过去几周我在做两个相关的项目。第一个是复现 2024 年 Scientific Reports 上 Lee 等人的论文 “Social signals predict contemporary art prices better than visual features, particularly in emerging markets”，它用 590 位在世艺术家的 34,200 条拍卖记录训练了一个 XGBoost 模型。第二个是搭建 Art Evaluator，一个 Django + Expo 平台，核心是一张连接艺术家、拥有者和拍卖记录的知识图谱。说白了，就是你想拿那种模型做点正经事时必须先铺好的数据管道。
两个项目最后绕回的都是同一个问题：一件艺术品能卖多少钱，真的可以预测吗？答案是可以，但靠看作品本身不行。管用的特征几乎全是社会性的。
为什么艺术品难估价#
动手写代码之前，我花了几天读评估师和拍卖行到底怎么定价。要考虑的因素很多，而且大多没法干净地量化。来源——谁拥有过它、在哪展出过、被哪些图录收录。归属和真伪：经艺术家基金会确认的真品，比只是"传为某人所作"的作品贵好几个数量级。艺术家的声誉，由个展、双年展、博物馆收藏和批评界反响一点点垒起来。再加上品相和修复史、在艺术家作品体系里的稀缺程度，还有媒介——布面油画通常好过纸本，纸本又好过版画。被 MoMA、Tate 或卢浮宫收藏，等于盖上了一枚二级市场信得过的章。时机也算数：五年前的可比案例已经过时了。
苏富比的专家还会谈"情感价值"：藏家的渴望、竞价大战的氛围、个人的共鸣。这种东西能把落槌价推到任何理性估算之外。你没法直接建模它，但可以借拍卖行的预估价间接捕到它的轮廓。
实务中占主导的估值方法是可比销售分析：找同一位艺术家相似作品的近期拍卖结果，再按差异调整。XGBoost 干的本质上就是这件事，只是规模大得多，用的特征也多到任何人类评估师都没法手工跟踪。
论文的核心论点#
Lee 等人的论点很反直觉：作品的视觉内容几乎解释不了价格。他们只用视觉特征（颜色、构图、边缘密度、ResNet18 嵌入）的模型，R² 大约 0.055，比直接猜均值强不了多少。
而只用艺术家层面"社会性"特征（职业阶段、展览履历、过往拍卖价格、ArtFacts 排名）的模型能到 R² ≈ 0.73。再把拍卖行的预售估价加进特征，能升到 0.92。
换句话说，作品本身几乎无关紧要。要紧的是谁做的，以及市场对这个人已经说过什么。
论文的第二个论点是，这个差距在新兴市场还会进一步拉大。他们说的新兴市场，指美国、英国、法国、德国这四个既有核心之外的一切。在那些市场里，社会信号更管用，专家预估反而更不准，留给算法预测创造价值的空间也就更大。
复现论文#
任务本身很直接：以单人开发的 MVP 复现这篇论文。不上生产，没有实时数据管道。忠实的重新实现、原型级的代码，加一份写清结论的报告。
数据#
论文以补充材料的形式提供了清洗好的 CSV：
| 文件 | 行数 | 内容 |
|---|---|---|
Df_mloutfull.csv | 86,221 | 原始数据集，500+ 列 |
df_for_ml_improved_up_to_2012.csv | 34,200 | 主清洗数据集，1996–2012 |
df_for_ml_improved_old_market.csv | 29,853 | 仅既有市场 |
df_for_ml_improved_new_market.csv | 4,346 | 仅新兴市场 |
transactions.csv | 114,283 | 含图片链接的原始拍卖记录 |
全部加起来大约 5 GB，轻松塞进内存。这个规模的数据集，XGBoost 在笔记本 CPU 上五分钟内就能训练完，核心模型根本不需要 GPU。这个体量的表格数据，梯度提升树的训练成本约等于零——要是这几年一直泡在神经网络的世界里，这件事很容易忘。
特征#
模型用 38 个特征，分三类。
关于艺术家（30 个）：
- 人口属性：年龄、性别、教育程度、是否名校。
- 职业：ArtFacts 排名、个展、群展、双年展参与、获奖。
- 收藏：个人和公共收藏数量。
- 价格历史：艺术家最近 5 次和 10 次销售的均值、中位数、最高、最低。
- 面积调整后的价格历史（每平方英寸价格）。
- 地理：艺术家工作和居住地，编码为按国家的标志位。
