感謝AI和平臺，音樂界也有“通貨膨脹”了

上來先問一個問題：您知道中國登記在冊的歌曲有多少首嗎？

答案是：截至2024年底，全國數字曲庫總量2.63億首。

粗暴估算一下，平均5個人就能分到一首歌。

最新的數據我沒有查到，但可以確定的是：總數一定是增長的。

因為隨著這兩年AI的發展，AI音樂開始大行其道——國外的AI音樂平臺Suno上，平均每天會誕生700萬首歌曲；國內的AI音樂平臺也不差，每個月產出的歌曲也“數以千萬計”，比新生兒數據好看多了。

以前是“人比歌多”，現在或許已經“歌比人多”了。

數據挺不錯，頗有一番“勃勃生機、萬物競發”的感覺。但須知，這世間的一切，總還要講一個供需關系的。

在聽眾總量沒有顯著變化的情況下，歌曲的數量卻在暴漲，最終的結果就是音樂的泛濫和貶值。接踵而來的，就是個體音樂人的收入困境以及全體音樂消費者的審美危機。

這是AI高效率、低成本的數據模仿能力，與平臺追求無限增長的注意力經濟所造成的必然結果。

創作音樂的門檻，從未如此之低

我們之前講過很多次，當下生成式AI的本質就是“猜字謎”——AI并不是真的認識了這個世界，它只是不斷提高自己的“演技”，學著如何更好地貼合人類的喜好而已。

AI做音樂，其實也是這樣一個模仿和學習的過程。

首先，AI需要“聽”大量的歌曲，不是用耳朵，而是用數學。它會把成千上萬首歌拆開，把那些旋律、歌詞變成一堆數字，然后提煉出不同風格的音樂里這些數字的排列有什么規律。

而當你用AI進行創作的時候，AI并不是在感受你的情感和審美，它只是單純地提取你的關鍵詞，然后去按照統計學的結果去猜——當你的提示詞里出現“窗外”的時候，它便開始思考后面到底應該接“下著雨”還是“的麻雀”。

它只會選擇那個“最常出現”的選項，然后以這個詞為起點，繼續查下一個“最常出現”的詞是什么。就這樣一個詞一個詞、一個音符一個音符地選下去，所有的選擇都嚴格遵循它從海量歌曲中學到的“常見搭配規律”。

這樣生成的歌曲，最終聽上去自然是非常通順的，往往也很貼合大眾審美——畢竟，這首歌本身就是無數同類歌曲規律的縮影。

因此，它不是在進行靈感與情緒的創作，而是在用統計學知識做高級模仿，組合出一個符合概率的、新的音樂數據文件。

打個比較惡心的比方就是：

藝術家創作音樂像做飯，該放肉的時候放肉，該下菜的時候下菜——任何音樂的工程文件打開，里面都被規劃出了N多條軌道，每一條軌道的設計，都有自己的講究。哪怕用的是最庸俗的和弦，起碼藝術家本人也是知道自己在偷懶的。

一首歌的背后有十幾條不同軌道在共同運作

而AI創作音樂，則好比是消化道，不管之前你吃的是什么，它最后只會給你輸出一整個大的——AI輸出的音樂只有一條軌道，其本質是數學計算，AI根本不知道什么時候該用大提琴、什么時候該用小號，只知道這么編曲被接受的概率較高罷了。

從藝術的角度來看，你很難說這種東西有什么價值。

但從商業和技術的角度而言，從事藝術活動的門檻，則被前所未有地降低了。

過去，創作一首完整的歌曲需要多年學習的樂理知識、樂器技能或高昂的制作費用。如今，只要你會有手機、會打字，你就可以當一個“作曲家”。

音樂創作的工具和機會，正變得對所有人更加平等。它不再只是專業音樂人的特權。任何一個有靈感的普通人，都可以借助工具，將想法變成可聆聽的作品。從理論上，這實現了一種“藝術創作的平權”——表達的舞臺，正在向更多人敞開。

