柏拉图在《会饮篇》中借狄奥提玛之口描绘了一个上升的序列。灵魂从一个美的身体出发，进而领悟所有美的身体间的共通性，再攀升至灵魂之美、制度之美、知识之美，最终触及不依附于任何具体事物的纯粹形式，“美本身”。每一级都以前一级为根基，每一次上升都意味着感知从具体趋向抽象、从局部趋向普遍。停留在低阶不是中性的选择，而是发育的未完成。柏拉图对这一点毫不含糊。
波爱修斯在6世纪将这道阶梯移植到了音乐。他划出三个层级，可听的器乐之声居于最底层（musica instrumentalis），人体各部分的和谐居中（musica humana），天体运行的数学秩序居于最高层（musica mundana）。演奏乐器的人困于声音的表面，理解数比关系的人触及结构，直觉到天体和谐的人才抵达顶端。“真正的音乐家是研究理论的人，不是演奏乐器的仆人。”休谟在18世纪将这个结构世俗化为”鉴赏力”（taste）的概念，审美判断有高低之分，判断力可以通过经验的积累和感知力的训练而提高，但不是所有人都愿意或能够完成这一训练。
汉斯利克在1854年的《论音乐的美》中为这道阶梯划出了新的分界线。沉溺于音乐引发的情感反应是低等的聆听，追踪声音形式本身运动的聆听才配称为”审美的”。勋伯格从作曲家的角度做了同样的划分。1912年他写道：“能够纯粹从音乐本身理解音乐所要说的话的人，少之又少。”在《和声学》中他将这个判断技术化，把握一段音乐中正在发生的事，就是快速地分析，判定成分及其连贯性。在《进步的勃拉姆斯》中他更进一步，伟大的艺术”预设了一个受教育听者的警觉头脑”，这种预设”使作曲家得以为上等头脑写作”。
阿多诺的阶梯
阿多诺在1962年的《音乐社会学导论》中把这些散落的等级意识系统化为一套完整的听者类型学，七种”音乐行为的类型”（Typen musikalischen Verhaltens），每一种对应着一种与音乐打交道的方式。
居于最高层的是”专家听者”。他的聆听是”结构性的”，自发地追踪音乐的序列，同时把握过去、现在和未来的时刻，使它们结晶为一个有意义的整体。复杂的和声与对位被分别而又清晰地感知。他不仅听到正在发生什么，还知道为什么此刻发生的是这个而不是别的。阿多诺给出了一个苛刻的测试：如果一个人第一次听到韦伯恩《弦乐三重奏》的第二乐章，就能辨认出那首已经消解了一切建筑性支撑的作品的形式构成，他就是专家听者。
第二种是”好的听者”。他凭直觉能做到专家在分析上做到的事，知道一首音乐为什么好，但被要求解释时只能给出模糊的理由。专家和好的听者之间的差别不在感受的深度，而在对感受的自觉程度。
第三种是”文化消费者”。他常被误认为前两种人。他忙碌地收集唱片、积累关于作曲家的传记知识、讨论指挥家的优劣，态度”从一种认真的使命感到粗俗的势利”。但这些活动取代了对音乐本身的直接感知。当他听音乐时，他”埋伏着等待特定的元素，等待所谓美丽的旋律，等待壮观的时刻”。他知道贝多芬《第九交响曲》首演的全部掌故，但宁愿谈论这些掌故也不愿坐下来从头到尾不间断地听完这首交响曲。
第四种是”情感听者”。他把音乐当作触发情绪的手段，偏爱柴可夫斯基胜过巴赫，更偏爱流行音乐胜过柴可夫斯基，因为流行音乐的情感信号更直接、更不需要持续注意力。音乐对他而言是”服务于自身驱力经济的工具”。他沉溺于音乐引发的感觉之中，就像一个”爱上了恋爱本身的人”。
第五种是”怨恨听者”。此类人大多存在于专业音乐圈内部。他从某一种高度党派化的立场出发聆听音乐，一旦演奏或作品不符合他认定的”正确”标准，便报以轻蔑。判断本身沦为展示权力和排斥异己的工具，音乐退化为检验忠诚的试纸。
