在今天一般的语言学教科书中，皆认为“文字是记录语言的符号体系”，“文字是记录语言的书写符号的系统”，“文字是在语言的基础上产生的。语言是第一性的，文字是第二性的。”［①］这个结论对于汉字与汉语的关系而言很不全面，它只说了较后阶段的事，而不是说的全部关系。本文对汉字与汉语的原始关系作出一些探讨，并就汉字与汉语的关系和拼音文字与语言的关系作一些比较。
在人类所创造的符号体系中，语言无疑是表达概念的最重要的符号之一。索绪尔在谈到语言与其所表达概念之间的联系时曾用“能指”与“所指”来区别“音响形象”与这种“音响形象”所表示的“概念”［②］。事物的“概念”是事物在人类大脑中的反映，而“音响形象”则是人类表达这种概念的一种语言符号方式，即一种“能指”。
当类人猿进化为人类时，为了达到相互之间的交流，他们可以通过听觉器官接收信号，然后再通过发音器官传达信号。但我们必须承认，人类也可以通过视觉器官接受信号，然后再通过手或身体的某个部位的描画动作来传达信号。初民在生产实践中不仅使用听觉器官将劳动工具和劳动对象发出的声音记忆下来，而且他的视觉器官同样将劳动对象和劳动工具印刻在大脑皮层上，在与其他的人进行交流时，他可以用声音来表达，也可以用身体的各种动作主要是手势来表达。例如他要表达一个果实的概念，他可以发出果实被他抛掷时发出的“gu lu lu”（后来成为“果裸”一词的来源）滚动声，也可以用手比划一下果实的圆形。因此，与“音响形象”一样，用手比划一个圆形也是一种“能指”。如果说前一种“能指”根源于人类的听觉器官和发音器官，那么，后一种“能指”则根源于人类的视觉器官和手，我们将前者姑称之为“听说器官”，后者姑称之为“视写器官 ”，当然这里的“写”是在广义上说的，不仅指写在纸上的，刻划在石头或陶器上的符号，也指诉诸视觉的空间动作。
一些人类学家多谈到现代“原始”民族存在着手势语，这正是由“视写器官”产生出来的。在初民那里，手、口同时与脑密切联系着，以致手和口实际上都是脑的一部分，无庸相互依傍，皆可以独立表达概念。列维—布留尔在《原始思维》一书中引述了许多例证：“在瓦拉孟加人那里，有时禁止寡妇说话达12个月之久，在这整个期间，她们与别人交谈只能通过手势语言。他们使用这种语言达到了如此纯熟的程度，以致在没有必要这样做的时候她们也宁愿使用这种语言”。“林肯港区的人们也象库贝斯克利克的土人们一样不出声地使用许多手势，这对他们的狩猎是十分必要的。他们利用手势，能够让自己的伙伴知道他们发现了什么动物，这些动物的准确位置在哪里。他们也用手势符号来表示一切种类的野兽野禽”［③］。布留尔在对大量的田野考察材料进行分析的基础上，得出了他的结论：“在大多数原始社会中都并存着两种语言：一种是有声语言，另一种是手势语言。应不应当这样假定：这两种语言并存，彼此不发生任何影响；或者相反，同一种思维由这两种语言来表现，而这种思维又是这两种语言的基础？后一种看法似乎更易于被接受，事实也确证了这个看法，喀申着重指出了有声语言和由手的动作表现的语言之间存在的那些相互关系。他指出，东南西北的次序和配置、数词的形成，在朱尼人那里来源于一定的手的运动。”［④］布留尔将根源于视写器官的手势称为“手势语言”显然不够准确，因为既是“手势”就不可能是“语言”，但他的思想内核中“两种语言”（手势语言和有声语言）的基础是同一种思维的看法则是极有见地的。为了证明“手势语言”根源于思维，布留尔又从手与脑的联系来说明用手说话可以无须依赖于听说器官：“手与脑是这样密切联系着，以致手实际上构成了脑的一部分。文明的进步是由脑对于手以及反过来手对于脑的相互影响而引起的”。