但是，這樣真的好嗎？

創作平權帶來的好處和壞處

“藝術創作平權”帶來的好處是真實且立竿見影的。

最基礎的一條就是“省錢省事”。

“音樂”這個詞很大，貝多芬的交響樂是音樂，春節超市里放的“恭喜發財”也是音樂。

但對無數中小商家、自媒體博主和普通人來說，音樂需求其實是“功能性的”。

比如，一個火鍋店需要熱鬧的背景音樂，一個知識博主需要不打擾說話的氛圍音，這些音樂，不要求什么華麗的編曲，只要“聽個響”就行。

又到了一年一度劉德華老師解凍的時候

過去，如果你需要一段音樂，要么去找無版權的開源曲庫，要么就得花錢買授權，否則就有可能被專業的“版權獵人”盯上，給你來一波“以訴代銷”。

但現在，AI音樂工具可以免費使用，付費的一個月也不過幾十元，輸入“熱鬧中式火鍋店氛圍”或“輕柔專注學習背景”，就能無限生成安全可用的配樂，版權風險瞬間清零。

好的說完，該說壞的了。

AI音樂的負面影響，和它的好處一樣，真實且立竿見影。

AI會取代周杰倫、林俊杰嗎？

并不會。

真正被AI取代的，其實是那些在各種文化產業園區的公司里打卡上班的“音樂打工人”——一個有經驗的編曲師，以往為一部網劇制作片頭曲和幾段情景配樂，整體報價可能在2萬到5萬元。但現在，制片方很可能要求他“參考AI生成的一個小樣來做”，或者干脆只用AI生成，將預算砍到幾千元“修改費”，甚至人家制片方可能直接就自己上了。

這意味著，整個市場為“達標級”和“功能性”音樂所支付的費用正在急劇蒸發。

而更恐怖的效應則是：創作的門檻確實是降低了，但同時，成功的門檻也被拉高了。

你能作曲，我也能作曲，手機里的那些AI，個個有情有義，沒日沒夜作曲，一分錢都不要。當一首歌的制作成本接近零時，競爭就完全變成了流量的戰爭，誰的歌曲有流量，誰賺的錢就更多。

音樂人從Spotify這樣的歐美平臺獲得每萬次播放的收入大約只有30美元，而在國內平臺，每一萬次播放最多也就賺個100元——國內某個頭部音樂平臺，日活雖然突破了3000萬，但在入駐的音樂人里，卻只有4%的人月入能超過5000元。

于是乎，許多音樂人為了能從音樂平臺那邊薅到更多羊毛，紛紛開始使用“聽歌外掛”，用各種技術手段強行給自己的歌曲刷播放量數據，希望借此可以騙過系統，獲得更多流量分成。

這已經不是藝術理想的問題了，再努努力就到“破壞計算機信息系統罪”了。

注意力經濟，被砸盤了

上文我們已經說過了：在聽眾總量沒有顯著變化的情況下，歌曲的數量卻在暴漲，最終的結果就是音樂的泛濫和貶值。

這世上最大的公平就是每人每天都只有24小時，排除掉吃飯、睡覺，能用來聽歌娛樂的時間，其實真不多。

當AI技術使音樂可以近乎零成本地無限量生產時，人類有限的注意力便成為平臺算法競爭的唯一終極資源——因為哪怕就只剩下的這么幾個小時的時間，音樂、社交、短視頻、小說、游戲彼此之間還要爭奪人們的注意力。

于是乎，音樂消費的模式開始劇變：從聽完整首歌，變成了消費一個片段。

在實體唱片時代，聽眾購買《范特西》或《葉惠美》專輯，消費的是從第一首到最后一首的完整作品序列。歌曲的前奏、間奏、編曲細節和歌詞敘事，都作為不可分割的整體被反復聆聽，從而塑造了深刻的集體記憶——《以父之名》開頭那段女聲吟唱，想必聽過的人都會印象深刻。

