一

Shrimp Jesus 这个名字第一次出现在英语网络的时间不早于 2024年3月。KnowYourMeme 收录的最早一批实例集中在 2024年3月至 4月1。图片的构图有几个稳定要素：正中一位西方绘画里那副长发白袍的耶稣、双臂或双腿被替换成海生甲壳类生物、背景里加上教堂长廊或云海，配文永远是要求点赞或写 Amen。这些图片没有一句是真的宗教文本，也没有任何一张是真人拍摄。生产它们的账号名字通常带一串数字，头像多为花草，简介模板化。它们互相点赞、互相分享，制造出一种“很多人相信这件事”的假象。

Stanford Internet Observatory 的 Renée DiResta 与 Georgetown 的 Josh Goldstein 在 2024年上半年做过一次系统抽样，追踪了大约 120 个此类页面，累计触达数千万美国用户2。DiResta 自己在后来一篇个人网站的 essay 里回忆，她本人第一次注意到这种图片是 2023年圣诞节前后，起初以为是无聊玩笑，直到发现同一模板在几个月里持续变异3。她把这次经验写成一句话：这些图片“不是错的，是空的”（they aren’t wrong, they’re empty）。判定这句话是否成立需要下面几节的证据。

404 Media 记者 Jason Koebler 2024年8月发出的调查，是把生产端具体化的第一份长报道4。报道通过对若干页面运营者的一手采访、对 YouTube 与 Telegram 上教学课程的整理、对 Meta Creator Bonus 支付截图的核对，把一条从生成器到现金账户的路径接了起来。同年秋天，Rolling Stone、Gizmodo、Futurism 各自跟进，Rolling Stone 用的标题是“Facebook 已经进入 AI slop 时代”5，Gizmodo 用的是“Facebook 扭曲的激励结构造出了它自己的 slop 时代”6。三家的落点相同：图片的病毒扩散并不解释为一次审美事件或一次技术奇观，而解释为一次由平台激励设计催化的劳动分工。

需要提前把 slop 这个词按住。它在 2024年前并非英语媒体环境里的常用词汇；正是这一年，404 Media、Simon Willison 的博客与 Rolling Stone 联合把它推入了公共讨论7。它同时描述一种物件（低质量、批量、非人称的合成内容）与一种感受（信息流被稀释后的乏味）。到 2026年，它已经被 Columbia SIPA 与英美监管文本以术语的形式使用。

二

Meta 的 Creator Bonus 计划最早出现在 2021年前后，作为对 TikTok Creator Fund 的对位响应，目标是把创作者从 YouTube、Instagram 之外拉进 Facebook 的主动生产端。计划的核心结构简单：按每一条帖子拿到的曝光数、互动数、分享数折算成美元奖金，直接打到创作者的收款账户8。这套结构里唯一的判定标准是参与度（engagement），不是内容质量、不是创作者身份、也不是账号所在地区。

这一套结构在 AI 图像生成成本坍塌之后释放出前所未见的套利空间。生产一张 Shrimp Jesus 图片的边际成本，在 Bing Image Creator 免费额度内，接近于零；产出一条可以被算法推给数十万美国用户的帖子的时间成本，也在几分钟之内。而 Meta 的算法在 2024年上半年仍然按“帖子在其正常好友网络之外被多少陌生人看到”这一维度奖励曝光，甚至对陌生人来源的高互动帖子给予更高权重。404 Media 采访到的巴基斯坦创作者向记者展示的账单里，一张 Shrimp Jesus 拿到 20 万点赞的月份能带来接近 5000 美元的分成收入，这个数字放在当地劳动力市场里等于一位中层白领的 3 到 4 个月工资4。

Meta 对 404 Media 的调查的公开回应是标准的公关话术：平台承诺“重视高质量内容”，会打击“非真实互动”。这份回应直到 2024年底都没有伴随任何可以从产品外部观察到的算法调整。事实上到 2024年秋，Meta 首席执行官 Mark Zuckerberg 在 Financial Times 的一次对话里公开承认，公司预期未来的信息流里会有相当比例的内容由 AI 直接生成，公司也不打算通过标签系统主动区分9。这句表态在 slop 讨论者那里被视为默许的产品路线。

从算法激励结构到内容生产结构的这条因果链，并不是 2024年才被发现。Adam Kramer、Jamie Guillory、Jeffrey Hancock 三人在 2014年6月发表于 PNAS 的那次 Facebook 情绪传染实验，早已经把“平台可以通过算法性的信息流微调来实验性地放大或抑制大规模情绪”这一命题写进过学术记录10。那次实验为 689,003 位用户在 2012年1月的一整周内调节了正负情绪帖子的可见度，测到一次小但统计显著的传染效应，引发学界与公众对研究伦理的强烈反弹，PNAS 在两周内发布 Editorial Expression of Concern11。Kramer 实验测量的效应量在 0.1 个标准差以下，在 2014年被批评为伦理灾难，在 2024年往回看，它已经是对今天日常算法调节能力的一次相对保守的预演。今天没有一家大型平台还会公布对用户的实验性操纵，也没有必要——按参与度排序的默认算法本身，已经每天都在跑同样的实验。