第六种是”娱乐听者”。音乐对他而言不是被聆听的对象，而是打破日常单调的声响壁纸。与其说他在享受音乐播放时的快感，不如说他在逃避关掉音乐后的空虚。“如果说文化消费者对流行音乐嗤之以鼻，那么娱乐听者唯一的恐惧是被人高估。他是一个自觉的低品味者，把自己的平庸变成了一种美德。”这句话不只是对一种聆听方式的描述，更是对一种社会位置的诊断。审美偏好在社会空间中标记身份、划分群体、分配地位。一个人选择听什么音乐，他也在选择被谁认同和被谁排斥。
最底层是”非音乐的人”（amusisch）。德语中这个词的反面”musisch”不只意味着”有音乐性”，还意味着”有教养”。非音乐的人对音乐几乎不产生感知反应。有时这是神经层面的障碍，有时只是一种彻底的漠然。
阿多诺承认这些类别是”理想型”，不以化学纯度出现在现实中。但阶梯的方向性他毫不掩饰，从底端到顶端是一个从低到高的序列，他对结构性聆听的偏好和对娱乐聆听的蔑视贯穿全文。这是柏拉图审美阶梯在音乐中最详尽的一次展开。
也是最饱受攻击的一次。
阶梯的裂缝
阿多诺的阶梯有一个未经审查的预设，存在一种聆听方式比其他所有方式更高级，而这种方式就是他所说的”结构性聆听”。音乐理论家奥拉·斯托克费尔特在1997年径直挑战了这个预设，不同的聆听模式对不同的体裁来说是适当的，阿多诺偏好的结构性聆听只适用于非常特定的西方艺术音乐传统。一个用结构性聆听去听雷鬼乐的人不会获得雷鬼乐能给的最好的东西，正如一个用身体律动去听巴赫赋格的人不会获得赋格能给的最好的东西。聆听的标准不应该是”哪种方式更高级”，而应该是”哪种方式对当前的体裁来说是适当的”。
这个反驳击中了阿多诺阶梯最脆弱的一环，他把一种特定的聆听能力当作了衡量一切音乐审美的唯一标尺。但斯托克费尔特也没有取消阶梯本身。他取消的是阶梯的单一性，不是阶梯的存在。在任何一种音乐语言内部，感知的深浅确实构成等级。一个爵士乐手对和声变化缝隙中即兴可能性的感知，和一个初次听众对同一段音乐的感知，不在同一个层面上。查理·帕克在bebop的和弦序进中辨认出的东西——每一拍上的可用音高、替代和弦的色彩差异、旋律线条在和声节奏中的微妙提前和延后——初听者全然捕捉不到。这不是品味差异，是在特定音乐语言中的感知校准深度的差异。
斯托克费尔特的洞见在于，校准是方向性的。一个在古典音乐上爬到”专家”的人，面对北印度拉格中的微分音装饰、时间循环（tala）的内部节拍组织、旋律上行与下行路径的不对称性，可能退回到阿多诺所说的”娱乐听者”的位置。不是因为他的能力”更低”，而是因为他的感知系统在另一套音乐语言上被校准过。每套音乐语言在不同的感知维度上提供内容。古典音乐的核心维度是和声张力、动机发展和声部关系，流行音乐的核心维度是歌词语义、人声音色和节奏律动，爵士的核心维度是和声变化中的即兴逻辑和swing的微时值偏移。一个人在某些维度上有深度，在另一些维度上没有。当他进入一种他没有校准过的音乐时，不是音乐没有内容，是他的感知系统在那些维度上提取不到内容。
贝多芬的晚期弦乐四重奏提供了这种错配最极端的历史例证。这些作品在1825年首演时，听众和批评家的反应是困惑和抗拒。1826年的《音乐总汇报》称之为”如中文般不可理解”“巴别塔般的混乱”。音乐学家乌利比舍夫以贝多芬的耳聋为由，将其晚期作品斥为”对音乐本身的否定”。半个世纪后，同样的作品开始被视为贝多芬最深刻的创作。又过了一个世纪，Op.131被广泛认为是西方音乐中最伟大的单一作品之一。音乐没有变，变的是整个文化在这些作品要求的感知维度上完成了足够的校准。
阶梯是存在的。但阶梯不是一把通天的直梯，而是一张网。每个节点连接着不同的感知维度，攀登的路线取决于你从哪个入口进入。
