从发生学的考察可知，美与审美源于人与物及对物的原始操作的分离，即在功利与非功利或一种特殊功利上的分离。这可以称为人的再度苏醒，从自然文化中苏醒，从美的无对象界苏醒。例如，作为自然一部分的原始人并不以自然为对象审美；只有从自然中分离出来，并且从人与自然相对立的原始关系中再度分离出来，他才能不仅以自然为改造对象，而且以其为一种审美对象，甚至以自身为审美对象，其中包括人对自然的原始操作  然而，美从一开始就带有依附性，一方面依附于物(自然物与人工物)，另一方面依附于人(具备某种审美能力的人、有多种需要而不仅有审美需要的人、与物发生多种关系而不仅是审美关系的人)。这种依附性使美、审美与其他物事、其他人??物关系、其他需要??被需要因素混杂、混淆起来。混杂、混淆的最主要表现莫过于以一般语言参照的所谓审美理解的观念、观点及其表达和行为(非语言语义性的审美理解不包括其中)。
    再者，就音乐而言，它在初始时期生存于综合艺术中，如音乐与语言综合的原始歌唱，歌、舞、乐三位一体的原始乐舞等等；在后来的整个文化历程中，音乐仍不仅作为独立的艺术样式存在，而且作为歌曲、舞蹈、戏曲、影视等综合艺术的组成部分存在着。在综合艺术中，语言、视觉因素等成了音乐的图解，而综合艺术产生的审美定势，造成对纯音乐审美的“理解”期待??那无言之处、无形之处究竟有什么?音乐究竟说了什么?
    还有，音乐批评、音乐宣传、音乐教育、音乐实用等等非音乐审美目的对音乐的使役，使音乐审美受到理解的导向，尤其是音乐审美指南、音乐作品赏析之类的书籍、广播、讲座、教学等等在对音乐的讲解的同时，塑造了具备理解期待的音乐耳朵。等等。
    理解在种种混淆中被当作审美活动的一部分，甚至是最重要部分或干脆等同于审美(例如有一种观点认为理解是高级阶段的审美)。然而，从本质上说，理解是一种认识活动。因此，当你在理解音乐的时候，你并非在对音乐进行审美，而是在对音乐进行认识；你是认识主体，音乐是认识对象；你与音乐构成的是认识场，你们发生的是认识关系。
    音乐的认识主体是这样一种主体，他所要达到的目的不在直接的直观对象(音乐)本身，而在于这对象的背后音乐作为认识对象则相应地是这样一种对象，它本身不是真正的、被需要的终极对象，而只是一种媒体，一种工具，一种符号，在指向终极目的的操作中被间接需要。
    凡是以追踪音乐说了什么、怎样说、为什么这样说，或判断音乐说得怎样等等为目的的倾听，都不是审美的倾听，而是认识的倾听，都不是以音乐为终极对象的倾听，而是以音乐为媒体的倾听。