这一层的经济学在 2025年被两篇工作论文写清楚。发表于 Journal of Public Economics 2026年卷的 “Ranking for Engagement” 建立了一个形式模型，证明纯粹以参与度信号排序的算法即使在没有恶意行为者的情况下也会放大误信息与极化12。Braghieri、Gentzkow、Levy 等在 2025年的一份 Facebook 信息流实地实验里估计，暴露于 Facebook 的算法排序信息流可以解释该平台上新闻消费极化程度中 82% 的部分13。两篇一起把 Kramer 十年前那次实验里的直觉推到了可以量化的位置。Shrimp Jesus 与它的兄弟姐妹图片，是这一层经济学在 2024年具体案发的实况录像。

三

追一条 slop 生产链的地理，是这一章不能跳过的动作。404 Media 追到的账号后台大多集中在南亚与东南亚：巴基斯坦、印度、印度尼西亚、越南、泰国、菲律宾4。这份集中并非偶然。这几个国家在 2020年代同时满足几个条件：英语可读、有大量在寻找收入来源的年轻数字劳工、有稳定的移动互联网基础设施、时区与美国东海岸有可用的错位（当地白天正好覆盖美国夜间的低竞争流量窗口）、当地生活成本使几百美元的月度分成足以构成有意义的经济激励。

生产方所用的工具高度集中在微软的 Bing Image Creator。这款产品从 2023年3月开始向公众免费开放，底层是 OpenAI 的 DALL·E 3，通过微软账户即可使用，每天有若干“高速”生成额度14。它的免费额度、对宗教与家庭题材的相对宽松态度、与英语指令的匹配度，使它成为南亚 slop 农场的默认工作面。少数团队使用 Midjourney、Stable Diffusion 或 Flux.1，但对最低生产成本的追求让 Bing 长期居于中心位置。

产业链的第二段是把生产知识本身作为商品出售的层。YouTube、Telegram、Gumroad 上大量的英语与乌尔都语课程手把手教如何注册 Facebook 页、如何避免被算法降权、如何用某几组咒语生成“高互动”图片、如何在 Meta Creator Bonus 下开通收款账户、如何多账号并行以对冲封号风险。这层课程的定价从 15 美元到 200 美元不等，很多讲师本身既是生产者也是培训者4。这份分工使 slop 生产不再是个体创作者的偶发行为，而演变成一个有标准操作流程、有低门槛教材、有二级培训市场的行业。

这里必须写一段编者的判断。把这类劳工写进书里而不带上位视角，是一件需要提前想好的事情。这一层劳动的存在，反映的更多是一条持续存在了十几年的规律。它无关“AI 时代的堕落”这类道德判断，也不能被简单化约成南方国家的匮乏本身：只要英语世界的平台按曝光分钱，只要生活成本更低的国家有会英语的年轻人，只要工具箱里最新那一件（先是 SEO 内容农场、再是移动应用广告刷量、然后是 dropshipping、现在是生成式 AI）能压低生产端成本，就会出现这条链。这条链在 2010年代前半段生产的是 Buzzfeed 风格的低质文章，在中段生产的是短视频搬运账号，在末端生产的是 Instagram 网红代运营，在今天生产的是虾图耶稣。生成式 AI 只是把边际成本推到了下一档，链条本身早已建好。

DiResta 在 essay 里给这条链下了一句克制的判断：这条链所反映的与其说是 AI 的伦理事件，倒更像注意力经济的又一次外包3。把 Shrimp Jesus 单独抽出来当滑稽案例看，就会把这条链背后一整代人的经济现实错过。

四

2026年3月5日，哥伦比亚大学 SIPA 学院数字治理研究所（IGP）与 Hewlett 基金会共同召集了一场跨学科闭门会，主题是 “AI Slop and the Information Ecosystem”15。参会者包括 DiResta、Charlie Warzel、若干平台前政策负责人、学界研究者、非营利组织。会议纪要与全文报告于 2026年6月正式发布16。这份报告是本章之后所有引用的直接来源。

报告给出了一个操作性的 slop 工作定义：满足三个条件的合成内容——（i）低质量，（ii）大规模，（iii）创作者意图不必然是欺骗。第三条尤其关键。它把 slop 与传统意义上的“disinformation”（有意欺骗）分开，也与“misinformation”（无意的错误）分开：许多 slop 生产者是真诚的创作者，他们不认为自己在骗人，他们只是在按参与度指标最优地填满信息流16。