两种情感
阶梯的形状比阿多诺想象的复杂得多。即便把目光收窄到西方艺术音乐这一座阶梯内部，台阶之间的关系也不是简单的”越高越好”。西方音乐史自身经历过一次深刻的内部转折，这次转折改变的不是技法的复杂度，而是情感在音乐中扮演的角色，而这个改变恰恰是阿多诺的单维阶梯无法容纳的。
莫扎特的音乐有情感。《唐·乔凡尼》第一幕终曲中三支舞曲同时响起时，嫉妒、欲望、恐惧和欢乐在同一个和声场中碰撞。但这种情感不属于莫扎特本人。它被客观地安置在角色之间、场景之中，受制于对称乐句的节律和清晰的终止式。情感是结构的材料，不是结构的目的。海顿在《惊愕交响曲》第二乐章以一声突如其来的全奏和弦违反听众的期待，但这些惊讶被可预测的和声进行兜底。古典主义的信条是秩序先于表达，情感必须在形式的容器里获得形状。
贝多芬改变了这个优先级。从中期起，情感不再安分于结构为它备好的位置。《英雄交响曲》第一乐章展开部绵延近两百小节，远超常规比例，不是结构需要这么长，而是情感的运动需要这么大的空间才能走完。到了晚期四重奏，情感不再是材料，而是目的本身。
贝多芬站在分界线上。他之前，情感是客观的、类型化的，由形式赋予边界。他之后，情感变成了主观的、个人的、溢出形式的。舒伯特的晚期钢琴奏鸣曲有一种不属于古典主义的品质，旋律像一个人在自言自语，走走停停，重复自己，忘了回来。那不是结构的松散，而是一种不同的时间感，内在体验的时间，不是修辞论证的时间。肖邦把这种主观性推到了钢琴的极限，夜曲和叙事曲里的一切都服务于一个目的，让音乐听起来像是此刻正在被一个具体的人感受着。
这个转变的和声维度同样深刻。古典时期的和声在近关系调之间运行，功能是结构性的，标记出发点、转折点和终点。浪漫主义的和声越来越成为表达性的，贝多芬晚期以三度关系调制造色调的断裂，肖邦和李斯特在短篇幅中转遍半打调性，和声不再只是路标，它本身成了情感运动的载体。
一个人偏好肖邦而非莫扎特，不一定因为他的感知能力”更低”，他可能恰恰是在情感的主观深度这个维度上走得更远，而在形式的客观精密这个维度上没有同等的投入。这不是阶梯上的退步，是在阶梯网络中选择了一条不同的路线。
从客观的、类型化的、受制于形式的情感，到主观的、个人的、驱动形式的情感，这是古典主义到浪漫主义的核心分界线。
两千年的争论
古典主义和浪漫主义之间的分界线让一个更根本的问题浮出水面。如果古典主义认为美在于情感被形式约束后获得的秩序，浪漫主义认为美在于情感突破形式后获得的自由，那么美到底在情感中还是在形式中？这场争论比两者都古老得多。从柏拉图开始，答案就指向情感。
在《理想国》和《法律篇》中，柏拉图把音乐称为”灵魂的咒语”，它绕过理性的审查，直接渗入内心，改变品格的形状。不同调式有不同的伦理效果。柏拉图因此主张国家必须管控音乐。这个立场极端，但它的前提是整个音乐美学最持久的共识，音乐能对人的内在状态产生作用。亚里士多德修正了老师的严厉，保留了这个前提。他承认纯器乐本身就能激发情感，并给音乐分配了三重功能，教育、净化（catharsis）、闲暇享受。净化的概念尤其深远，处于极度情感中的人，听到与自己状态相应的音乐后，情感被激发、释放，回到平衡。
波爱修斯将音乐的价值从情感转移到了数，统治了近千年。文艺复兴重新将情感请了回来。蒙特威尔第在17世纪初宣称当对位规则与文本的情感表达冲突时，情感优先。歌剧的诞生、通奏低音的确立、对位法让位于和声，都沿着这个方向展开。巴洛克情感论（Affektenlehre）将音乐的情感效果系统化为可操控的技术。巴赫在《马太受难曲》中以精确计算的和声色彩呈现基督受难的每一个阶段。
