解释AI应用于中国瓷器的年代鉴定，模型在测试集上达到了89.7%的准确率，同时通过Grad-CAM可视化显示，模型确实关注了器型比例与釉色过渡等鉴定学意义上的关键特征（Wang et al., 2023）。

本文评述：可解释AI在文化遗产领域的应用仍处于萌芽阶段。笔者认为，未来的发展方向不应止步于“让专家理解AI”，更应追求“让AI理解专家的推理过程”——即通过认知建模的方式，将文物鉴定专家的思维过程（包括视觉比较、风格分析、文献互证等）形式化为可计算的推理链条。这将使AI系统不仅能够给出鉴定结论，还能够生成符合学术规范的鉴定报告，真正成为专家的智能助手而非替代者。

5.3 具身智能与机器人技术在遗址现场的应用

一个值得关注的前沿方向是具身智能（Embodied AI）在文化遗产现场的应用。传统的数字化采集依赖人工操作设备，但在一些极端环境中——如深海沉船遗址、高空石窟、狭窄墓道——人工操作面临安全风险或物理限制。具备自主导航与操作能力的机器人系统可以突破这些限制。

2022年，意大利理工学院（IIT）的研究团队开发了一款用于考古遗址探测的四足机器人，搭载激光雷达与多光谱相机，能够在崎岖地形中自主行走并采集三维数据。在庞贝古城的测试中，该机器人成功完成了对一处尚未对公众开放区域的完整扫描（IIT, 2022）。在中国，浙江大学与敦煌研究院合作探索了利用无人机与攀爬机器人对莫高窟崖面进行定期巡检的技术方案，以替代传统的人工绳索作业。

笔者认为，具身智能在文化遗产领域的应用前景广阔，但必须审慎评估机器人与遗址物理接触可能带来的风险。任何自主系统在文化遗产现场的部署都应遵循“最小干预原则”，并设置多重安全冗余机制。此外，机器人的现场行为应全程可追溯、可审计，以确保其操作符合文物保护伦理规范。

6. 伦理反思：数据主权、算法偏见与可持续性

6.1 文化遗产数据的主权归属与共享困境

文化遗产数字化进程中，一个日益凸显的伦理议题是数据主权的归属问题。当一件文物的高精度三维模型被创建后，这些数据属于谁？属于文物所在的博物馆？属于数据采集的技术团队？还是属于文物来源地的文化社群？这一问题在殖民时期流失文物的数字化场景中尤为敏感。

2019年，新西兰国家博物馆（Te Papa）与毛利部落合作，制定了“数字化文物数据治理框架”，明确规定涉及毛利祖先遗物的三维数据必须由部落代表参与管理决策，任何商业使用须获得部落的知情同意（Te Papa, 2019）。这一案例为全球文化遗产数据治理提供了重要参考。

笔者认为，文化遗产数据主权问题不应被简化为“开放”与“封闭”的二元对立。一个更具建设性的框架是“分级共享”——将数据分为公开元数据、学术研究数据、商业应用数据等不同层级，分别设定差异化的访问权限与使用条款。同时，应探索基于区块链的数据溯源与使用追踪机制，确保数据使用的透明性与可审计性。

6.2 算法偏见与文化表征的公平性

AI系统在文化遗产领域的应用并非价值中立——训练数据的分布偏差、标注者的文化背景、模型架构的设计选择都可能引入算法偏见，进而影响文化表征的公平性。

一个值得警惕的现象是，当前主流的视觉AI模型大多基于西方艺术史的训练数据开发，对非西方文化传统的艺术品类（如中国水墨画、非洲木雕、伊斯兰细密画）的识别与理解能力明显不足。2022年，一项针对主流图像识别模型的研究发现，这些模型对欧洲油画的风格分类准确率比对亚洲绘画高出约23个百分点（Srinivasan et al., 2022）。这种技术层面的偏差如果未经纠正便被应用于全球文化遗产平台，可能加剧文化表征的不平等。

本文评述：解决算法偏见问题需要从数据、算法与评估三个层面协同推进。在数据层面，应有意识地增加非西方文化遗产的训练样本；在算法层面，可以引入公平性约束与对抗性去偏技术；在评估层面，需要建立多元文化背景的评估基准与专家评审机制。更重要的是，技术团队应保持文化敏感性，在开发过程中主动邀请来源社区的代表参与，确保AI系统对文化遗产的表征是尊重、准确与包容的。

6.3 技术可持续性与碳足迹考量

一个较少被讨论但同样重要的议题是文化遗产AI技术的环境可持续性。大规模深度学习模型的训练与推理需要消耗可观的能源，产生显著的碳足迹。据估算，训练一个大型Transformer模型所产生的碳排放相当于一辆汽车行驶约20万公里的排放量（Strubell et al., 2019）。

在文化遗产领域，这一议题具有特殊的反讽意味——我们为了保护人类文化遗产而使用AI技术，却可能因此加剧气候变化，而气候变化恰恰是威胁文化遗产的重要因素之一。这一悖论要求我们在技术选型时纳入环境成本考量，优先选择轻量化模型架构（如模型蒸馏、量化、剪枝），并尽可能使用绿色能源驱动的计算资源。

笔者认为，文化遗产AI的可持续性不应仅从环境维度理解，还应包括技术可持续性与组织可持续性。技术可持续性意味着系统应具备长期维护与迭代的能力，避免成为“一次性工程”；组织可持续性则要求建立稳定的跨学科团队与资金机制，确保项目不因关键人员离职或经费中断而停滞。这三个维度的可持续性相互关联，需要在项目规划阶段就进行系统性设计。

7. 结论与展望

本文以“从几何复现到语义活化”为核心分析主线，系统梳理了人工智能技术在文化遗产数字化保护与旅游场景活化中的应用现状、工程实践与前沿趋势。通过上述分析，可以得出以下核心判断：

第一，文化遗产数字化正处于从“档案范式”向“知识范式”转型的关键期。以NeRF、3DGS为代表的新型三维表征技术解决了“形”的问题，以ViT、LLM、扩散模型为代表的深度学习架构则为“义”的理解与生成打开了新的可能性。然而，几何精度与语义深度之间的断层仍是当前面临的核心矛盾。

第二，工程实践表明，成功的文化遗产AI项目往往遵循“渐进式数字化”与“双轨并行”策略。敦煌、故宫与巴黎圣母院等案例共同揭示了一条规律：技术先进性与领域适配性需要反复磨合，跨学科团队的长期协作比单点技术突破更为关键。

第三，前沿方向指向多模态知识图谱、可解释AI与具身智能的融合。未来的文化遗产AI系统将不仅是记录工具或展示平台，而将成为具备理解、推理与对话能力的“文化智能体”。

第四，技术伦理问题必须与技术发展同步考量。数据主权、算法偏见与环境可持续性不是技术之外的附加议题，而是文化遗产AI健康发展的内在约束条件。

展望未来，笔者认为以下三个方向值得学界与业界重点关注：一是轻量化、可部署的端侧AI方案，使文化遗产智能服务能够在网络条件有限的遗址现场运行；二是人机协同的混合智能系统，将AI的高效处理能力与人类专家的深度判断力有机结合；三是面向文化多样性的全球合作框架，确保AI技术惠及不同地域、不同规模的文化遗产机构，而非仅为少数“明星遗产”服务。

文化遗产是人类共同的记忆载体。AI技术为这一记忆的保存与传承提供了前所未有的工具，但技术本身并非目的——真正的目标是让每一代人、每一位游客都能在与文化遗产的对话中，感受到历史的温度与文明的厚度。这既是技术命题，更是人文使命。

主要参考文献