在这一定义之上，DiResta 与 Warzel 提出了本章题记里已经说过的那个命题：slop 的核心危险，不在于 slop 本身传播了错误的具体事实，而在于 slop 制造出的“低质量合成内容常态”给真正的定向欺骗提供了掩护。DiResta 在 essay 里给出的英文原句是：“AI slop serves as an enabler that can obscure more insidious forms of abuse by bad actors”3。报告用一个具体的案例来说明——2026年1月出现在若干右翼社交账号上的一张 White House 的操纵图，把一位黑人女性访客的皮肤加深、又加上流泪表情。这张图如果单独出现在 2020年，会被视为一次值得追查的政治宣传事件；出现在 2026年，它被大量普通用户与自动审核系统视为“又一张 AI 玩梗图”，误以为它属于每天数以百万计的低质合成内容中普通的一张16。

这个命题是这一章里最需要读者慢下来消化的一段。它把“AI 假图会不会毁掉民主”这个 2024年前后被反复讨论的问题重新提了一个更贴近现实的版本：真正需要回答的问题不在某一张 AI 图能骗过多少人；它在于日常信息流被 AI slop 塞满之后，人们的判定习惯本身发生了什么变化。当默认对每一张网络图片的第一反应从“这是不是真的？”下降到“这看起来像 AI，随便刷过去”，任何一张被小心设计的操纵图都能借这层习惯躲过审查。

2024年美国总统大选的实证回溯反过来支持这个命题。加州大学伯克利分校 Hany Farid 的 deepfake 追踪库整理了整场选举里出现的 AI 深度合成内容17。Fortune、Al Jazeera 分别在 2024年9月与 12月发出的回顾里都得到相似的结论：选民对 AI 政治图像的实际反应更多是“当作梗图看笑话”，而不是“当作证据被欺骗”18。选举前一年多密集的对 AI 深度伪造摧毁民主的预警，事后被证明在最直白的意义上没有兑现。真正带来政治影响的信息事件仍然更多来自传统的低技术手段——2024年1月新罕布什尔州初选前的 Biden 语音克隆自动语音拨号即是典型。SIPA 报告并不否认这一回溯，而是把它作为出发点：正因为 slop 本身多数并不有效欺骗，slop 才能作为掩护存在。

五

任何一张 Shrimp Jesus 的构图都在做同一件事：以最短的时间在观看者的注意力里触发某种预先存在的情绪回路。宗教、爱国、疾病、儿童、动物幼崽、老人受苦、超现实拼贴——这几个类别在 slop 农场的账号里循环使用，几乎不夹杂其他题材。这份题材集中并非偶然；几十年的注意力经济研究早就把这份逻辑写清楚过。

Savvas Zannettou 团队 2018年发表于 IMC 会议的 “On the Origins of Memes by Means of Fringe Web Communities” 分析了 Twitter、Reddit、4chan 的 /pol/ 板、Gab 上一年多的 1.6 亿张图片，通过感知哈希聚类与 KnowYourMeme 元数据交叉，得出边缘社区（fringe communities）不成比例地贡献了后来扩散到主流的模因图库19。这套方法后被 Stanford HCI 团队在 2022年发表于 CSCW 的 “A Web-Scale Analysis of the Community Origins of Image Memes” 扩展到全网英语图梗20。Stanford 那篇的中心发现是：按网络中心度排名前 10% 的社区，贡献了全网图梗扩散事件的 62%。这两项工作合起来说明模因扩散是一条极度长尾的曲线，少数节点承担了大部分传染。

Shrimp Jesus 在 2024年之后打破了这个结构里的一个变量：生产成本。以前少数节点承担扩散，是因为原创图梗的制作需要一定的手工与文化资本；到 2024年，AI 图像生成把这份门槛压到接近零，任何一位巴基斯坦临时工都可以在几分钟内产出一张具备扩散所需情绪触发要素的图。原本作为筛选器存在的“生产门槛”消失后，能选出哪些图片扩散的力量全部落在算法排序这一层。这就把注意力经济的杠杆完全交给了 Meta 的推荐系统。

在图像形态上，slop 与 2010年代那种由 4chan、Reddit 生产、层层二次加工的所谓 dank memes 有明显区别。Dank memes 依赖对既有梗的二阶三阶变异，需要观看者对上游语境有一定熟悉度；slop 则完全不假设观看者的语境，它选择的是任何一个人在任何时间点都能被瞬间触发的情绪回路：耶稣、军人、婴儿、猫狗、悲伤老人、超现实拼贴。这是一种更彻底的低语境化，也是一种更彻底的针对算法（而非人）设计的图像。Kyle Chayka 在 2024年1月出版的 Filterworld 里用一个词概括这类文化产物：由算法排序机制反向塑造出来的、平坦化的、无地域也无社群指纹的美学形态21。Shrimp Jesus 是 Filterworld 假设在实证层面上最直白的一个样本。