叔本华在1818年将情感论推到了形而上学的极端。在他的体系中，世界的本质是”意志”，盲目的、无目的的驱力。其他艺术模仿意志的外化形式，唯独音乐不模仿任何外在事物，它直接呈现意志本身的运动。一段上行的旋律不是在”描绘”渴望，它就是渴望的运动形式。瓦格纳在创作中实践了这个哲学。《特里斯坦与伊索尔德》的和声就是欲望在声音中的运动方式。尼采从叔本华和瓦格纳出发，将音乐定位为酒神精神的最高体现，后来与瓦格纳决裂，但争论始终在情感论内部进行，分歧在于哪种情感才是健康的。
情感论的力量在于它与直觉经验的高度一致。贝多芬晚期四重奏的肃穆、肖邦夜曲的忧郁、马勒《第九交响曲》终乐章中对消逝的哀悼、肖斯塔科维奇《第八弦乐四重奏》中窒息般的绝望，这些体验是即时的。约翰·威廉姆斯为《辛德勒的名单》写的D小调主题让喉咙发紧、眼眶发热，无需任何哲学论证就能确立其审美资格。情感维度是最宽的入口，几乎所有人都能从这里进入音乐。阿多诺的”情感听者”被放在阶梯中下层，但在实际的音乐生活中，他们占据绝大多数。
然而情感论有一个悖论。如果美等于愉悦的情感，那悲剧音乐的美如何解释？莫扎特《安魂曲》引发悲伤，马勒的《第九》引发哀悼，痛苦的体验，但没有人说它们不美。亚里士多德用”净化”处理了这个悖论，痛苦的情感被激发后得到释放，释放本身是愉悦的。但这个解释把美从情感本身转移到了情感的过程，建立、积累、释放的动态结构。一旦走到这一步，注意力就不可避免地滑向”音乐以什么方式组织了情感的运动”，而这已经是在谈论形式。
1854年，汉斯利克正面向情感论宣战。音乐的美是”运动着的声音形式”（tönend bewegte Formen）。情感是听者的主观反应，因人而异，不能充当美的客观判据。同一首曲子让一个人落泪让另一个人无动于衷，但曲子本身的形式结构不会因此改变。康德在《判断力批判》中已铺下地基，审美判断是”无关利害的愉悦”，是对”合目的性形式”的纯粹感知。但康德对音乐的态度是暧昧的，他承认音乐带来强烈的感官快感，同时怀疑这种快感是否属于真正的”美”，因为音乐的感官冲击力太强，可能淹没理智对形式的自由游戏。
形式主义在分析音乐结构时确实有力。申克的层次还原法揭示了调性作品从表层到深层的多层逻辑。勃拉姆斯是形式论的理想范本，高密度的动机发展，严谨的变奏技法，深层结构的严密不亚于贝多芬。汉斯利克与勃拉姆斯的亲密关系绝非巧合。
但同一个勃拉姆斯暴露了形式论的边界。《间奏曲》Op.117、《第三交响曲》第三乐章、《第四交响曲》的帕萨卡利亚终乐章，这些作品的情感强度是压倒性的。克制到几乎窒息的深情从不溢出，但每个和弦下面都是暗流。形式的紧和情感的密互相加压，拆开任何一面都不成立。在勃拉姆斯这里，形式的克制本身就是情感的表达方式。汉斯利克和叔本华的争论预设了形式和情感可以分离，勃拉姆斯的音乐提示这个预设本身可能是错的。
巴赫是另一种检验。《平均律》中的四声部赋格，你感受到的不是悲伤、欢乐这类可命名的情感。声部之间的追逐、交织、分离、重合，跟踪它们的运动本身就是快感的来源。这种快感近乎智性的满足，难以用”情感”命名，但你不能说它不是美。情感论对此束手无策。反过来，形式论似乎找到了完美案例，但巴赫的同时代人写了大量技术上合规的赋格，今天无人聆听。巴赫的赋格多了一个形式分析无法捕捉的东西，每个音都恰好在那里的感觉。形式是必要条件，不是充分条件。
巴赫让两派同时失手。勃拉姆斯让两派的分界线开始瓦解。德彪西、巴托克、斯特拉文斯基在两派之外开辟了第三种可能。德彪西的音乐更接近感官状态的呈现，巴托克引发的是无法命名的夜间紧张感，斯特拉文斯基的《春之祭》更像仪式性的身体冲击。勋伯格放弃了调性本身，凯奇在《4分33秒》中将两派的预设一并拆除。迈尔斯·戴维斯的《Kind of Blue》以模态即兴创造了一种冷静的悬浮美感，不需要叔本华的形而上学来解释，也不需要汉斯利克的形式分析来认证，它直接在听觉体验中完成自身。