用手说话，这在某种程度上简直就是用手思维。因而，这些“手语概念”的特征必然在思维的口语表现中再现出来。在符号上差别如此巨大的两种语言（一种语言是由手势构成的，另一种是由分音节的声音构成的），在其结构和表现事物、动作、状态的方法上则又彼此相近。因此，如果说口头语言描写和叙述位置、运动、距离、形状和轮廓无微不至，那么，这正是因为手势语言也是用的同一些表现方法［⑤］。更有甚之，布留尔还认为有一部分分音节语言的表达是由“手语概念”决定的。他说：“用手势语言说话的人拥有大量现成的视觉运动联想供自由支配，而当人或物的观念在他的意识中出现时，这观念立刻就让这些联想发生作用。我们可以说，他是在描写它们的同时就想象着它们了。因而，他的分音节语言也只能够这样来描写。在原始人的语言中，给轮廓、形状、姿势、位置、运动方法赋予的意义，总之，给人和物的看得见的特点赋予的意义，即来源于此；按物的姿势（立、坐、躺）来对它们进行的分类等也来源于此。”［⑥］
“听说器官”和“视写器官”都是人类进行交际的最重要的器官，根源于这两者的符号也都是人类最重要的符号系统。人类在从动物进化到人的过程中，身体各个部位是同时协调向前发展的。当猿人进行直立行走时，手就被最早地分化出来，然后口腔和喉咙方能形成一个直角进而为语言的产生提供物质条件。手的灵活性既然足以使人类能够制造出各种各样的工具，这些工具中有一部分是模仿自然界的（例如石球模仿自然界的果实，尖状器模仿自然界的尖形物体），那么他们同样可以用这一双伟大的手，当需要向同伴们表达一些简单的概念时，描摹出物体的形状。而这种在空中比划的手势，只要他们刻划或写画在地上或者其他什么地方（例如石头或陶器上），就成为原始刻划符号和原始绘画。如果说听说器官产生的符号叫作语言符号，那么视写器官产生的符号就是写画符号，这两种符号系统都是初民用来表达概念和情感的工具，手势、原始刻划和原始图画同样是一种“能指”，这个“能指”所达到的对于事物概念的把握是通过“形”来实现的。
另外，聋哑人和盲人的符号表达也可以说明人类的听说系统的表达功能与视写系统的表达功能是处在同等重要的位置上的。盲人缺乏正常人的视写表达系统的功能，他可以用听说系统的功能来进行符号表达：聋哑人失去了听说功能，但他在视写方面得到了补充，他们在没有专门经过哑语训练的情况下，可以用类似我们上面列举的布留尔所说的方法，即用身体的各个部位——主要是用手势来进行符号的表达。
可见，听说系统和视写系统是人类进行交际的两个同时产生并行发展的符号系统。听说系统的有声语言符号与视写系统的手势符号（写画符号）是人类表达概念的两种最基本的“能指”。
国内学术界关于汉字起源主要存在着两种不同的看法：一是认为文字起源于原始刻画，一是认为文字起源于原始绘画。
我们认为，汉字起源于原始刻划还是起源于原始图画这两种相互矛盾的观点，在深层次上是一致的，它们皆由人类的视写器官发生。在中国，原始刻划与原始绘画的最早的考古资料虽然还有待于发现，但新石器时代彩陶纹饰中成熟的刻划符号与图画肯定有一个极为漫长的发展时期。从世界范围内来看，现在可以见到的人类最早的写画符号在旧石器中期就出现了。这一时期，尼安德特人已经能够用红色赭石在石板上描绘道道横条和丛丛斑点。在法国的利埃·穆斯特洞穴中，也发现了各种动物的断骨上面铸有丝丝横线，宛如图案雏型。在意大利、匈牙利和捷克斯洛伐克，都有与此相仿的文物出土［（11）］。这个时期，初民已经能够画一些简单的在采集和狩猎活动中所遇到的动植物图形，以及刻划一些极为简单的横竖道道来表达某种意思。而旧石器时代中期，按照摩尔根和恩格斯的说法，也正是“分音节的语言”产生的时期。据此，我们认为，语言和原始绘画和原始刻划产生于同一时期，而且，写画符号比语言的音响有着更为有力的考古实证。
