Emoji 如何成为一种语言:25 年视觉传播史

1999 年,日本电信运营商 NTT DoCoMo 一位名叫栗田穣崇(Shigetaka Kurita)的 25 岁员工接到了一项不同寻常的任务。公司正在筹备一款支持互联网的新一代寻呼机,营销团队希望找到一种方式,让消息看起来与当时占主导地位的纯文字短信有所区分。栗田提出了 176 个小图标的方案,也就是 12×12 像素的微缩画作,可以插入到短信中,用来表达情绪、天气或意图,免去打字之劳。他把这些图标命名为"emoji",这个词是日语中"e"(图片)与"moji"(文字)的组合。整个图标集小到可以装进一张软盘。据可查记录,这是有史以来第一套交付给消费者的 emoji。

人们很容易高估这 176 个图标的重要性。1999 年 DoCoMo 的这套图标并不是图像化消息的首次尝试。Zapf dingbats 装饰符号可以追溯到 1970 年代,而日本运营商 J-Phone 在 1997 年就推出过 90 个表情式的小图标。但最终存活下来、广泛传播、并成为今天我们所说的"全球视觉语言"基础的,是 DoCoMo 这一套。真正值得追问的问题不是 emoji 为什么会赢,而是它为什么能连续 25 年一直赢下去。

长达 12 年的平台期(1999–2011)

在 emoji 诞生后的头十年,几乎只有日本之外的人在使用它。DoCoMo 这套图标是运营商私有的,只能在 DoCoMo 的手机上使用,无法在其他网络上运行。SoftBank、KDDI 和 J-Phone 各自拥有自己的竞争性图标集,彼此之间没有任何标准可言。当时出国旅行的人会发现 emoji 是一种奇特而令人头疼的存在:日本同事发来满是表情的短信,到了美国手机上就变成了一连串问号。

终结这一平台期的转折点,是 2010 年 10 月发布的 Unicode 6.0 标准。它正式将 722 个 emoji 编码纳入通用字符集(Universal Character Set)。这意味着 emoji 可以随着文本穿越任何实现了该标准的平台。Apple 是首家采取行动的西方主要厂商:iOS 5(2011 年 10 月)首次内置了系统级 emoji 键盘,一夜之间,美国市场上的每一台 iPhone 都获得了使用 emoji 的能力。其普及几乎是垂直的。iOS 5 发布后仅 6 个月,超过 50% 的美国 Twitter 用户就已经在推文中使用过至少一个 emoji。

社交媒体的爆发(2011–2018)

接下来发生的事情,不仅仅是普及,而是一次相变。emoji 从一套图标,变成了一层语言。😂(喜极而泣)在 2015 年成为全球使用频率最高的 emoji,同年 Oxford Dictionaries 将其评为"年度词汇"。一个由 Unicode 联盟定义的字符图形,被公认为英语世界中最具影响力的词,这可能是迄今为止对"emoji 即语言"这一观点最戏剧性的印证。

但更有意思的故事,发生在那些把 emoji 视作主要输入方式而非装饰物的平台上。Snapchat、Instagram 和 TikTok 并不把 emoji 当作点缀,而是把它们当作交流的基底。Snapchat 的 streak 数字如果旁边没有那个 🔥 就毫无意义;Instagram 个人简介里的 emoji 比英文还密集;TikTok 的界面本身就建立在一个不到 100 个 emoji 的词汇表上,这些 emoji 充当了平台的口头禅。到 2018 年,美国青少年每天发送的 emoji 数量(按字符数计)已经超过了完整的英语单词。

浮现的语法

这是大多数人忽略的部分。emoji 之所以成为语言,不是因为它们替代了词语,而是因为它们形成了一套语法。这套语法有三个层次。

第一层是堆叠。用户发现,把两到三个 emoji 并排放在一起,比如 🌸 + ✨ + 💕,可以表达单个 emoji 所无法表达的意思。这种组合并不存在于 Unicode 规范中,但确实存在于语言之中。语言学家将这种现象称为"短语组合"(phrasal composition),它的机制与英语使用者用现有词汇构建新短语的方式完全相同。