两千多年的音乐美学没有产出一个统一的回答。情感论走得最远，但在巴赫的赋格面前哑口，在悲剧音乐的悖论面前打补丁，在勃拉姆斯那里发现自己和对手的分界线画错了地方。形式论的纠偏有效，它提醒人们情感反应不等于审美判断，但同样精密的形式可以产出杰作也可以产出平庸之作。
也许不该继续在哲学内部寻找答案，而该去看看人的听觉系统本身能告诉我们什么。
耳蜗能告诉我们什么
和声之所以能承载情感、调性之所以能制造方向感，可能不是文化赋予音乐的能力，而是音乐利用了人的生理约束。毕达哥拉斯发现弦长比与协和感之间的对应，2:1产生八度，3:2产生五度，4:3产生四度。这个发现确立了一个纲领，听觉感受可以被还原为物理量之间的数学关系。
两千多年后，赫尔姆霍茨在1863年的《论音的感觉》中完成了最后一步，把频率关系和耳朵的生理结构连接起来。任何乐音都是基频加上一系列整数倍泛音的叠加，一个单独的C在振动时，同时发出八度C、五度G、大三度E，一个音内部已经包含了一组等级关系。耳蜗基底膜上不同位置对不同频率敏感，声波进入后被按频率分解。两个音同时发声时，如果泛音之间频率差落在大约30到130赫兹的范围内，就产生”拍”，被感知为”粗糙感”。频率比越简单，泛音列重叠度越高，粗糙感越少。协和不是数学的属性，是耳蜗在特定频率组合下的物理表现。
但协和与不协和只是静态判断。音乐在时间中展开。1956年迈耶提出核心命题，音乐的意义和情感来自期待的建立与违反。听觉系统持续统计涌入耳朵的音高信息，几分钟后大脑已经建起概率模型。每个新音都被拿来和预测比对，符合预测则平静，违反则在150到250毫秒内触发警报信号。“紧张”是警报的主观感受，“解决”是警报解除的主观感受。2006年休伦在《甜蜜的期待》中将这些线索整合为完整的理论框架。
这套运算的先天性有实验支撑。几个月大的婴儿在接触任何特定文化的音乐之前，就已经偏好协和音程和调性旋律。建模能力是先天的，模型的具体内容通过文化暴露来校准。
这里出现了一个对理解审美阶梯至关重要的区分。底线是共享的，底线之上的一切是分叉的。耳蜗的物理结构对所有正常人几乎一样，协和偏好、粗糙感的阈值、统计建模的能力，这些是人类共享的生理约束。但概率模型的内容完全取决于一个人被暴露在什么样的音乐环境中。一个人在某种音乐语言中听不到”正在发生的事”，不是因为他的耳蜗有缺陷，而是因为他的概率模型没有在那种语言上被校准过。
前面描述的古典到浪漫的转变，在这套运算里有了精确的翻译。古典时期的和声在概率模型的高频区域活动，违反程度低，释放温和；浪漫主义把和声推向低频区域，违反加剧，警报更强。一个在古典和声上被充分校准的听众进入浪漫主义时感受到的”更强烈”，和一个从流行音乐直接跳到瓦格纳时感受到的”听不懂”，都是同一套运算的不同输出，差别在于概率模型的校准深度。
耳蜗和大脑的统计运算解释了调性为什么”能用”。但”能用”不等于”唯一”。同一套耳蜗、同一套统计运算，支撑了完全不同的音乐秩序。
不可公度的秩序
耳蜗提供了共享的底线，但底线之上的建造因文化而异。24调不是人类在听觉约束上建造的唯一秩序，甚至不是最古老的那一个。阿里斯托克赛诺斯在巴赫之前一千多年就建立了一套音高组织体系，坚持一切音程应由耳朵判断而非数比定义。他的基本构件是四音列（tetrachord），四个音框在一个纯四度之内，外端两音固定，内部两音可以移动，移动方式的不同产生了全音属、半音属和等律属三种类型。中世纪教会调式在此基础上形成8种后扩展到12种。中国传统以五声为基础，与十二律交叉，理论上60调。中国的三分损益法和毕达哥拉斯的纯五度叠加在数学上是同一个操作，两者独立发现于相距万里的文明。