六

中文互联网上的对应结构，规模不比英语世界的小，只是分布在不同的产品面上。抖音、快手、微信视频号、B 站、微博是主要的分发面；生产端的工具在 2024年之后由字节跳动的豆包+Seedream+Seedance 三件套、月之暗面的 Kimi、DeepSeek、通义千问、文心一言等本地大模型构成22。在剪辑工具层，字节的剪映（海外版 CapCut）承担着与美国 slop 农场里 Photoshop 模板类似的角色，把一张生成图或一段生成视频接入 30 秒短视频的成品链23。

在题材上，中文 slop 与英语 slop 有几处形态一致的层。抖音上 2024年下半年开始密集出现的一类“AI 老人歌颂”视频——一位白发老人被 AI 生成为民族服饰、军装或年轻时的自己，配一段煽情文案与背景音乐——功能上与 Shrimp Jesus 完全同构：极短时间内触发一次亲情或爱国情绪回路，收取一次算法奖励。快手上的宠物萌图账号、微博上大量的 AI 生成“古风美女”、微信朋友圈里的 AI 生成“励志图片”，都在同一个套路里循环。字节 2025年前后开始要求平台内 AI 生成的图片与视频加水印或者标签，微信在 2024年也对公众号内 AI 生成内容提出披露要求24，但这些规则的执行数据在公开信息里很难看到。

在语言层，Frontiers in Psychology 2026年发表的一篇由 Yao 等人所做的 Gen Z 表情包使用研究，把中文语境的一件本地事情写进了英语学术记录：微信表情包在中国 Gen Z 群体里，已经从“文字的补充装饰”演化成“主要的会话代币”，承担着身份表达、群体归属、社交润滑等原本由自然语言承担的功能25。这份论文并没有直接讨论 AI slop，但它勾勒出一个中国读者较熟悉的现象：表情包的日常使用密度已经远远超过文字，任何一次生成式 AI 对图像生成成本的降低，都会直接放大在这一层已有的文化实践上。

在讨论中文语境的算法与内容效应时，Kevin Munger 与 Joseph Phillips 2022年发表于 International Journal of Press/Politics 的 “Right-Wing YouTube: A Supply and Demand Perspective” 提供了一个必要的谨慎26。他们对英语世界“算法把普通人激进化”的流行叙述做了一次数据层面的反驳：右翼 YouTube 内容的观看量在 2017年就已到达峰值，观看人群与内容制作者的重叠更多来自需求端（既有信念的观众主动来找），而不是供给端的算法主动推送。Munger 在 2024年的 The YouTube Apparatus 里把这一论点延展成一整套“媒介/形式”决定平台政治的理论27。这份反驳在英语学术圈里已经形成第二意见；它在中文公共讨论里到今天仍不常出现——中文对短视频与算法的讨论仍以“算法作恶”为主导框架。把 Munger 的论点纳入这里，用意不在为算法开脱；它要求的是在评估 slop 的社会效应时能够区分“算法生成了 slop”与“算法把 slop 送进了本来就想看 slop 的用户的信息流”。这两个描述都不好听，但它们的政策含义不同。

七

在 slop 与 AI 生成内容的另一侧，2024年到 2026年出现了两条并行的反弹路径：一条是艺术家的技术自保，一条是版权与人格权的司法路径。

技术自保的中心是芝加哥大学 Ben Zhao 教授团队。他们 2023年3月发布了 Glaze，一种在原图像上叠加人眼几乎不可辨的扰动、使其无法被生成模型学习到风格特征的工具28。2024年1月，他们发布了更进攻性的 Nightshade 1.0：在图像上叠加“数据毒药”，被抓入训练集的图会误导模型（例如让模型看到“城堡”时输出“卡车”），而人眼看到的仍是城堡29。MIT Technology Review 2024年11月的一次统计里，Glaze 累计下载超过 600 万次，Nightshade 上线 5 天下载即突破 25 万30。两款工具都以对抗大模型公司未经授权使用艺术家作品训练模型的姿态出现。它们的实际防御效果在 ML 学界仍有争议：有研究者指出攻击的跨模型可迁移性有限，也没有独立研究证明当前的下载规模已经在训练集层面产生了可测的模型质量下降。它们首先是一个宣言级别的工件——艺术家群体第一次在技术层面提出反制手段。

司法路径的两处地标一处在英国、一处在美国。英国方面，Getty Images 诉 Stability AI 一案 2025年11月4日由英格兰及威尔士高等法院公开判决31。法院驳回了 Getty 的核心版权主张，同时在商标侵权一项上判 Getty 胜诉——Stable Diffusion 生成的某些图片中残留了 Getty 的水印，法院认定这份责任在于模型提供方而不是终端用户。Stability AI 在 2025年1月为诉讼目的承认，某些 Getty 图片确实被用于训练部分 Stable Diffusion 模型32。2025年12月，Getty 获准上诉。美国方面，纽约时报诉 OpenAI 一案在纽约南区联邦法院 2025年3月26日的裁决中，OpenAI 提出的动议大部分被驳回，版权侵权指控全部得以进入实质审理33。同年 10月，法院进一步驳回了 OpenAI 针对集体诉讼原告基于 ChatGPT 输出提出的直接侵权指控的驳回动议34。两案共同确立了 2026年 AI 生成内容的司法基线：训练数据的合法性、生成物的责任归属这两个问题不再作为模型公司单方面的技术条款，而作为需要法庭审理的开放问题。

