即便如此，尼安德特人在文化的灵活性上依然没有到达智人的高度。几十万年间，尼安德特人在石器工艺上的进步非常有限，大部分石器都停留在模式三，即莫斯特模式。直到他们彻底灭绝前不久，才从智人那里学会了一点新的石器技术，但为时已晚。如果尼安德特人可以像智人那样熟练地从自然事物中抽取属性，并且对其进行运算，进而实现事物和事物之间的广泛联系，那他们的技术水平应该有着更大的发展，而不是相对停滞。
这实在是很诡异的一件事，因为如果从脑容量来看，尼安德特人并不处于劣势，成年尼安德特人的平均脑容量从1 200毫升到1 750毫升不等，一部分尼安德特人的脑容量甚至超越同时期欧洲的智人（当时的智人平均脑容量为1 500毫升左右）。但脑容量更大的尼安德特人却并不具备更强的心智水平和更复杂的文化行为。究其原因，目前学界仍没有定论，我个人认为可能依然与匮乏有关。
尼安德特人具有较大的脑容量同样是多种因素共振的结果，而其中一个原因在于，他们头骨的后脑部位不协调地向外突出，在现代人看来几乎有些畸形。后脑内部对应的大脑区域是枕叶，是视觉中枢所在，更大的枕叶意味着更发达的视觉中枢。与这个性状相呼应的是，尼安德特人有较大的眼眶，而大眼眶方便容纳更大的眼睛。人类学家在综合考虑这些细节之后认为，尼安德特人相比现代人拥有更强的视力，极有可能是他们在高纬度地区演化出来的一种性状。纬度越高的地区，光照相对越弱，在没有广泛普及照明设备的旧石器时代，视力就成为事关生死的一个重要性状。光线昏暗时，猎物在原野和密林中留下的任何蛛丝马迹都会决定接下来的一段时间内，尼安德特猎人和他们的亲友们有没有食物。当然，眼睛更为重要的一个作用就是观察那些暗示着致命危险的线索：大型猛兽的脚印和粪便、树枝间嘶嘶吐信的毒蛇、不怀好意的智人设下的种种陷阱等。这都需要更强的视力，于是更大的眼睛被筛选了出来，以帮助他们搜集更多的视觉信息。同时更大的视觉中枢也随之演化出来，以应对视觉信息的超载。
但人的大脑空间是有限的，过于巨大的视觉中枢挤占了大量的脑部空间和耗能预算，这使得尼安德特人的大脑发育处于一种不太平衡的状态。人类大脑的额叶部分位于脑门正后方，这是人类最晚近演化出来的脑部区域，它与社交、记忆、情绪管理、逻辑演绎等复杂的心智活动密切相关，而尼安德特人的大脑，恰恰是这一区域发育得较差，这也很可能是他们相对于智人来说在文化行为上缺乏创新性和灵活性的原因之一。大脑过多地应对光照的匮乏，而放弃了其他部位的发展，或许正是在这种限制下，尼安德特人的大脑无法承载复杂的心智活动，包括从事物中抽取属性。
文化行为上的巨大差异，使得这两种人在面临匮乏时的应变能力完全不同。在生存的竞赛中，胜利的天平越来越向智人倾斜了。
非凡的智人语言
尽管旧石器时代的智人和尼安德特人在心智水平上已经有不小的差距，但实际情况可能要更复杂一些。智人还掌握着另外一种更强的技能，通过使用这个技能，智人轻而易举地横扫包括尼安德特人在内的各种竞争者。也正是借助这个技能，智人实现了人类历史上前所未有的一次扩张，其规模是如此恢弘浩大，以至于之前的其他古人类，甚至万千生灵的扩张都无法与之相比。
这个让智人在地球的生存竞赛中登顶，进而向全世界不断进击的神奇技能就是——语言。
在本书的开头，我们曾经讨论过人类和其他物种之间在本质上的不同。其中一个答案是“人类拥有语言而动物没有”，这个答案在之前的讨论中被否定了。因为从广义上来说，语言的本质是通过震动介质，比如空气和水，来传达承载了信息和情绪的声音。并不是只有人类可以做到这点，在自然界中，鸟类、鲸类等很多动物都可以做到类似的事情，在这一点上，人类的语言和其他物种的“语言”在物理本质上是没有差别的。但是，没有本质差别并不意味着没有程度上的差别。事实上，人类的语言在结构、原理和复杂程度上与其他动物的“语言”有着巨大的不同，而且最让人困惑的一点是，我们到今天也没有完全搞清楚这种巨大的差异究竟是何时出现，又是如何演进的。
