汉语中，有白话一词，这个词的基本含义是指相对于官话的日常口语，即白丁（平民）的话。最初，这个概念是指相对于文言文文绉绉说话方式一般口语，但发展到后来，白话产生了专指粤语的含义。这种情况的出现，我认为是古汉语本来就有两种发音系统或说倾向，一种是近距离交流的日常语，粤语正是其中集大成者；一种是大范围（远距离）沟通的演讲语，普通话是其必然。
这个观点的产生，源于对「我」字最初发音的思考。之前我曾分析过「我」字的构形是百战余生后的幸存者手中的缺口战斧（参见拙作：天天自称“我”，可知道「我」字最初是什么意思）。结合各方言的第一人称发音（以及人类提示/应答发音）与动物的警告性发音来看，「我」的最初发音极可能是闽语的“哇（wa）”音，但在长期的日常交流中（根本来说是因为社会进步），演变为如今普通话的“wo”与粤语的“ngo”，甚至再进一步懒音为港“哦（o）”。
但是在发音“wo”被定义为普通话（官话），同时“ngo”被认为是粤语发音后，综合“wo”与方言中的“ngo”、“吾”这两个南方主流第一人称发音，「我」字出现了一个如今被比较广泛接受（特别网络上）的新变音“偶”。
一、警告性发音与第一人称
自然选择下，我们的第一人称，很可能与动物的警告性发音接近，因为都是提示发音者的存在。区别或者只在于警告发音是连续多次或者拖长，而第一人称会变成单音。
动物的警告性发音，又分成两种，一种是基于领地的，发音会高亢嘹亮，比如狗狗“汪汪”叫，猩猩敲打胸部时的高呼。成人自然状态下对领地入侵的警告发音已经无法确定，但人是群体动物，其警告性发音很可能与呼叫援助的发音接近甚至一样，很巧合的是，汉语方言中，被认为是最古老的闽语，其第一人称发音，相当接近婴儿求助的哭声“哇”。
另外，秦汉时受汉族文化影响比较深的越南话，其第一人称的韵母与闽语接近，只是声母鼻音化
但在高密度的群体中，警告性的发音攻击性太强；又或者说，高密度情况下，广域领地意识已经失去，只剩下个体的安全领域意识，而无论是动物还是人，近距离的安全警示音，多数都是鼻音。比如人类熟悉的狗狗，在防御性对峙中，多数会同时发出低沉的“呜呜”声。
这种本能，在如今的人类行为中，多数情况都还保留，表现为被陌生人过于靠近时，会闪开或推开，同时不自觉地发出一声鼻音。而汉字第一人称中，直接有接近鼻音的“吾”字表示第一人称。同时，好几种汉语方言中，第一人称的声母，都是鼻音。
换言之，在文字还没出现前，古汉语的第一人称至少存在两种发音，对应的汉字「我」与「吾」。
二、提示/应答发音与第一人称
在金属工具普及后，外界攻击性动物的威胁解除，第一人称发音产生了另一种选择，那就是提示/应答发音。
而应答发音，同样存在两种情况，一种是远距离应答，密度越低的群体，发生远距离应答的情况就越频繁，而远距离应答（或提示）最自然的发音，恐怕莫过于“哎~（一如英文第一人称 I）”。所以，汉语方言中，也有近似于“哎”发音的第一人称，如今仍然保留在部分的粤语地区与客语地区中，甚至北方方言中的“俺”，都极可能是第一人称“哎”的变音。
另一种应答发音，是高密度群体中，频繁出现的近距离应答/提示音“哦、嗯“，粤语和客家话中第一人称的韵母，多数地区发音都是和”哦“一样（切韵看，直接就是嗯哦切），甚至闽语中，也有”哦“字韵母拖长的第一人称发音；晋语的第一人称发音也颇为接近“嗯”。
这个发音出现的时间，恐怕就在春秋战国时候。证据之一，就是「诺」字晚出：因为部分地区的应答音”ngo“逐渐成为第一人称发音，所以应答发音被迫加上明显鼻音作为声母，一度变成”诺“。
不过在口语中，第一人称发音逐渐从第三声变成更轻声一点的粤语发音，甚至 不少客家话中，变成第一声，即同”歌“字的韵母一样。于是，多数地方的应答发音又恢复成”哦“，但有些地方将”诺“字的声母韵母拆开，变成”嗯喏“，加重应答效果，变成了应答”诺“的变音。
换句话说，粤语发音之所以在海外最为普及，其发音系统更符合当前社会密度下的人与人相互表达/理解的需要。也就是说，粤语发音系统，可谓汉语口语发音系统的一个里程碑式的存在（说是汉语日常语的代表也不为过）。
三、第一人称的文读（特别演讲/广播）选择
粤语发音系统在近距离沟通中已经相当完善。然而，在文读，特别是大庭广众中演讲时，粤语发音的表现力就比较逊色了。但是，在日常使用粤语一类的适合近距离的口语同时，文读/演讲若是使用使用几乎完全不相干的但适合大范围沟通/表达的闽语之类，又不大合理，于是，折中的办法，就是切音。
具体就是借用彼此发音系统中的声母或韵母，来对自身发音系统进行切音，以加强粤语之类近距离口语系统大范围沟通/表达的能力（或闽语之类发音系统的沟通亲和力）。多数情况下，都是韵母不变，声母对切，声母相似的时候，就只有加重读了（比如「打」字，作为动词时，普通话就只比粤语高一个声调）
而一般情况，都是演变后的某个地区近距离使用的口语，重新切音为文读（官话），不过也有特例，历史上的吴语，恐怕就是逆向改造的例子。《史记》上，吴《世家》的统治者，就是来源于人口密度相对更低的关中，西周分封的吴国统治者迁居江浙，自然不是百十人的规模，但对于江浙本地人而言，却又是比例不高，于是在互动过程中，以自身韵母系统为蓝本，对切长江流域的楚语的声母，发展出吴国特色的日常口语。
所以，在对吴语的评价中，有说法认为吴语的韵母非常存古（接近上古黄河地区的韵母发音），同时又有说法认为吴语源于古楚语。而在笔者看来，两种说法都对又都不对，因为最初的吴语，很可能是先秦吴国的”官话“，即楚声周韵。
关于入声
至于入声，恐怕又是一个粤语作为汉语发音里程碑的证据。一般看法认为，其他方言是部分的丢失了入声，而普通话是完全失去了入声。但若从发音随着人口密度改变而从适合大范围沟通到近距离沟通的这个趋势来看：最初的汉语，恐怕是入声数量本来就不多的（甚至北方多数地区的发音系统最初本就不存在入声），入声系统逐步的完善，反而是汉语系统逐步完善的标志。
而普通话，其实就是官话、通用语，不是逐步形成的（即不是方言），而是短期改造的、以适用于大范围沟通的。所以普通话去掉入声，是倾向于演讲功能的改造，不是丢失入声，而是针对性地改善。
粤语九音（诗史试时市事色锡食）的复杂发音系统，更应该是逐步发展来的，而不是该摒弃的上古遗存。
以上观点尽管仅是从一个文字的发音产生的推理，但放到很多字的方言发音上都能得到印证，有机会慢慢将不同文字的比较写下来，以证明所言非虚。总之，汉语存在两个发音系统，官话（雅语）是经过整理、综合两个发音系统而来的，官话与方言，并非对立的存在，推广普通话的同时，不该刻意打压方言。