这两条路径都比 Matt Furie 2019年那次 Pepe 官司走得远。当年 Furie 起诉 Alex Jones 的 Infowars 未经许可把 Pepe 印在 MAGA 主题海报上，最终以 15,000 美元和解35。那一次是“创作者对使用者”的传统版权诉讼；今天 Getty 与 NYT 的两个诉讼要处理的是“作品被用于训练”这一新问题。从 Pepe 到 Shrimp Jesus，模因所有权的问题从“这张图被谁用了”扩展到了“这张图对下一次生成图片的贡献能不能被认定为一份权利”。这条线还未走完，本书写作截止时它仍在开放状态。

八

政策上，2024年到 2026年两条法律截止日期把这一整层的合规成本拉出了水面。

第一条是 TAKE IT DOWN Act。这部由参议员 Ted Cruz 于 2024年6月首次提出、由 2023年得克萨斯州 Aledo 高中学生 deepfake 事件催化的联邦立法，2025年4月28日在国会通过36，5月19日由总统签署成为公法37。法案将“明知发布非合意亲密影像”及“数字伪造”明确入罪，并要求“覆盖平台”在 2026年5月19日之前建立起 48 小时内的通知—移除机制。刑事条款自法案生效日起立即执行，平台端条款则给了整整一年的建设期。这一天，2026年5月19日，是本章写作时刚刚过去两个月的日子。ACLU 与 EFF 在这一年的建设期内多次公开警告，通知—移除机制在设计不当的情况下容易被滥用为针对合法言论的攻击工具38。这些担忧在法案执行后的实际数据出来之前只能存档。

Take It Down Act 的直接催化物之一，是 2024年1月末在 4chan 与 X 上大规模流传的针对 Taylor Swift 的 AI 生成裸体图39。其中一张图在被下架前累计观看超过 4500万次；X 在 2024年1月27日一度屏蔽了对 “Taylor Swift” 的一切搜索。该事件之后，参议院在 3 天内提出 DEFIANCE Act，众议院与此并行的 DEEPFAKES Accountability Act 也在讨论中，最终由 TAKE IT DOWN 汇集了共识、成为第一部签署生效的联邦法律。

第二条截止日期与一个具体的产品有关。xAI 2024年12月9日发布了自主研发的图像生成模型 Aurora，采用自回归混合专家架构、多模态输入、写实倾向明显40。2025年7月28日，xAI 把基于 Aurora 的图像—短视频生成工具 Grok Imagine 集成进 X，并于同年 11月向非 Premium 用户开放免费额度41。产品从一开始的安全护栏就设计得比 OpenAI、Google 的对应工具更弱，“Spicy” 生成模式默认允许生成半裸图像。2025年5月起，Grok 被用来“扒衣”（从穿衣人物照片生成裸体版本）的案例被媒体记录下来；到 2025年12月至 2026年1月，X 上出现一次系统性的滥用潮，用户使用 Grok 生成公众人物被性化的图像，部分附带流血或伤痕痕迹，直接张贴在原帖回复串里42。Center for Countering Digital Hate 在 2026年1月发布的一份报告里，记录到 11 天窗口内超过 23,000 张性化未成年人图像43。1月9日，Mashable 的独立调查见报后，xAI 宣布把 Grok Imagine 的图像生成能力限制为付费订阅用户，并在 Aurora 模型上追加过滤器44。同年 3月19日，Grok Imagine 免费额度被完全取消41。

Grok Imagine 事件是 TAKE IT DOWN Act 时代的第一次实测。它把 2024年1月 Taylor Swift 事件在两年内所催生的立法—执行—监管连锁反应，压缩在一个连续的 45 天窗口内展开。在这一窗口内，美国、欧盟、英国、法国、印度、巴西、澳大利亚多国监管机构对 xAI 开启不同层级的调查43。到 2026年年中，Grok Imagine 提供了一份 2026年及以后 AI 图像生成产品从“技术产品”转成“合规产品”的实景示范；推动这份转变的力量并非公司自律，来源是一次高代价的公共事件。

九

这一章的题记里说过，Shrimp Jesus 是全球劳动分工在合成时代的一张截图。本书的前言里，把打开这本书的读者摆在三个屏幕前面：一张 Pepe，一位美国总统，一张耶稣与虾。到这一章为止，三张脸的每一层都被单独走过——Pepe 的十年身份轨迹在第七至九章，$TRUMP 27 天净亏 38.1亿美元的金融事件在第十二章，Shrimp Jesus 的生产链在这一章。三张脸放在一起，可以看出它们并非三个独立的现象；它们是同一台机器上三个不同的镜面。

