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(shù)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(shù)據(jù)我沒有查到，但可以確定的是：總數(shù)一定是增長的。

因為隨著這兩年AI的發(fā)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(nèi)的AI音樂平臺也不差，每個月產(chǎn)出的歌曲也“數(shù)以千萬計”，比新生兒數(shù)據(jù)好看多了。

以前是“人比歌多”，現(xiàn)在或許已經(jīng)“歌比人多”了。

數(shù)據(jù)挺不錯，頗有一番“勃勃生機、萬物競發(fā)”的感覺。但須知，這世間的一切，總還要講一個供需關(guān)系的。

在聽眾總量沒有顯著變化的情況下，歌曲的數(shù)量卻在暴漲，最終的結(jié)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(shù)據(jù)模仿能力，與平臺追求無限增長的注意力經(jīng)濟所造成的必然結(jié)果。

創(chuàng)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(zhì)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(xué)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(xué)習(xí)的過程。

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

而當你用AI進行創(chuàng)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(guān)鍵詞，然后去按照統(tǒng)計學(xué)的結(jié)果去猜——當你的提示詞里出現(xiàn)“窗外”的時候，它便開始思考后面到底應(yīng)該接“下著雨”還是“的麻雀”。

它只會選擇那個“最常出現(xiàn)”的選項，然后以這個詞為起點，繼續(xù)查下一個“最常出現(xiàn)”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(xué)到的“常見搭配規(guī)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(shù)同類歌曲規(guī)律的縮影。

因此，它不是在進行靈感與情緒的創(chuàng)作，而是在用統(tǒng)計學(xué)知識做高級模仿，組合出一個符合概率的、新的音樂數(shù)據(jù)文件。

打個比較惡心的比方就是：

藝術(shù)家創(chuàng)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(guī)劃出了N多條軌道，每一條軌道的設(shè)計，都有自己的講究。哪怕用的是最庸俗的和弦，起碼藝術(shù)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(chuàng)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(zhì)是數(shù)學(xué)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(shù)的角度來看，你很難說這種東西有什么價值。

但從商業(yè)和技術(shù)的角度而言，從事藝術(shù)活動的門檻，則被前所未有地降低了。

過去，創(chuàng)作一首完整的歌曲需要多年學(xué)習(xí)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(chuàng)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(yè)音樂人的特權(quán)。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(xiàn)了一種“藝術(shù)創(chuàng)作的平權(quán)”——表達的舞臺，正在向更多人敞開。

但是，這樣真的好嗎？

創(chuàng)作平權(quán)帶來的好處和壞處

“藝術(shù)創(chuàng)作平權(quán)”帶來的好處是真實且立竿見影的。

最基礎(chǔ)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(jié)超市里放的“恭喜發(fā)財”也是音樂。

但對無數(shù)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(quán)的開源曲庫，要么就得花錢買授權(quán)，否則就有可能被專業(yè)的“版權(quán)獵人”盯上，給你來一波“以訴代銷”。

但現(xiàn)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(xué)習(xí)背景”，就能無限生成安全可用的配樂，版權(quán)風(fēng)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(chǎn)業(yè)園區(qū)的公司里打卡上班的“音樂打工人”——一個有經(jīng)驗的編曲師，以往為一部網(wǎng)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(xiàn)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(yù)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(fā)。

而更恐怖的效應(yīng)則是：創(chuàng)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(zhàn)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(nèi)平臺，每一萬次播放最多也就賺個100元——國內(nèi)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(shù)手段強行給自己的歌曲刷播放量數(shù)據(jù)，希望借此可以騙過系統(tǒng)，獲得更多流量分成。

這已經(jīng)不是藝術(shù)理想的問題了，再努努力就到“破壞計算機信息系統(tǒng)罪”了。

注意力經(jīng)濟，被砸盤了

上文我們已經(jīng)說過了：在聽眾總量沒有顯著變化的情況下，歌曲的數(shù)量卻在暴漲，最終的結(jié)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(shù)使音樂可以近乎零成本地?zé)o限量生產(chǎn)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(jié)和歌詞敘事，都作為不可分割的整體被反復(fù)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(jīng)濟模式下，算法為了在15秒內(nèi)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(gòu)，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(jīng)從專注欣賞的對象，變成了服務(wù)短視頻的情緒素材。

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

受到這種沖擊影響的，也不單純是音樂從業(yè)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(fā)布后的一小時內(nèi)就能進入單曲循環(huán)，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(fā)展到今天，AI音樂與平臺算法之間，構(gòu)成了一個高效運轉(zhuǎn)、自我強化的共生系統(tǒng)。

一方面，AI音樂是算法系統(tǒng)最理想的“內(nèi)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(tǒng)的音樂生產(chǎn)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(shù)據(jù)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(shù)據(jù)嚴格指導(dǎo)。平臺算法實時監(jiān)測每一首歌曲（包括AI作品）的“完播率”、“分享率”、“停留時長”等數(shù)據(jù)。哪些前奏模式能讓用戶更快進入？哪種副歌結(jié)構(gòu)更能引發(fā)互動？這些數(shù)據(jù)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(shù)據(jù)驗證為“成功”的模式。

插圖：這種關(guān)系形成了一個閉環(huán)：AI生產(chǎn)海量內(nèi)容喂養(yǎng)算法 → 算法用數(shù)據(jù)甄別出最抓注意力的模式 → 這些模式再指導(dǎo)AI進行更精準的“爆款”生產(chǎn)。

這個飛輪一直轉(zhuǎn)下去，結(jié)果就是：音樂創(chuàng)作開始遵循“流量優(yōu)化”的邏輯，一切都向算法偏好靠攏，進而一切都開始同質(zhì)化——歌曲的創(chuàng)作開始從“表達微妙情感”變成了“通過數(shù)據(jù)驗證”。無論是AI批量生成的音樂，還是人類為求曝光而創(chuàng)作的音樂，都會主動向算法驗證過的“高數(shù)據(jù)區(qū)間”靠攏，從而在聽感、結(jié)構(gòu)和情緒上越來越趨同。

藝術(shù)、審美，已經(jīng)徹底被算法牽著鼻子走了。

最終，隨著這個閉環(huán)系統(tǒng)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(shù)的定義權(quán)。

在生產(chǎn)端，國內(nèi)外幾乎所有主流視頻平臺都在積極研發(fā)自己的AI音樂工具，恰如當年都在研發(fā)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(nèi)容的生產(chǎn)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(tài)系統(tǒng)。

在分發(fā)過程中，平臺的推薦算法更是絕對的主導(dǎo)。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(tǒng)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(wěn)賺不賠。

畢竟，任何內(nèi)容創(chuàng)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(chǎn)業(yè)鏈分析和案例寫作

關(guān)注AI、互聯(lián)網(wǎng)、汽車、消費電子

半導(dǎo)體等前沿科技產(chǎn)業(yè)

入駐媒體平臺

36Kr/ 觀察者網(wǎng)風(fēng)聞社區(qū)/ 網(wǎng)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