汉字既然是从原始刻画与原始绘画直接发展而来，那么就可以说，作为汉字前身的写画符号和作为语言符号的汉语在时间上就是同时起源的。它们具有同等悠远的历史，它们是“同龄符号”，其区别只在于根源于人的两种不同的感觉器官。汉语是根源于人的大脑所指挥的听觉器官和口腔发音器官的交流，而汉字的前身写画符号则根源于人的大脑所指挥的视觉器官和手的交流。听觉和视觉器官是输入器官，口腔发音器官和手是输出器官，它们只起到一个操作作用。人类听说系统的符号与视写系统的符号皆根源于人类最初的生产实践，它们是同时产生的，有着同等的功能，而且对于表达概念具有互补性。汉字与原始写画符号虽然是两个概念，但写画符号却是汉字发生学的根据。因而就发生学的意义上可以说，汉字与汉语同时起源。
但是，关于汉语起源以后到文明时代的发展过程，我们实在是不甚了然。声音不能保存下来，因而汉语的早期音响形象无法推知，我们今天所知道的先秦古音，只是在原始语言不知道发生了多少变化以后的音响形象。而汉字的前身写画符号则不然，从石器时代就有一些刻划符号保存下来。语言在发展中隐去了它的历史，而作为文字起源阶段的刻划符号和原始绘画由于考古发掘材料的不断增多而显现了它的历史。这使我们今天的观念出现了一个很特殊的情况：我们可以将漫长的原始时代的人们所说的语言依然叫作语言，却将原始写画符号与文字区分开来，用两个不同概念来表达。假如我们将漫长的原始时代的刻划符号和原始绘画也叫作文字，我们就会觉得混淆了概念。于是，两个“能指”符号系统的表达就出现了不平衡；我们在思想中对于视写系统的符号作了过细的区分，而对另一个听说系统的符号没有作过细的区分。由于这种思维定势存在，我们现在就不习惯于将已经过细区分过的概念还原到没有过细区分的本来状态上去。这对我们认识汉字与汉语的关系很不利。因此，我们需要用一个“视写系统”概念来和“听说系统”相对应，于是我们对于问题的理解就要好得多了。我们只要将汉字看作视写系统的符号，把汉语看作听说系统，我们就能够明白汉字所属的符号系统与汉语所属的符号系统是同时起源的。
人类的视写符号系统和听说符号系统都来源于人类对客观世界事物的概念认识。既然如此，它们之间就具有密切的联系，初民可以用这一种表达方式，也可以用另一种表达方式，就看彼时彼地哪一种表达方式比较方便罢了。在最初阶段，这两个系统还是并列的、独立的，没有依附性。世界上古老的文字在其开始阶段，均走过了一段象形的道路，说明文字的开始阶段，是根源于人类的视写器官的。汉字也是这样。举“果”为例。“果”的发音为“gu lu lu”，文字写作“?”（甲骨文），在这里，两者都是“能指”。“所指”是同一个事物的概念，就是树上挂着的从花苞里长出来的圆圆的果实。也就是说，这两个符号的内涵和表现形式都是从人类的采集中所接触到树木的果实那里来的。所不同的是，“gu lu lu”这一音响形象是根源于人类的听说器官，而“?”则是根源于人类的视写器官，“?”不是记录“gu lu lu”这一音响形象的符号，它直接从事物的概念那里得到。这个汉字并不充当语言的附庸而可以直接表达概念。