第一层共同点是复制成本。Pepe 图像 2005年由 Matt Furie 手绘于 Boy’s Club 漫画时，复制成本是画笔与漫画书35；$TRUMP 2025年1月发行时，复制成本是一次 Solana 链上转账；Shrimp Jesus 2024年在 Facebook 上刷屏时，复制成本是一次 Bing Image Creator 的免费额度调用。半个世纪里，从画笔到区块链到扩散模型，复制成本的坍塌是一条几乎单调递减的曲线。每一次介质变迁都让“什么可以被复制”的答案膨胀一次。

第二层共同点是复制者。Pepe 的早期复制者是 4chan /pol/ 匿名用户，是一群不为直接现金激励工作的人；$TRUMP 的复制者是投机资本与机器人账户，是一群按分钟计算回报的人；Shrimp Jesus 的复制者是南亚的临时工与 Meta Creator Bonus 结账户，是一群按曝光美分计算收入的人。从匿名志愿者到投机资本到低成本劳工，“由谁复制”的答案在三十年里从社群往市场、又从市场往劳务市场移了两步。

第三层共同点是付费方。Pepe 十年间的付费方一直是模糊的：Furie 从版权诉讼里拿到过少量赔偿，ADL 花了组织资源把它列入仇恨符号库35，最终它的传播成本主要落在了平台与用户注意力上。$TRUMP 的付费方是 988,905 个净亏损的散户钱包，另一侧的收款方是发行方及少数早期钱包。Shrimp Jesus 的付费方结构更长：Meta 按算法奖励南亚创作者，Meta 的广告主为整个信息流付款，被稀释了注意力的美国用户以时间与判断力为代价——三段付款人隔得很远，看起来互不相识。三张脸底下的“为谁付费”这一栏，在 2026年从来没有一个单一的答案。

第四层共同点是背后的社会技术物。它既不叫“AI”，也不叫“区块链”；它是一层更浅但更稳的东西——按参与度排序的默认信息流。2014年 Kramer 那份实验说明这一层可以被主动利用去操纵情绪；2018年 Zannettou 那份工作说明这一层持续偏向少数节点扩散图像；2022年 Munger 与 Phillips 那份 IJPP 论文说明这一层未必是激进化的独立原因，但确实决定了什么样的内容能被扩散26；2025年 Braghieri 那份工作说明它能解释 Facebook 平台上大部分极化；2025年 medRxiv 那份系统综述汇集了短视频高强度使用与焦虑、强迫行为、工作记忆减损、注意力碎片化的多项关联证据45；2024年12月 Oxford 公开把 “brain rot” 选为年度词汇，正式承认这一层已经进入日常英语的公共讨论对象46；同一年 Serenko 那份工作论文把这个词接入了知识管理研究的既有词汇47。这一层从 2014年到 2026年被翻来覆去研究了十二年，它的存在本身在学术记录里不再是需要辩论的东西。Pepe、$TRUMP、Shrimp Jesus 都工作在这一层之上。

这一章不打算给读者一个温和的收尾。这本书的作者立场从前言到这里没有变过——不评价读者是否该买 memecoin，不评价 AI slop 是不是内容污染，不评价模因驱动的政治是好是坏。这些是价值判断，需要读者自己做。可以摆到桌面上的是这样一份账：模因这个词从 1976年 Richard Dawkins 那一章开始，被至少五种基础设施接力接管过——学术出版、匿名论坛、政治机器、加密协议、AI 模型。到 2026年7月为止，第五次接管仍在进行中。TAKE IT DOWN Act 的平台执行期刚过两个月；NYT v OpenAI 的实质审理进入第二年；Getty 的上诉在英国排期中；Grok Imagine 的付费墙实测数据还没有公开；Meta 尚未公布 Creator Bonus 结构的任何实质调整；中国的 AI 内容披露规则的执行数据仍未见公开数据集。所有这些开放项都会在本书出版后的第一年内落地或改判。

下一次介质变迁会由什么触发，本章不做预测。可以留下的一句是：当“什么在复制、由谁复制、为谁付费”这三个问题在同一个词——模因——之下被问出，且问的时候会同时想到一只青蛙、一位总统、一张耶稣与虾，这本书想做的事情就已经完成一半。剩下的一半在读者那里。