- 匹配标志：作品的题材是否与艺术家典型题材一致？销售国家是否一致？
关于市场（8 个）：
- 拍卖行等级（1–4）。
- 当年该国家/地区的价格水平（最低、平均、中位、最高）。
关于作品本身（非视觉）：
- 宽度、高度、平方英寸面积。
- 媒介类别（绘画、版画、摄影、雕塑、其他）。
注意这份清单里缺了什么：任何关于作品实际视觉内容的信息。那部分只在单独的消融实验里出现。
训练/测试拆分#
按时间拆，不是随机拆。2011 年 5 月之前的全部进训练集（约 80%，约 27,360 条），之后的进测试集（约 20%，约 6,840 条）。随机拆分会通过艺术家的价格历史特征泄漏未来信息：把同一位艺术家的记录随机撒在训练集和测试集里，测试集的行就已经通过滚动窗口"看过"彼此的价格，R² 会被人为抬高。
这种事看穿了觉得理所当然，第一次搭的时候却很容易漏掉。
模型#
XGBoost 回归，预测 log10(price_usd)。在留出的验证切片上搜索 max_depth 和 learning_rate。两个模型变体：
- 不用专家预估。 目标 R² ≈ 0.73。
- 使用专家预估。 目标 R² ≈ 0.92。
“使用预估"的变体把拍卖行预售的低估和高估作为额外特征。这两个数字单独拿出来用，就能达到 R² ≈ 0.90。社会特征叠上去再多 0.02。绝对值不大，但这 0.02 才是模型在专家已知信息之外真正做出的预测贡献。
我瞄准的目标#
我没打算超过论文。目标是在所有条件下把 R² 控制在他们数值的 ±0.03 之内。头条数字（仅元数据约 0.73，加预估约 0.92）的可复现性应该不错：XGBoost 固定种子后是确定性的，特征定义也清楚。我预计会漂移的地方有两处：视觉特征消融，PCA 维数或图像预处理的小差异都会让结果晃动；还有新兴市场那一刀，只有 4,346 条记录，噪声下限本来就高。
为什么视觉特征几乎没用#
这是我觉得最有意思的结果。论文的视觉流水线为每张图片提取 8,971 个数字：
- GIST 描述子（960 维）：整体空间布局。
- 方向梯度直方图（HOG）（2,915 维）：边缘结构。
- 颜色直方图（4,096 维）：调色板分解。
- ResNet18 特征（1,000 维）：高层级预训练嵌入。
- 色彩饱和度（1 维）：鲜艳度标量。
- 复杂度（1 维）：边缘密度标量。
全部用 PCA 压缩后喂给 XGBoost，得到 R² ≈ 0.055。只用颜色是 0.056，边缘结构 0.029，神经网络嵌入 0.009，基本等于零。
干净利落的解释是：拍卖价格是在艺术家层面、而不是单件作品层面定下来的。同一位艺术家的两幅画，不管画布上是什么，都会卖出相近的价钱，因为被定价的是签名。
读过拍卖图录注释的人会立刻明白这为什么成立。那些文字几乎全花在来源、展览史和可比销售上，对作品本身几乎不着一笔。
如果认真对待这个 5%，结论就是作品的美学内容和它的市场价值几乎脱钩。市场在奖励的东西，不管是什么，都不在画布上。一个能在像素层面理解艺术的模型，预测价格反而会输给一个只认识艺术家简历的模型。
Phase 3 是有条件的#
论文的图片链接列指向的是 2012 年还有效的 URL，到 2026 年大多已经死了。我写的计划在第 8 天就安排了这项风险检查：随机抽 100 个 URL，看有几个还活着。要是一半以上都没了，视觉阶段整个跳过，把原因写进报告。
反正视觉特征只解释约 5% 的价格方差。为了确认一个这么小的数字，去和链接腐烂搏斗两个星期，划不来。把死链的调查结果写进报告，继续往前走，才是正解。
既有市场 vs 新兴市场#
论文为既有市场（美国、英国、法国、德国）和新兴市场（其余 19 个国家）分别训练模型。核心结果：
| 特征集 | 既有市场 R² | 新兴市场 R² |
|---|---|---|
| 仅视觉 | 0.053 | 0.056 |
| 元数据（社会信号） | 0.667 | 0.750 |
| 元数据 + 预估 | 0.916 | 0.859 |
有两点跳出来。第一，社会信号在新兴市场更管用，而不是更不管用。我原以为既有市场数据更厚，社会特征的表现应该更好，结果正好相反。
第二，新兴市场的专家预估更不准——加入预估后的 0.916 对 0.859，差距就在这。在既有市场，算法预测得和背靠几十年可比数据的苏富比专家硬碰硬；在新兴市场，那位专家手里的数据薄得多，算法能补的缺口也就大得多。
