指纹为什么能看出年龄：兵马俑上的 79 枚指纹

2026 年秋天，《Journal of Cultural Heritage》登了一篇论文，题目直接是一个问题：秦始皇的兵马俑是谁做的？¹ 作者来自秦始皇帝陵博物院和山东大学，他们没有去找工匠的名字，而是去看陶俑身上留下的指纹。一号坑 T23 方里，36 件陶俑的手臂、甲片和头部一共找到 79 枚清晰的指纹²，最后得出的结论是：

45.0% 来自成年男性，32.7% 来自成年女性，22.3% 来自不满 15 岁的孩子。

这个结论本身已经够有意思了：一直以来人们默认兵马俑是成年男性工匠和刑徒做的。但读到这里，更让人好奇的是方法。指纹不是一辈子不变的吗？公安靠它认人，靠的就是它从小到老都一样。那么，一枚两千两百年前按在泥上的指纹，凭什么能看出按它的人是男是女、多大年纪？

这篇文章就从这个疑问出发，先看指纹里到底有什么东西是会变的，再看这个“会变的东西”能判断到什么程度，最后回到兵马俑这三个数字上。

一、指纹里会变的东西

嵴的条数一辈子不变

指纹是手指皮肤上一条条凸起的“嵴”（ridge）和嵴之间的“沟”。这些嵴在胎儿期就长好了：大约在胎龄 10 周半开始出现，到 16 周左右，花纹的样子、每一处分叉和断点都已经定下来³。从那以后，嵴不会再多一条，也不会少一条。这就是指纹能用来认人的原因。

手指在长大

可是手指本身在长大。一个 5 岁孩子的指尖和一个成年人的指尖，面积差了好几倍，上面的嵴却是同样那么多条。多出来的面积去哪了？答案是：已经长好的、条数固定的嵴被一点点拉开了⁴。就像在一个没吹起来的气球上画几道平行线，吹大以后线还是那几条，线和线之间的距离变宽了。

所以，花纹认人，间距看个子。考古学家测的就是这个间距，叫平均嵴宽（mean ridge breadth，MRB）：在指纹上垂直于嵴画一条测量线，量出线的长度，除以它跨过的嵴的条数（一条嵴加一条沟算一个），得到每条嵴平均占多宽，单位是毫米/嵴。

图 1 · 嵴的条数一辈子不变，变的是间距：平均嵴宽（MRB）= 测量线长度 ÷ 跨过的嵴数，它跟着手指大小走。数值取自本文示意参考曲线。

另一种常见的量法叫嵴密度（ridge density，RD）：在 5×5 毫米的方框里沿对角线数有几条嵴。嵴越宽，同样长度里数到的嵴就越少，所以 RD 和 MRB 其实是同一个间距的两种写法，一个是另一个的倒数。兵马俑这篇论文在摘要里专门批评了以往把 MRB 和 RD 当成两个独立证据一起用的做法¹：两个量说的是同一件事，叠在一起用，等于把同一条证据算了两遍，结论会显得比实际更有把握。

既然嵴宽跟着手指大小走，那它跟年龄、性别又是什么关系？

二、嵴宽怎样随年龄和性别变化

儿童期：只跟年龄走

从两三岁到青春期，孩子的身高和嵴宽几乎是一起线性增长的，这段时间男孩和女孩之间没有明显差别⁴。也就是说，在儿童期，嵴宽能估年龄，但估不出性别。最早把这个关系用到考古上的是 Kamp 等人 1999 年的研究：他们先在现代人身上量出嵴宽和年龄的关系，再拿去套美国西南部 Sinagua 文化的陶塑，发现小动物陶塑的作者平均只有十一二岁，而技术更难的绳纹陶器作者在 18 岁以上⁵。