参考文献

  1. KnowYourMeme, “Facebook AI Posts Epidemic / Facebook AI Slop”（含 Shrimp Jesus 条目，最早收录实例集中在 2024年3月至 4月）。链接 →
  2. Renée DiResta & Josh A. Goldstein, “How Spammers, Scammers, and Creators Leverage AI-Generated Images on Facebook for Audience Growth,” Stanford Internet Observatory / Georgetown CSET 联合工作论文，2024年上半年调查约 120 个 Facebook AI-slop 页面。链接 →
  3. Renée DiResta, “Shrimp, Slop, Spam: What Counts as Creativity?” reneediresta.com（个人研究博客，2024–2026年间陆续更新）。链接 →
  4. Jason Koebler, “Where Facebook’s AI Slop Comes From,” 404 Media, 2024-08。链接 →
  5. Miles Klee, “Facebook Is Now in the Age of AI Slop,” Rolling Stone, 2024。链接 →
  6. Matt Novak, “Facebook’s Twisted Incentives Created Its AI Slop Era,” Gizmodo, 2024。链接 →
  7. Simon Willison, “Where Facebook’s AI slop comes from”（对 404 Media 报道的整理，含对 “slop” 一词流行史的注记），2024-08-10。链接 →
  8. Meta for Creators, “Content Monetization / Performance Bonus Program”（Meta 官方文档，介绍按参与度奖励的 Creator Bonus 计划）。链接 →
  9. Hannah Murphy & Cristina Criddle, “Meta’s Mark Zuckerberg says AI content will fill social media feeds,” Financial Times, 2024-09-25 前后。链接 →
  10. Adam D. I. Kramer, Jamie E. Guillory & Jeffrey T. Hancock, “Experimental evidence of massive-scale emotional contagion through social networks,” Proceedings of the National Academy of Sciences, 111(24): 8788-8790, 2014-06-17. DOI: 10.1073/pnas.1320040111. 链接 →
  11. Inder M. Verma, “Editorial Expression of Concern: Experimental evidence of massive-scale emotional contagion through social networks,” PNAS, 111(29): 10779, 2014-07-22. DOI: 10.1073/pnas.1412469111. 链接 →
  12. “Ranking for Engagement: Misinformation and Polarization on Digital Platforms,” Journal of Public Economics, 2026年卷（预印本发表于 Barcelona School of Economics Working Paper Series 第 1501 号，2025-07）。链接 →
  13. Luca Braghieri, Matthew Gentzkow, Ro’ee Levy, Markus Möbius, et al., “The Effect of Facebook’s Algorithmic Feed on Polarization”（相关实地实验综合结果， 2025年发表），估计算法排序信息流可解释 Facebook 平台新闻消费极化程度中约 82% 的部分。链接 →
  14. Microsoft, “Bing Image Creator powered by DALL·E 3”（产品页与 2023年3月上线记录）。链接 →
  15. Columbia SIPA Institute of Global Politics, “AI Slop and the Information Ecosystem: Insights from a Cross-Sector Convening,” 2026-03-05 召集。链接 →
  16. Columbia SIPA IGP, AI Slop and the Information Ecosystem（全文报告 PDF，2026-06 正式发布）。链接 →
  17. Hany Farid, “Deepfakes and the 2024 Election,” farid.berkeley.edu（追踪库，含 2024年美国大选期间可核实的 AI 合成政治内容）。链接 →
  18. “Did artificial intelligence shape the 2024 US election?” Al Jazeera, 2024-12-25；并参 Kylie Robison, “AI deepfakes may have been mostly cartoonish—but the fear was real,” Fortune, 2024-09-22。链接 →
  19. Savvas Zannettou, Tristan Caulfield, Jeremy Blackburn, Emiliano De Cristofaro, Michael Sirivianos, Gianluca Stringhini, Guillermo Suarez-Tangil, “On the Origins of Memes by Means of Fringe Web Communities,” Proc. Internet Measurement Conference (IMC) 2018. arXiv:1805.12512. 链接 →
  20. Durim Morina, Michael Bernstein, et al., “A Web-Scale Analysis of the Community Origins of Image Memes,” Proc. ACM Human-Computer Interaction (CSCW) 2022. arXiv:2204.05439. 链接 →
  21. Kyle Chayka, Filterworld: How Algorithms Flattened Culture, Doubleday, 2024-01。ISBN 978-0-385-54836-4。链接 →
  22. Xinhua English, “China AI ecosystem 2026 — Doubao, Kimi, DeepSeek, Qwen, ERNIE”（含字节跳动豆包+Seedream+Seedance 多模态体系概述），2026-02。综合参 Xinhua、renovateqr.com、ourchinastory.com 关于 2026年4月中国 AI 模型进展的资料。链接 →
  23. CapCut（剪映海外版）官方模板页与 TikTok Discover 页面，展示由 ByteDance 提供的短视频模板即时化机制。链接 →