今天，当我们谈论人类的语言时，往往把它视作文化的载体之一，是一种抽象的概念，但是这个世界上任何抽象的概念要想存在，都需要具象的物理基础，人类的语言也是一样。人类特殊的喉部结构就是语言存在的物理基础之一。
当今学界的一部分科研工作者把人类定义为“习惯性直立行走的灵长类”，正是这个“习惯性直立行走”的特质使得人类复杂的语言有了存在的可能，因为人类在直立行走之后，颈椎渐渐变得垂直于地面，颈部也慢慢移动到了头部的正下方，这使得我们的喉部下降了，空气在发声器官中流通时便有了更长的路径，给我们以充足的空间对流经的空气进行各种形式的复杂干预。比如，我们呼吸的时候，气流会穿过喉部的声带，而声带可以进行高频率的闭合，这会给空气赋予不同的震动频率。这些有着不同频率的空气进入口腔之后，又会在唇、齿、舌的活动中配合鼻腔等部位的共振缔造出千变万化的声音。需要强调的是，多种多样的发音是复杂语言存在的前提和基础。
让我们来想象一种比较极端的情况。假如历史上存在着一种古人类，由于他们的喉部结构并不理想，所以无法发出复杂多变的声音，他们在日常生活中能发出的声音只有两种：“呼”和“哈”。那么，他们也就不得不使用这仅有的两种声音来表达世间的万事万物，其困难程度可想而知。比如，他们约定“呼哈”代表“狮子”，而“哈呼”代表“河马”，那么大象、鳄鱼或秃鹫又该怎么表示呢？大自然中对他们的生存存在威胁的其他动物呢？
由于发音太过简单，他们的语言几乎成了一种“二进制编码”，只能用“呼”和“哈”来表达各种事物。很快地，这两种发音用以表达不同意思的排列组合就被占满，要想继续表达新的概念，就得增加长度，这会使得“词汇”本身迅速膨胀，变得复杂且充满歧义。也就是说，如果发音的形式过于简单，其承载含义的能力就会不足，人类表达信息的效率也会大打折扣。只有复杂多样的发音，才能承载高效清晰的语言，而智人的生理结构恰恰就可以发出各种复杂多样的声音。在今天的撒哈拉以南的非洲，一部分布须曼人还在使用一种非常古老的语言，这种语言有140种左右的发音方式，其中包括将舌头贴紧上颚然后猛地抽回而发出的弹响声，据说这种声音在野外不会被传递得很广，方便猎人在伏击猎物时彼此沟通。这对于说汉语的我们来说是非常陌生的发音技术。有人推测，这种土著语言几乎使用了智人所有的发音方式，是智人发音的极限。然而，恰恰正是这种复杂多变的发音方式承载着不同的概念，才使得智人的各种各样的表达成为可能。今天的学界可以肯定的是，曾经存在于历史中的能人、直立人和尼安德特人，他们的喉部以及其他发音器官的结构相对于智人来说，都不够完善，所以他们无法发出多样且清晰的声音，进而无法承载复杂、精密的语言，于是他们的文化发展便深受限制。
事实上，除了多样且清晰的发音，智人的语言还有几个特征是其他现有物种的语言中所没有的，递归性便是其中之一。所谓的递归性，简单来说，就是这世界上丰富繁多的语句其实都能够归纳为几种基本的表达结构，只要掌握了这些表达结构，人们就可以表达出无数种不同含义的句子。
20世纪初，以美国著名哲学家乔姆斯基（Chomsky）为首的一批学者曾经做了包括动物观察在内的一系列研究，并且在《科学》杂志上发表了论文，阐述人类语言的递归性原理，并将递归性视为人类语言的特征之一。