成年后：只跟性别走

到了青春期，男女分开了。女孩大约比男孩早两年停止长个子⁴，成年男性的手指整体更大，嵴也就更宽。法医学上很早就注意到这一点：女性的嵴更细更密，同样的方框里能数出更多条⁶。成年以后手指不再变长，嵴宽也基本停住，于是它能区分性别，却看不出一个成年人是 20 岁还是 50 岁。

把这两段画在一起，就是下面这张图。为了让图上的关系看得清楚，这里的曲线是按文献里的几个锚点拼出来的示意曲线：成年女性约 0.45 毫米⁴，成年男性大于 0.52 毫米、青春期前的孩子小于 0.37 毫米⁷。它不是论文实际用的参考数据。

图 2 · 嵴宽在儿童期跟年龄走、成年后跟性别走，两段在 0.45 附近撞在一起。曲线是按文献锚点拼的示意曲线，不是真实参考数据。

图上那条 0.45 的水平线已经把麻烦摆出来了：它先在十三四岁穿过儿童曲线，再在成年女性那条线上一直走下去。那么，拿到一枚 0.45 毫米的指纹，我们能说出它是谁吗？

三、一枚指纹为什么判不准

第一次尝试：一枚一枚地判

最直觉的做法是，像 Kamp 那样，用现代人的数据拟合一条“嵴宽 → 年龄”的公式，再拿每一枚古代指纹去套。后来在以色列青铜时代遗址 Tell eṣ-Ṣâfi/Gath 的研究里，用的就是 Kamp 公式的修改版：年龄（月）= 614 × MRB（毫米）− 112⁷。这样每枚指纹都能得到一个年龄，嵴宽大于某个值的再归为男性，最后数一数各类有多少枚。

不足：三个绕不开的问题

第一，分不开的重叠。 图 2 已经说明，成年女性和十三四岁的男孩在嵴宽上几乎一样。研究美国西南部古普韦布洛陶器的 Kantner 说得很直白：个头大的男孩和个子小的成年女性，留下的指纹差不多大⁸。这不是测量不够准的问题，是两类人本来就长得一样。

第二，陶土会缩。 泥坯晾干、入窑烧制，线长会缩小大约 2% 到 12%⁹，指纹也跟着变小。不同的泥料、不同的烧法缩得不一样，而我们通常不知道某件陶器具体缩了多少。

第三，人和人群不一样。 同一个年龄、同一个性别，个体之间本来就有差异；不同人群因为遗传和营养，成年人的平均手指大小也不同。把这些叠起来，Burchill 等人估计，一枚测出来 0.45 毫米的指纹，对应的真实嵴宽可能在 0.3 到 0.6 毫米之间，几乎可以来自 4 岁以上的任何人⁴。

为了看清楚单枚判断能错到什么程度，我们用图 2 的示意曲线做了一个模拟：按每个人 7.5% 的个体差异生成两万枚指纹，再把每一枚判给最可能的那一类。结果如下。

单枚判断：真实是谁 × 判成了谁（模拟，两万枚）

真实	判成成年男	判成成年女	判成未成年
成年男	79%	20%	0.4%
成年女	16%	69%	16%
未成年（8–14 岁）	6%	36%	58%

总体判对 71%。未成年人的指纹有三分之一被当成了成年女性。

表 1 · 一枚一枚地判，成年女性这一类会同时吸进男孩和小个子男人，各类的数量都会被系统性地搬动。

单枚判断会错，这本身不奇怪。麻烦在于它错得有方向：每一类都往别的类里漏，而且漏的比例取决于这批人里各类本来有多少。数完以后得到的比例，混着“真实比例”和“误判比例”两样东西，分不开。Burchill 等人的模拟里，基于 Kamp 公式的方法在“年龄 + 性别”这个指标上，甚至比随机乱猜还差⁴。

既然一枚指纹说不清是谁，有没有别的问法？

四、换一个问法：一批指纹里各占多少

从“这一枚是谁”到“这一批是什么比例”

