【锚点】这一篇只钉一个判断：一张科学图像的「清晰度上限」，不是由像素数或镜片口径决定的，而是由【数据实际携带的比特预算】决定的。超过这个预算的「清晰」，是算法用先验补出来的，不是测出来的。

【显式】2019 年 4 月，事件视界望远镜（EHT）发布 M87* 的黑洞阴影「照片」：8 个观测站点分布全球，用甚长基线干涉（VLBI）在 1.3 mm 波段同时观测，等效口径约等于地球直径；照片里那圈亮环的直径约 42 微角秒（ApJL 875, L4）。

【隐式】但 EHT 从来没有「拍」到一张照片。任意两台望远镜之间的干涉，只在傅里叶平面上测到【一个点】（一个 (u,v) 采样）。8 个站点、稀疏布站，意味着 (u,v) 覆盖是残缺的——图像的大部分傅里叶分量从未被测量。所谓「成像」，是拿这些稀疏采样当约束，在正则化下解一个【欠定逆问题】。

【流程节点链路】光子到达各站点 → 站间干涉得到可见度（傅里叶分量）→ 稀疏 (u,v) 采样 → 正则化反演（CLEAN / RML / DIFMAP / SMILI 四条独立流水线）→ 重建图像。这条链上，从第三步开始，信息量就已经被钉死了：能恢复的细节，不会超过采样点覆盖的傅里叶空间。

【细微】四条独立流水线在 2019 年论文里给出的图像，在【环的直径、环的不对称性（南侧更亮）】上高度一致；但在【环的粗细、内部精细结构】上彼此不同。一致的部分，是数据撑得住的；不同的部分，是正则项（先验）在说话。

【极难发现 / 反直觉】Shannon 的率失真理论（1959）说：对给定信源和失真度量，存在一条 R(D) 曲线——要把平均失真压到 D 以下，至少要 R 比特/样本。反过来看：当数据的比特预算 R 固定，失真 D 有一个【下界】，再聪明的算法也突破不了。EHT 的分辨率不是被衍射极限卡住的（VLBI 早就绕过了单镜口径），而是被【独立采样数 × 每点信噪比 = 比特预算】卡住的。想更清晰？要么加站点（加采样点），要么提灵敏度（加每点比特），没有第三条路。

【边界】这就是「测量」和「重建」的分界线：数据约束住的那部分是测量，先验补出的那部分是重建。EHT 团队其实很诚实地把这条线画了出来——他们做了大量「换一个正则项会怎样」的稳健性检验。但公众看到的是「一张照片」，而不是「率失真曲线上的一个点」。

【引申 / 值得辩论的问题】那么：当一篇论文的结论落在率失真曲线「先验主导」的那一段时，它还算「观测」吗？还是说，所有观测本质上都是「数据 + 先验」的重建，只是先验占比不同？如果是后者，科学共同体的「可复现性」到底在复现什么——复现数据，还是复现先验？