但是，文字和语言这双重能指既然都是表达同一概念，那么就为这两者统一起来提供了心理上的依据。“?”既是一棵果树的形状，又与“gu lu lu”果实滚动的声音联结起来，念“果”（模仿“gu lu lu”的声音）。在这里，文字并没有附属于语言，不是记录语言的符号，而是直接从客观事物中取得它的符号形态的。文字被当作记录语言的符号系统是由于文字在后来的发展过程中完成了一次变革所造成的。当人们发现说和写都表达思维中的同一概念时，他们为方便起见，就可以使两者联结起来。一般说来，运用语言表情达意省劲得多，随时随地皆可说出，于是语言便成为人类交际的最主要的工具，视写系统的符号退居次要地位。当语言发展出一个完整的音位系统以后，文字就更加望尘莫及了，这同时也为文字的变革提供了一个契机：可以将原先描摹事物形状的文字改换一下，使之成为记录语言的工具。这样一来，文字与语言就得到了统一，于是文字就成为语言的附庸了。美索不达米亚的图画文字开始不是拼音文字，而是表意的，字形与意义联系十分紧密，文字并不附属于语言而存在。后来产生了美索不达米亚字母取代了象形文字，文字成了记录语言的符号，是“符号的符号”。这是文字发展史上一次巨大的变革，这次变革是把原先由视觉器官产生的形的符号进行一番改造，由它来表示声音系统，便将两种“能指”统一到一起。人类将根源于视觉的原始刻划和原始绘画与根源于听觉的声音表达由原来的“并列关系”分割开来，进行位移，并且重新组合成“主从关系”时，文字就成为记录语言的符号体系。这次巨大的变革对西方文化影响极为巨大。美索不达米亚字母被称为“一个只发生过一次的发明”，“这种字母很早就传播到埃及、印度、希伯莱、阿拉伯，又经由西亚的腓尼基人带给克里特人。而为全希腊所接受，又通过希腊人的再创造，形成完备的拼音文字，再传播给整个欧洲。今日流行于世界的英文、法文、德文、俄文、希伯莱文、阿拉伯文、梵文，尽管彼此多有歧异，但其字母都大体来自同一渊源”［（12）］。
然而并非所有的文字都具备这种变革的条件，也不是所有的文字都需要这种突如其来的变革。古代欧洲和北非的一些民族的象形文字被字母文字所代替，是由当时的具体历史环境所决定。但是，中国这块土地上的农业经济的发展并不需要也不可能产生这种突然的完全摆脱原始传统的变化。汉字与汉语的关系的变革是不声不响地进行的。随着形声字的产生并且数量逐渐增加而在汉字中占据优势地位，这种变革悄悄地完成了。但即使完成变革以后，即汉字变成了记录汉语的符号体系，也还保留着较多的原始文化传统。中国的文字训诂学有“声训”和 “形训”的“以声求义”和“以形说义”的方法，有力地说明了中国人是从声与形两方面去把握事物概念的。中国文字中由象形、指事、会意三法所造出的大量的字皆保留了从视觉器官取义的原始传统。纵然是形声字，虽然也注意到了“声”，但“ 形”始终是具有意义的。这是汉字与汉语之关系不同于西方文字与语言的关系的地方，也是汉字与汉语关系的特殊性。
把文字作为记录语言的符号系统这一看法在两千多年以前就产生了。亚里士多德说：“口语是心灵的经验的符号，而文字则是口语的符号。正如所有的人的书法并不是相同的，同样地，所有的人也并不是有相同说话的声音；但这些声音所直接标志的心灵的经验，则对于一切人都是一样的，正如我们的经验所反映的那些东西对于一切人也是一样的。”［（13）］亚里士多德所处的“轴心时代”是一个“反神话斗争”的时代［（14）］，就是批判原始文化，进行理性文化的创造的时代，此时的一些思想家不去追溯事物的起源而只注重于现状。无论是西方还是中国，几千年来特别注重这个时代，将他们的思想奉为不可逾越的高峰。一代一代传下来，就成为一种文化传统了。文字是记录语言的符号体系的看法也就广为流传了。然而，这种观点并不符合文字与语言的全部关系史，而且，如果不考虑汉字与汉语关系的特殊性，一味套用西方的学术观点来看待汉字与汉语的关系，则有可能由片面性导致出部分的谬误。