但这些体系之间的差异不只是”用了几个音”或”音阶长什么样”。差异在于它们各自要求的感知维度完全不同。
北印度音乐的核心单位是拉格（raga）。巴特坎德在20世纪初以thaat体系将所有拉格归入10种基本音阶框架，南印度的melakarta体系更严格，排列组合得到72种基本音阶。但thaat和melakarta都只是分类拉格的架子，拉格本身包含的信息远超音阶。同一个音阶可以生成多个完全不同的拉格，因为拉格规定了上行和下行可以走不同的路径，规定了哪些音必须被强调、哪些音只能一掠而过，规定了特定的音必须以特定的滑音（gamak）装饰。更重要的是，拉格有时间属性，某些拉格只属于清晨，另一些只属于深夜，在”错误”的时间演奏不是技术错误而是美学错误。一个在印度古典音乐中受过训练的听众，他的感知系统被校准到能辨识一个音上微分音装饰的细微差异，这种差异在十二平均律的框架里根本不存在，西方钢琴上无法演奏。
阿拉伯木卡姆（maqam）体系的感知要求同样与西方调性音乐不在一个平面上。木卡姆由特定的四音列（jins）拼接而成，使用四分之一音音程，这些音程在西方的半音网格中没有对应物。演奏者在木卡姆内部即兴（taqasim）时要求对四分之一音的音准有极精细的控制，对旋律在不同音区之间的移动有一种西方和声逻辑完全不涉及的方向感。
如果试图用属差法统一分类，前几级可以成立，有无固定音高，音程最小单位是否在半音以内，是否存在音高中心，有中心的话是否有功能等级。但”调式音乐”节点之下，属差法崩溃了。中国五声宫调式和西非约鲁巴五声共享的属性仅”五个音”这个数字，前者有三分损益法的数理基础和”宫为君”的等级隐喻，后者的组织原则与鼓点节奏的嵌套结构绑定。用一个传统的范畴去切另一个传统，等于用印度的尺子量中国的布。
不仅阶梯是复数的，而且不同阶梯之间是不可公度的。一个能辨识72种melakarta之间细微差异的听众，和一个能追踪贝多芬奏鸣曲式调性布局的听众，各自的感知深度都是真实的、都是经过漫长训练才获得的，但它们在不同的维度上运作，不存在换算关系。
巴赫的24调只是这些秩序中的一种，但恰好是在功能和声的引力场中建起了复杂度最高结构的那一种，也因此最先碰到了自身的极限。
一条橡皮筋
如果不同文化的阶梯之间不可公度，那至少在同一座阶梯内部，“更复杂=更高”是否成立？西方调性音乐提供了检验这个假设的最完整案例，因为它经历了一个从建立到极限膨胀再到瓦解的完整生命周期。
调性体系的建立跨越了两百年。扎利诺把协和音程数比扩展到1—6，三和弦成为理论认可的整体。蒙特威尔第宣称情感优先于对位规则。拉莫在1722年完成理论系统化。同年巴赫以实践穷举了24调的完备性，他使用的律制建立在对毕达哥拉斯逗号的妥协之上，(3/2)的12次方不等于2的7次方，差了23.46音分，所有律制都是近似。
调性建成之后，它的表现力通过紧张与解决的嵌套来释放。最小尺度上，属七和弦中的三全音解决为大三度。乐句尺度上，和弦进行画出弧线。全曲尺度上，调性布局构成最大的弧线，奏鸣曲式的”出发→走远→迷失→回归”。古典时期在这三层之间维持了精确的平衡。流行音乐至今仍停留在前两层。
然后橡皮筋开始拉伸。贝多芬把转调距离拉远，肖邦和李斯特在短篇幅中制造频繁的调性跳跃，舒伯特在大三度关系调之间游移。到瓦格纳，橡皮筋被拉到了极限。《特里斯坦与伊索尔德》的和声在四个多小时的半音滑动中维持紧张感，12个半音中的每一个都在随时被使用，“框架内”和”框架外”的对比几乎消失了。