回到图 2。单看一个点，0.45 落在好几条曲线上；但如果手里有几十上百枚指纹，它们在嵴宽轴上会排成一个有形状的分布：成年男性那一类会在 0.52 附近堆出一个峰，成年女性在 0.45 附近，孩子散在更窄的那一边。各类占多少，决定了这几个峰的高矮。

于是问题可以换成：要按什么比例把这几类人的嵴宽分布叠起来，才最像我们手上这一批指纹？ 这就是混合模型（mixture model）。它不给每一枚指纹下结论，只估整批的比例。

图 3 · 单看一枚 0.45，三类都说得通；但一整批指纹的柱状图形状，只有按一定比例把三条曲线叠起来才拼得出。混合模型估的就是这个比例。

图 3 里那条竖线就是单枚判断的困境：在 0.45 处，即使已经知道整批的比例，这一枚是成年女性的可能也只有 64%，是孩子的 20%，是成年男性的 16%。但柱子整体的轮廓是另一回事：男性多一点，右边的峰就高一点；孩子多一点，左边的肩就鼓一点。几十枚指纹合在一起，轮廓就能把比例“约束”住。

贝叶斯的那部分

兵马俑论文用的方法来自 Burchill、Sanders 和 Morgan 2023 年发表的一套贝叶斯混合模型⁴。Kantner 评价说，这是第一次有人把贝叶斯建模用在真实的考古指纹数据上¹⁰。它的结构可以这样理解：

每枚指纹背后都有一个看不见的年龄和性别。
给定年龄和性别，期望的嵴宽由一条按性别分开的生长曲线给出，曲线的形状从现代参考数据里拟合出来。实际测到的嵴宽在这个期望值附近有一定的随机波动。
这一批人里男性占多少，用一个不偏向任何一方的先验；每个性别的年龄分布用一个 gamma 分布描述，均值先放在 20 岁左右，但允许在 5 到 45 岁之间变动。
用 MCMC 采样，把“这批人里男性占多少、各自年龄怎么分布”这些参数和每枚指纹的潜在身份一起推出来。

“贝叶斯”带来的最大好处，是结果不是一个数，而是一个分布：比例最可能是多少，可能的范围有多宽，都一起给出来。

收缩怎么办

第三节的第二个问题，陶土收缩和人群差异，混合模型也没法凭空知道。Burchill 等人的处理办法是缩放：假设这批指纹里最宽的那 5% 来自成年男性，把它的第 95 百分位对齐参考数据里成年男性的第 95 百分位，整批一起放大或缩小⁴。这一步的前提是这批人里确实有成年男性。兵马俑这篇论文是不是用了同样的缩放，从摘要和报道里看不出来。

有了这套方法，兵马俑那 79 枚指纹是怎么走到三个百分比的？

五、兵马俑论文做了什么

论文的样本来自一号坑 T23 方。这个方里共有 227 件陶俑，大约占一号坑已出土陶俑的十分之一⁹。研究者在其中 36 件上找到了足够清晰、能测量的指纹，共 79 枚，大多在手臂、甲片和头部²，也就是捏合、抹平、拼接各部件时手会按到的地方。他们只保留了最清楚的指纹，看起来像同一个人留下的成对指纹也剔掉了⁹。

图 4 · 论文从 79 枚指纹走到三个百分比：测的是嵴宽，比的是现代参考人群，估的是这一批指纹里各类的占比。

接下来的步骤就是第四节讲的那一套：逐枚量出平均嵴宽，和现代参考人群的生长曲线比对，交给贝叶斯混合模型估比例。参考数据来自现代欧洲人群¹，原因很简单：目前没有覆盖各年龄段的古代或现代东亚人指纹嵴宽数据集⁹。

结果把这批指纹分成三类：成年男性 45.0%，成年女性 32.7%，15 岁以下 22.3%。“15 岁”这条线不是从指纹里来的，而是从秦律里借来的：秦代法律以 15 岁左右作为承担刑事责任、服徭役的起点⁹，作者据此把 15 岁以下算作“未成年”。报道里还提到，模型估出的典型成年工匠年龄，男性在 20 岁左右，女性在 18 岁左右⁹。