  24. Tencent WeChat 平台《关于公众账号平台发布 AI 生成内容相关公告》（2024年）；国家互联网信息办公室《生成式人工智能服务管理暂行办法》（2023-08-15 施行）；抖音、快手、B 站于 2024–2025 年间陆续实施的 AI 生成内容标签规则。链接 →
  25. Yao et al., “From memes to mobile visual language: understanding generation Z’s sticker use on WeChat,” Frontiers in Psychology, 17: 1730328, 2026. 链接 →
  26. Kevin Munger & Joseph Phillips, “Right-Wing YouTube: A Supply and Demand Perspective,” International Journal of Press/Politics, 27(1): 186-219, 2022. DOI: 10.1177/1940161220964767. 链接 →
  27. Kevin Munger, The YouTube Apparatus, Cambridge Elements in Politics and Communication, Cambridge University Press, 2024。链接 →
  28. Shawn Shan, Jenna Cryan, Emily Wenger, Haitao Zheng, Rana Hanocka, Ben Y. Zhao, “Glaze: Protecting Artists from Style Mimicry by Text-to-Image Models,” 32nd USENIX Security Symposium, 2023。项目主页 glaze.cs.uchicago.edu，2023年3月首个公开版本发布。链接 →
  29. Kate Knibbs, “This new data poisoning tool lets artists fight back against generative AI,” TechCrunch / MIT Technology Review，2024年1月 Nightshade 1.0 发布报道。链接 →
  30. Melissa Heikkilä, “This new tool could give artists an edge over AI,” MIT Technology Review, 2024-11-13（含 Glaze 累计下载超 600 万次、Nightshade 上线 5 天下载超 25 万次的数据）。链接 →
  31. Getty Images (US) Inc. and others v. Stability AI Ltd, [2025] EWHC 2863 (Ch), Judgment of the High Court of Justice of England & Wales, 2025-11-04（判决 PDF 由英国 Judiciary 官网发布）。链接 →
  32. Mayer Brown, “Getty Images v Stability AI: What the High Court’s decision means for rights holders and AI developers,” 2025-11 分析简报。链接 →
  33. New York Times Co. v. Microsoft Corp. & OpenAI Inc., 23-cv-11195 (S.D.N.Y.), Opinion & Order on Motion to Dismiss, 2025-04-04（美国纽约南区联邦地区法院裁定书 PDF）。链接 →
  34. Harvard Law Review Blog, “NYT v. OpenAI: The Times’s about-face,” 2024-04；后续 2025-10 SDNY 关于集体诉讼原告直接侵权指控驳回动议的裁定综合参 Mishcon de Reya AI litigation tracker。链接 →
  35. NPR, “Pepe The Frog Creator Wins Settlement Against Infowars,” 2019-06-11；Furie v. Infowars/Free Speech Systems LLC，加州中区联邦地区法院和解协议（$15,000）。链接 →
  36. U.S. Congress, S.146 – 119th Congress, “TAKE IT DOWN Act”（Congress.gov 立法记录，2025-04-28 参众两院通过）。链接 →
  37. Skadden, Arps, Slate, Meagher & Flom, “TAKE IT DOWN Act signed into law,” 2025-06 分析简报；总统于 2025-05-19 签署 S.146 使其成为公法。链接 →
  38. Electronic Frontier Foundation, “Congress passes TAKE IT DOWN Act despite major flaws,” 2025-04-29；及 ACLU 关于该法案 notice-and-takedown 结构可能被滥用的公开评论。链接 →
  39. “Taylor Swift deepfake pornography controversy,” Wikipedia entry；并参 Georgetown Journal of Gender and the Law online, “Taylor Swift, Deepfakes, and the First Amendment,” Vol. XXV, 2024。链接 →
  40. xAI, “Grok Image Generation Release” (Aurora model announcement), x.ai/news, 2024-12-09。链接 →
  41. “Grok Imagine” 产品时间线综合参 Wikipedia “Grok (chatbot)” 条目、TechTimes 报道、EM360Tech 报道：2025-07-28 Grok Imagine 发布；2025-11 免费额度对非 Premium 用户开放；2026-03-19 免费额度取消。链接 →
  42. “Grok sexual deepfake scandal,” Wikipedia entry（记录 2025年12月至 2026年1月 X 上使用 Grok 生成公众人物性化图像的滥用潮）。链接 →
  43. Center for Countering Digital Hate (CCDH), “Grok Imagine and CSAM: 23,000+ Images in 11 Days,” 2026-01 报告；并参 Axios 综合报道。链接 →
  44. Ina Fried, “Musk restricts Grok’s explicit images after Mashable exposé,” Axios, 2026-01-09。链接 →
  45. “The Impact of Short-Form Video Use on Cognitive and Mental Health Outcomes: A Systematic Review,” medRxiv preprint, 2025-08-27. DOI: 10.1101/2025.08.27.25334540. 链接 →
  46. Oxford University Press, “‘Brain rot’ named Oxford Word of the Year 2024,” 2024-12-02（含 37,000+ 公众投票、2023-2024 年度使用频率上升 230% 的数据）。链接 →
  47. Alexander Serenko, “Brain rot: The 2024 Oxford English Dictionary Word of the Year,” 工作论文，2024。链接 →