在这道轨迹中，一种关于”攀登”的叙事自然浮现出来，和声的复杂度在递增，能从越来越复杂的音乐中获得满足的听众需要越来越深的感知校准。这看起来就是一道阶梯。
但勋伯格的困境暴露了这个叙事的问题。1908年前后，他的作品停止回到主和弦。当12个半音全部等价地自由使用，中心音的概念失效了。这是半音化递增的逻辑终点，如果”更复杂=更高”，那取消调性就是最高的台阶。但这个”最高的台阶”上几乎没有听众。自由无调性时期的作品大多很短，因为没有引力系统让长作品不散架。十二音技法是勋伯格给出的替代方案，一种弱组织，不制造方向感，但制造辨别感。
勋伯格自己对此有清醒的认识。1935年他致信加州音乐俱乐部联合会，试图招募普通听众来上他的”批评学校”课程，说明他知道自己的音乐面临理解的危机。他的学生贝格1924年写过一篇文章，标题就是《为什么勋伯格的音乐这么难理解？》。答案不是”因为听众太低”，而是”因为这种音乐在多个维度上同时提出了极高的感知要求”，不对称的乐句、快速的动机发展、频繁的调性变化、极度密集的对位。
但勃拉姆斯证明了另一种路线的存在。他的和声语言比瓦格纳保守得多，但他在调性框架内部纵深开掘，动机发展的密度不亚于任何人。他不是在阶梯上退回了更低的位置，而是在另一个维度上攀登，不是和声复杂度的递增，而是动机逻辑密度的递增。德彪西回头从全音阶和五声音阶中提取素材，巴托克从民间音乐中发现调性之外的资源，斯特拉文斯基径直拒绝了进步史观。21世纪的新调性主义，约翰·亚当斯、托马斯·阿代斯，证明了调性音乐在吸收了20世纪的实验之后仍然有生命力。
“更复杂=更高”是一种特定的攀登路线，不是攀登本身的定义。如果阶梯只有一个方向，勃拉姆斯就只能是”保守的”。但他的音乐比很多”进步”的作品活得久。
无论先锋派怎样挣扎，有一个事实岿然不动，在学院的实验室之外，24调从未被动摇。
另一座阶梯
在学院先锋派把调性拉到极限又松手的同一时期，另一个音乐世界在完全不同的维度上建造着自己的复杂性。勋伯格在维也纳放弃调性时，美国南方的黑人音乐家在12小节布鲁斯的和弦循环上即兴演奏。两者使用同一套12个半音，做出了方向相反的选择。
流行音乐、摇滚、乡村、R&B、嘻哈，99%落在24调框架内。一首流行歌的和弦进行通常不超过四五个和弦，调性中心清晰得不能再清晰。如果用阿多诺的阶梯来衡量，这些音乐的听众全部是”情感听者”或”娱乐听者”，阶梯的中下层。但这个判断只在一个特定的前提下成立，美的唯一衡量标准是和声结构的复杂度。
流行音乐在和声维度上确实简单。但它在其他维度上并不简单。一首好的流行歌曲在歌词的韵律节奏、人声音色的微妙控制、编曲的声场设计、旋律钩子的记忆效率上可以达到极高的精度。嘻哈在韵律的节奏切分、flow的句法弹性、采样音色的拼贴、歌词中的语义层次和文化互文上有自己的复杂度等级。每一种音乐类型在自己的核心感知维度上都有从粗到精的阶梯，只是这些阶梯和阿多诺所描述的那道阶梯不在同一个维度上。
大众音乐几乎100%有调性，原因在于调性是人脑处理音高信息的默认模式，有调性的音乐让大脑的预测机制运行在最省力的状态下，留出认知资源给其他维度。流行音乐不是因为”低”才坚守调性，而是因为它的感知重心不在音高组织的复杂度上，它需要和声简单，正是为了让歌词、人声、节奏这些维度上的内容能被充分接收。古典音乐把感知重心放在音高组织上，所以和声可以复杂。两者的选择是战略性的，不是等级性的。