真要把这种模型拿去商业化，能赚回饭钱的地方是新兴市场。
该说清楚的局限#
这是论文复现，不是生产系统。它没有实时数据管道，模型用 1996–2012 的拍卖数据训练完就再也不更新了。没有部署，产出是 notebooks 和一份报告，不是预测 API。没有漂移检测，训练完的模型不知道市场什么时候变了。数据集是冻结的：加密艺术、NFT、新冠之后的市场变化，在训练数据里根本不存在。要是想预测 K Auction 或首尔拍卖的价格，还需要拍卖行专属特征，可能还得给韩国市场单独训一个模型——这些都没做。
模型反映的也只是历史模式。如果当代艺术市场在 2015 年前后发生过结构性变化（确实有人这么论证：艺博会崛起为一级市场的主要场地，新一代藏家入场），那 1996–2012 的规律未必还能外推。
从论文到平台#
读完论文，我看第二个项目的眼光变了。Art Evaluator 最初的定位是艺术展览的众筹市场：艺术家提前为即将举办的展览锁定资金，投资者则比拍卖市场通常允许的时点更早接触到新兴艺术家。
产品表层刻意做得简单。艺术家发布需要资金的展览（场地、日期、预计参展作品）。投资者按分级金额（$100、$500、$1k、$5k）支持特定展览，作品售出后分享收益。艺术家和投资者之间的大部分聊天由 AI agent 接手，双方都不必在线，对话也不会断。韩国画廊隔着 14 个小时时差和美国藏家谈事情的时候，这一点格外有用。
一旦"资产是艺术家而不是作品"这件事沉淀下来，数据模型也得跟着改。要抓住的是：每件作品被谁拥有过、在哪展出过、可比作品卖了多少钱、还有谁也收藏这位艺术家。所有权链条、机构认可、拍卖可比案例、藏家网络——这正是知识图谱的用武之地。
Django 后端（apps/artworks/models.py）建模四个基本类型：
Artist：创作作品的人。AuctionRecord：带价格、日期、拍卖行的历史销售记录。OwnershipRecord：谁在哪段时间持有了什么。ScrapeLog：数据本身的来源记录，每条记录从哪来都可以审计。
移动端（Expo + React Native + @shopify/react-native-skia）把这一切渲染成一张力导向图。useGraphData 请求 Django 的 /api/graph/ 端点，useForceLayout 每个 tick 在 JS 里跑一遍 d3-force 仿真，GraphCanvas 再用 Skia 把结果画出来。时间范围滑块可以在年份间拖动，看着网络一点点长出来：哪些藏家什么时候入场，哪些艺术家被哪家博物馆相中，哪些作品在 2008 年低谷期换了主人。
每种节点有自己的形状和颜色：
| 节点类型 | 形状 | 颜色 |
|---|---|---|
| 艺术家 | 菱形 | 红色 |
| 作品 | 圆角矩形 | 蓝色 |
| 收藏者 | 圆 | 绿色 |
| 经销商 | 圆 | 橙色 |
| 博物馆 | 圆 | 紫色 |
| 遗产管理 | 圆 | 蓝绿 |
| 拍卖行 | 六边形 | 灰色 |
形状不是装饰。缩小到几百个节点的时候，不用等标签渲染，光看轮廓就知道那是什么实体。被一圈圆围住的菱形，是一位有藏家网络的艺术家；连着一堆菱形的六边形，是一家代理多位艺术家的拍卖行。市场的结构一眼就能读出来。
第二个标签页把同样的数据放到 vis-timeline 时间轴上：持有期是水平条，销售是点事件。同一张图，换个镜头。想看的是"谁在什么时候持有了什么"的先后顺序、而不是某一时刻的网络形状时，就用它。
Art Evaluator 本身不是价格预测工具，它是垫在预测工具下面的数据层。想给 Lee 等人那样的模型喂上鲜活的当前数据、而不是冻结在 2012 年的 CSV，需要的就是这套结构。
把估价做成一个游戏#
我还没动手做、却最感兴趣的部分，是把艺术品估价变成游戏。
Lee 等人的论文把拍卖行预售估价当特征用，R² 因此大涨。那些预估之所以值钱，是因为它们是受过训练的专家的聚合判断——这些人看过成千上万件可比作品，而且对结果有切身利害。但拍卖行专家是一种又窄又贵的资源：全球就几百位，只做具体的委托案，够不着那条还没人委托的艺术家长尾。
我反复回到的问题是：能不能从一个更宽、更便宜的判断池里，合成出一个可比的信号？
粗略的设计：
- 给用户看一件作品：图片、尺寸、年份、艺术家名字、简短履历。