第二层是零宽连接符序列。Unicode 引入了 ZWJ(U+200D,Zero-Width Joiner,零宽连接符)作为将多个 emoji 绑定为单一字形的方式。👨‍👩‍👧‍👦(由两位家长和两个子女组成的"家庭"表情)实际上是由 5 个独立的码点(codepoint)通过 ZWJ 连接而成。这不仅仅是一个技术上的小细节,它是一种生成式语法。一个 emoji 语言的使用者可以通过输入这些码点,构造出任意组成的家庭,即使该组合此前从未被实际渲染过。

第三层是语义漂移。💀(骷髅)在大多数英语 emoji 使用场景中已不再表示"死亡",而是表示"我死了,笑死人了"。😭(大哭脸)也不再表示"我很难过",而是表示"我笑到快哭了"。这种语义的转变速度,Unicode 规范根本跟不上。💀 在 CLDR(Common Locale Data Repository,通用语言环境数据仓库)中的官方短名是 Skull,😭 的官方名称是 Loudly Crying Face,这两个名字都无法反映 90% 的用户在使用它们时所表达的真实含义。这与所有活的语言都会经历的语义漂移完全相同。emoji 已经不再是图标了,它们已经是词汇。

为什么有些 emoji 变成了词,有些却死了

Unicode 规范中现在有 3700 多个 emoji,而长尾部分极其惨淡:大多数 emoji 每年的全球发送次数不到 1000 次。而少数几个,😂、❤️、🔥、💀、😭、🥺、✨、💯、😩,承担了绝大部分使用量。幸存者与牺牲品之间的差异,不是美学上的,而是语言学上的。

那些变成"词"的 emoji 具备四个特性。它们是可共鸣的,所编码的概念是很多人都会感受到的;它们是多用途的,可以在许多不同语境中使用;它们的歧义度足以吸收多重含义,但又不至于因太过模糊而失去特异性;最后,它们在视觉上足够简单,能在 22 像素(大多数聊天中 emoji 的渲染尺寸)下清晰可读。

🫠(融化脸)就是一个很好的案例分析。它于 2021 年上线。它之所以能存活,是因为它编码了一种真实的情绪状态,不堪重负、精疲力竭、在压力下融化,这是任何其他 emoji 都没有覆盖的。它之所以没能进入前 10,是因为它的视觉比 😩 或 💀 更抽象,情绪上的高特异性反而让它难以在更多场景下被使用。截至 2026 年中,🫠 在英语推文中的使用频率大约只有 💀 的 0.4%。这个故事,就是为什么头部 emoji 是头部 emoji 的原因。

未来 25 年

当下 emoji 领域正在发生的最重要事情,是一个缓慢被认识到的现实:封闭的 Unicode 字符集不再是唯一的游戏规则。生成式 AI 现在可以在几秒之内按需生成一个 emoji 品质的图像,且这个图像可以完全不在 Unicode 规范中存在。Forgemoji 的模型,选两个 emoji,得到一个新的插画角色,就是其中一个例子。市面上还有至少十几个做类似事情的工具(Apple Genmoji、Google 自定义 emoji、Microsoft Designer,以及一大批独立工具),以不同方式实现同一件事。

这对 Unicode emoji 集合并不构成威胁。最常用的 200 个 emoji 仍将是 Unicode 标准,因为它们是"通用语",它们能在每一个平台、每一种键盘、每一种语言上工作。但长尾部分将向 AI 生成转移。下一个十亿用户,不会被一个每次新增都要花 18 个月、且总数只有 3700 个的固定字符集所服务。他们将被一个能够根据描述生成任意 emoji 的模型所服务。

25 年后,emoji 仍然意味着 Unicode 字符集。但它也将意味着一个庞大的、由生成式 AI 创造的图像空间,可以是一次性的、为特定场景、特定品牌、特定地域概念、特定私人玩笑而定制的插画。栗田在 1999 年开启的语法,将在最后一套固定字符集获批之后,继续生长。

参考资料