而在當前的注意力經濟模式下，算法為了在15秒內抓住用戶并最大化平臺停留時間，會主動將完整的歌曲解構，我們聽到的，只是最抓耳朵的那幾秒鐘罷了。

這種“切片化”傳播帶來了什么呢？

帶來了更極端的“歌紅人不紅”。

人們能記住作為短視頻BGM的那十幾秒，卻不會記住這個歌手、甚至記不得這首歌的名字。

我們會記得“誤闖天家”“想吃廣東菜”，但誰知道這兩首歌的名字其實是《辭·九門回憶》和《你若三冬》呢？又有誰會記得這兩首歌的歌手、作詞是何許人也呢？

周杰倫和方文山這樣的組合，以后怕是不會再有咯。因為音樂已經從專注欣賞的對象，變成了服務短視頻的情緒素材。

我們確實獲得了音樂創作的自由，但音樂顯然已經變成了精密的流量生意，和浪漫不沾半毛錢關系。

受到這種沖擊影響的，也不單純是音樂從業者——當注意力成為稀缺資源，并被算法極致地個性化分配后，一部分公共記憶也就此消失了。

“宮廷玉液酒”的下一句是什么，是個中國人都知道。

“我愛你，愛著你，就像老鼠愛大米”也是大眾的共識。

在以往，社會依靠共同的文化作品來凝聚共識、標記時代。這種共同記憶不僅是懷舊素材，更是社會成員間無需解釋的情感紐帶和對話起點。

但未來，情況會很不同。在個性化推薦算法的指引下，歌曲將會被推送個特定的群體，有些人在歌曲發布后的一小時內就能進入單曲循環，有的人則終其一生都不會聽到這首歌。即便同一首歌，有人只聽過副歌剪輯版，有人則可能從未被推薦過。

我們正在被算法精準地取悅，但反過來說，我們也正被算法精準地禁閉。

本身代際之間、群體之間就存在著不小的溝通問題，而隨著各種各樣文化共識的瓦解，日后的溝通與理解難度，怕是要更高了。

AI音樂和算法的“左腳踩右腳”

發展到今天，AI音樂與平臺算法之間，構成了一個高效運轉、自我強化的共生系統。

一方面，AI音樂是算法系統最理想的“內容燃料”。

平臺算法的核心目標是通過不斷推陳出新，最大化用戶的停留時間。傳統的音樂生產速度實在太慢，而AI音樂正好解決了這個問題：它能以極低的成本和秒級的速度，生成海量的標準化音樂，為算法提供了近乎無限的推送素材庫，這確保了用戶的“推薦流”永不枯竭。

另一方面，算法數據是AI音樂進化的“考核體系”。

AI音樂工具并非盲目生成，其進化方向由算法反饋的數據嚴格指導。平臺算法實時監測每一首歌曲（包括AI作品）的“完播率”、“分享率”、“停留時長”等數據。哪些前奏模式能讓用戶更快進入？哪種副歌結構更能引發互動？這些數據會反饋給AI模型，使其在下次生成時，更傾向于模仿那些被數據驗證為“成功”的模式。

插圖：這種關系形成了一個閉環：AI生產海量內容喂養算法 → 算法用數據甄別出最抓注意力的模式 → 這些模式再指導AI進行更精準的“爆款”生產。

這個飛輪一直轉下去，結果就是：音樂創作開始遵循“流量優化”的邏輯，一切都向算法偏好靠攏，進而一切都開始同質化——歌曲的創作開始從“表達微妙情感”變成了“通過數據驗證”。無論是AI批量生成的音樂，還是人類為求曝光而創作的音樂，都會主動向算法驗證過的“高數據區間”靠攏，從而在聽感、結構和情緒上越來越趨同。

藝術、審美，已經徹底被算法牽著鼻子走了。

最終，隨著這個閉環系統不斷自我強化，我們逐漸來到了這樣的一個市場：誰掌握了AI工具和算法，誰就掌握了藝術的定義權。

在生產端，國內外幾乎所有主流視頻平臺都在積極研發自己的AI音樂工具，恰如當年都在研發自己的視頻剪輯工具一般。平臺不甘心只當一個傳播者，更希望成為內容的生產者。音樂人若想使用最便捷、與平臺最兼容的工具，往往不得不進入其生態系統。

在分發過程中，平臺的推薦算法更是絕對的主導。算法決定了一首歌能否被聽見、被推送給誰、以及以何種形式（完整作品或15秒片段）被推薦。因此，一首歌的成敗幾乎完全取決于是否符合算法的流量邏輯，傳統的電臺打榜、媒體樂評等價值評價體系被邊緣化。

而在更宏觀的層面上，平臺更是穩賺不賠。

畢竟，任何內容創作者，不論粉絲多少，都不具有和平臺掀桌子的實力。

····· End ·····

▲見證中國科技奔赴星辰大海

專注產業鏈分析和案例寫作

關注AI、互聯網、汽車、消費電子

半導體等前沿科技產業

入駐媒體平臺

36Kr/ 觀察者網風聞社區/ 網易

虎嗅/ 雪球/ 騰 訊新聞

-星海社群推薦-

匯聚制造強國的每一粒星火

追蹤科技浪潮的每一個故事

掃描下方的二維碼進群交流

見證中國科技奔赴星辰大海