- 问他们这件作品拍卖会卖多少钱。
- 让他们选一个价格区间，或者直接猜落槌价。
- 提交之后揭晓真实成交价。
- 用类似 Brier 分数的方式，随时间给他们打准确度评级。
- 提供排行榜、每日连胜、手感火热徽章。
- 用历史准确度给每位用户未来的预测加权。
本质上这是一个艺术品价格的预测市场，套着猜价游戏的壳。循环和 Geoguessr 或 chess.com 的谜题评分一样：可重复、可打分、有反馈，能练出真本事。猜得准的人在排行榜上爬升，他们未来的猜测在聚合信号里的权重也更大。
真正的价值在模型那一侧。这些猜测的加权聚合，可以和社会信号并排喂给 XGBoost。如果群体的准确度加权中位数和落槌价相关性够好，你就为那些没有真实预估的作品造出了近似的"合成拍卖行预估”。而这恰恰补在 Lee 等人的模型最缺帮助的位置——艺术家长尾。
冷启动的角度也说得通。模型在价格历史丰厚的艺术家身上训练得很好，在只有三笔销售的艺术家身上一塌糊涂。三笔销售加一千个群体猜测，至少有东西可用了。众包估价，就是在给底层数据覆盖不到的情形制造训练信号。
游戏化在这里之所以关键，是因为让群体可靠的唯一办法，是把参与做得足够好玩，让人反复来玩。一次性的问卷只能从随手点过的人那里收到噪声。每日连胜加排行榜加校准徽章，能让同一个人在一年里认认真真做出 500 次预测。数量，再加上自我筛选（猜得准的留下来，猜不准的觉得无聊走人），才是把噪声变成信号的方式。
动手之前还有几个设计问题要想清楚。给用户看多少东西——只有图片和履历，还是连可比销售也给？上下文越多猜测越有依据，但过了某个点，用户就只是在复读你已经展示的内容。价格反馈给到什么粒度？揭示精确落槌价、一个区间，还是只告诉他们有没有落在 ±20% 之内？太精细会训练出锚定具体数字的用户，太模糊又没法校准。还有刷榜问题：玩家会扎堆猜自己认识的艺术家，猜 Banksy 基本是常识题而不是技能题。解法大概是像 Duolingo 选课那样强制随机抽样，再给隐去艺术家姓名的"盲猜"轮单设一个榜。最后是事后偏见，躲不掉——用户一旦知道某件 Basquiat 卖了 1.1 亿美元，就再也无法当作不知道。让这个循环保持诚实的，是源源不断的新作品供给，而这种供给每周是有限的。
游戏化的框架还把平台的两半拧在了一起。众筹一侧奖励的是展览财务表现好时的投资者；猜价一侧奖励任何会准确叫价的人，不管掏没掏钱。两者是同一个想法的两种形态：把群体的集体判断变成可交易的信号——一个交易资本，一个交易注意力。真正练出准头的玩家，最终可以带着可验证的叫价准确度记录，“毕业"到投资者那一侧。这个过滤器，比"认识对的画廊主"强多了。
我带走的几件事#
预售估价非常厉害。拍卖行常因定价不透明挨骂，但他们的预估单凭自己就能捕捉接近 90% 的价格方差。专家在做什么且不论，做得是真好。可与此同时，作品本身在统计上几乎无关紧要——如果你是出于审美喜欢艺术，这个结论并不好受。市场定价的不是你眼睛看到的东西，而是别人已经为相邻作品掏过的钱。
建模层面，有两个习惯物有所值。按时间拆分是评估价格模型唯一诚实的方式，随机拆分给出的漂亮 R² 到了真实生产环境就露馅。梯度提升树在这里依然是正确的工具：论文里 XGBoost 赢了所有神经网络基线，这种规模、这种工程化程度的表格数据，没有理由去够 transformer。
商业上的观察也有两条。有意思的机会在新兴市场，那里专家定价最薄，算法预测能补的缺口最大。以及，群体是一个被低估的数据来源。Lee 等人模型里最大的单一特征就是拍卖行预估；如果校准过的群体能为艺术家长尾产出可比的信号，那是实打实的机会——既是模型输入，本身也能是个产品。
两个项目最后比我计划的更互补。论文复现教会我什么在预测价格，平台工作教会我要用上这些知识需要什么样的数据结构，游戏化的想法则把两头接起来：知识图谱供给作品和历史销售，猜价游戏产出群体推导的预估特征，模型把这个特征和社会信号一起消化，为那些原本对它不可见的艺术家给出预测。
这些都还没做完。论文复现是一个附带书面报告、能跑的原型；平台是一个填了种子数据的演示；众包猜价游戏眼下只存在于你刚读完的这份设计笔记里。但贯穿其中的想法足够一致，正确的形状在我看来已经相当清楚：给艺术家定价，而不是给作品定价；聚合群体，而不是只依赖专家；把估价当成市场共同产出的东西，而不是专家自上而下交下来的结论。
有时间的话，下一个要做的就是这个版本。