这个结果和其他史料也对得上。秦律里有女性刑徒和男性一起干土方活的记载；同时期官营作坊的漆器铭文里出现过成年女性、女孩和男孩的工名；睡虎地秦简把年幼的隶臣的劳动折算成产量，岳麓秦简里有官营作坊收学徒的规定⁹。指纹给这些文字记载补上了一份“身体证据”。

但这三个数字到底有多准？

六、这三个数字能信到什么程度

论文作者自己在摘要里写了三条保留意见¹：比例是指纹的枚数，不是人数；行为上的偏差会影响谁留下指纹；依赖现代欧洲参考数据，可能高估了女性和未成年人的比例。前两条比较好理解，第三条需要一点解释。我们把第四节的方法简化以后做了一个小实验来看。

实验：79 枚指纹能估多准

实验用的还是图 2 的示意曲线。为了简单，我们把三类人的嵴宽分布固定下来（成年人 15 到 50 岁，未成年人 8 到 14 岁、男女各半），只让模型估三类的比例，用 Gibbs 采样求后验，比论文的模型简单得多。每次按 45 : 32.7 : 22.3 的真实比例生成 79 枚指纹，重复 30 次。

平均下来，模型估出的比例是 45.2%、35.9%、18.9%，和真实值相当接近。但每一次的 90% 可信区间，宽度平均是 25、34、23 个百分点。也就是说，79 枚指纹的精度大约是正负十几个百分点。论文给出的 32.7% 精确到小数点后一位，实际的不确定性要大得多；可信区间在摘要和报道里都没有给出。

另外，如果模型里假设未成年人是 5 到 14 岁（实际生成的是 8 到 14 岁），估出来的未成年比例会掉到 11.5%，成年女性涨到 45%。年龄分布的假设不同，比例就会在“女性”和“孩子”之间搬家。这正是图 2 里那段重叠造成的。

尺度偏一点会怎样

第三条保留意见可以直接做成实验：生成 79 枚全部来自成年男性的指纹，然后把它们整体缩小 3% 或 6%，模拟“收缩估少了”，或者“这群人的手本来就比参考人群小”。

同一批 79 枚指纹，尺度偏一点（模拟）

情形	估成年男	估成年女	估未成年
真实：79 枚全部是成年男性
尺度准确	90.5%	6.7%	2.8%
整体小 3%	78.0%	18.5%	3.5%
整体小 6%	55.8%	40.2%	4.0%
真实：45 : 32.7 : 22.3（这一批实际 42 : 23 : 14 枚）
尺度准确	55.8%	29.3%	14.9%
整体小 4%	38.5%	38.9%	22.6%

表里是后验均值。陶土收缩的范围是 2%–12%，几个百分点的尺度误差并不罕见。

表 2 · 尺度只偏 6%，一群全是男人的工匠就会被估出四成“女性”：混合模型对整体尺度非常敏感。

原因不难理解：整体缩小以后，成年男性的峰从 0.52 往 0.49 挪，模型只能用“更多女性”去解释这些偏窄的指纹。如果秦代人的手平均比现代欧洲人小，而尺度又没有完全校正过来，结果就会往“女性多、孩子多”的方向偏，这正是论文自己说的“可能高估”。反过来也要看到：尺度准确时，全男的一批被估成了九成男性，模型并没有凭空造出大量女性和孩子。

枚数不等于人数

还有两条偏差，实验模拟不了，但同样重要⁹：

一个人可以留很多枚，也可以一枚不留。 79 枚指纹背后可能是二三十个人，比例是按枚数算的，一个特别“手重”的学徒就能拉高一类的占比。
谁会留下指纹，本身有偏向。 熟练工匠会把表面抹平，把自己的指纹抹掉；留下来的，更可能是做粗活、做拼接的帮手和学徒。