古典先锋派可以放弃调性，因为它的经济基础不完全依赖大众市场，20世纪无调性音乐的创作主要发生在大学作曲系和基金会委约中。无调性不是被禁止了，而是在市场选择中被过滤掉了。一种值得注意的例外是语境补偿，同一段无调性音乐作为独立作品多数听众抗拒，但放在恐怖电影的配乐中完全被接受。库布里克大量使用利盖蒂、彭德雷茨基的无调性作品，从未有观众抱怨。电影叙事提供了调性引力的替代品，故事的方向感取代了和声的方向感。
一个人从流行音乐进入古典音乐时经历的困难，不是从”低”向”高”攀登的困难。他面对的是一次感知维度的切换，他最强的感知通道在古典器乐中被关闭了，他需要开启新的感知通道。这个过程是真实的、需要时间的，从这个意义上说阶梯确实存在。但它不是同一条阶梯上的”往上走”，而是从一条阶梯跨到另一条阶梯上的”重新起步”。
鸿沟
阶梯是复数的，方向是分叉的，不同阶梯之间不可公度，同一阶梯内部”更复杂”也不等于”更高”。这些判断层层瓦解了审美等级的单维性。但它们共享一个未经检验的前提，审美判断最终可以被追溯到某种感知能力。这个前提本身也是可疑的。
赫尔姆霍茨在1863年就试过统一听感与审美。他能解释”纯五度比小二度顺耳”，生理层面的事。但他解释不了”恰当使用的小二度比无聊的纯五度更美”，审美层面的事。贝多芬《大赋格》中的尖锐不协和是那部作品力量的来源。如果美等于协和，音乐史上最伟大的作品中相当一部分就不应该存在。
最尖锐的证据来自摇滚失真。电吉他的失真效果在声学上制造的就是赫尔姆霍茨定义的”粗糙感”，泛音之间的拍频落在临界带宽内，听觉系统的反应和面对不协和音程时完全一样。同一个生理信号。但在古典音乐的语境中被评价为”刺耳”，在摇滚乐中被评价为”有力量”。生理反应没变，审美评价完全翻转。
听感和鉴赏之间不是还原关系。作为自下而上的因果链，听感提供约束，人耳的频率分辨率、临界带宽、粗糙感的敏感度，设定了所有音乐必须在其中运作的物理边界。但在边界之内，什么算”美”由鉴赏决定。鉴赏是自上而下的调制，文化背景、音乐经验、当下语境、对”好音乐”的概念框架，反向塑造了对同一段声音的评价。
前面描述的古典主义与浪漫主义之间的差异，在这里可以被重新理解，不是情感本身变了，而是鉴赏的框架变了。同样的和声进行，在古典主义的框架下被听为”对形式的服从”，在浪漫主义的框架下被听为”个人内心的倾诉”。莫扎特和肖邦都在使用功能和声，都在利用同一套听觉运算。耳蜗的工作方式没有随着音乐史的演进而改变。改变的是人们赋予这些生理反应的意义。
生理层面可以解释我们为什么需要秩序。但它不能解释我们为什么觉得某种秩序比另一种更美。24调是一种秩序，木卡姆是另一种，十二音序列是第三种，耳蜗不会告诉你哪一种更美。那个判断在别处。
从毕达哥拉斯到休伦，2400年的科学回答了”为什么人的耳朵对某些频率比有特定反应”。从柏拉图到汉斯利克，2400年的哲学回答了”音乐的价值可以在哪些维度上被讨论”。两条线各自越走越远，中间的鸿沟越来越清晰。也许这个鸿沟不是等待填平的认知空白，而就是事物的结构本身。
回到巴赫。《平均律键盘曲集》第一卷第一首，C大调前奏曲，BWV 846。连绵的分解和弦，没有对位声部的交织，没有戏剧性的突转。每一个音都落在听觉系统概率预测的峰值上，每一次微小的和声偏移都在安全范围内被解决。三分多钟，无事发生。
这段音乐今天仍然让人安静下来。
赫尔姆霍茨可以解释为什么这些音的组合不产生粗糙感。休伦可以解释为什么警报系统保持沉默。申克可以将它还原为从C经G回到C的基本进行。阿多诺可以把一个听着它发呆的人归类为”情感听者”。斯托克费尔特可以说这种聆听方式对这首前奏曲而言是”适当的”。
但”安静下来为什么是美的”，没有人回答过这个问题。