再加上样本只来自 T23 一个方，而兵马俑的制作前后持续十多年，这三个数字更像是“某个时段、某个作坊、某些工序里留下的指纹的构成”，而不是整个兵马俑工程的人员构成。

七、回到开头

现在可以回答开头的问题了。指纹的花纹一辈子不变，所以能认人；但花纹上嵴与嵴的间距会随着手指长大被拉开，所以能看出手有多大。手的大小在儿童期跟年龄走，成年后跟性别走，这就是指纹能看出年龄和性别的全部原理。

它的局限也正出在这里：嵴宽只是“手有多大”的代理量，十三四岁的男孩和成年女性的手一样大，一枚指纹永远分不开他们。兵马俑这篇论文的做法，是不再追问每一枚是谁，而是估一整批里各类的比例，并用贝叶斯方法把不确定性一起带出来。它给出的“45.0%、32.7%、22.3%”，最可靠的部分是方向：这批指纹里，有相当一部分来自成年男性以外的人。至于具体的百分比，受样本量、参考人群和收缩校正的影响，可能上下浮动十几个百分点。

小结

指纹为什么能看出年龄？嵴的条数在胎儿期定下，手指长大时嵴被拉开，平均嵴宽跟着手的大小走。
嵴宽和年龄、性别是什么关系？儿童期随年龄近似线性增长、男女不分；成年后停住，男性比女性宽。
一枚指纹为什么判不准？成年女性和十三四岁男孩嵴宽重叠，再加上陶土收缩 2%–12% 和人群差异，单枚判断会系统性地搬动各类的数量。
论文怎么绕过去？用贝叶斯混合模型估一整批指纹的比例，而不是给每一枚定人。
兵马俑的结果是什么？一号坑 T23 方 36 件俑上的 79 枚指纹：成年男 45.0%、成年女 32.7%、15 岁以下 22.3%。
能信到什么程度？79 枚的精度大约正负十几个百分点；整体尺度只偏 6%，全男的一批就会被估出四成女性；比例是枚数不是人数。方向可信，具体数字要打折扣。

参考资料

Who produced Emperor Qin Shihuang's Terracotta Army, China? A Bayesian mixture model approach to fingerprint age and sex determinationXiaoxi Li, Jingyi Shen 等 · Journal of Cultural Heritage · 2026sciencedirect.com ↗ ↩ ↩² ↩³ ↩⁴
Who really made China's Terracotta Army? Fingerprints reveal new cluesPhys.org · 2026-10phys.org ↗ ↩ ↩²
The Fingerprint Sourcebook, Chapter 3: Embryology and Morphology of Friction Ridge SkinKasey Wertheim · NIJojp.gov ↗ ↩
Inferring the age and sex of ancient potters from fingerprint ridge densities: A data-driven, Bayesian mixture modelling approachAndrew T. Burchill, Akiva Sanders, Thomas J. H. Morgan · MethodsX · 2023pmc.ncbi.nlm.nih.gov ↗ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸
Discovering childhood: Using fingerprints to find children in the archaeological recordKathryn A. Kamp 等 · American Antiquity · 1999 ↩
Is there a gender difference in fingerprint ridge density?Mark A. Acree · Forensic Science International · 1999 ↩
Fingerprint evidence for the division of labour and learning pottery-making at Early Bronze Age Tell eṣ-Ṣâfi/Gath, IsraelKent D. Fowler 等 · PLOS ONE · 2020pmc.ncbi.nlm.nih.gov ↗ ↩ ↩²
Reconstructing sexual divisions of labor from fingerprints on Ancestral Puebloan potteryJohn Kantner 等 · PNAS · 2019doi.org ↗ ↩
Fingerprints in the Terracotta Army's clay show women and children helped build itArchaeology Magazine · 2026-10archaeologymag.com ↗ ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸
Ancient Fingerprints Reveal Women and Children May Have Helped Build China's Terracotta ArmyZME Science · 2026-10zmescience.com ↗ ↩