感谢AI和平台，音乐界也有“通货膨胀”了

上来先问一个问题：您知道中国登记在册的歌曲有多少首吗？

答案是：截至2024年底，全国数字曲库总量2.63亿首。

粗暴估算一下，平均5个人就能分到一首歌。

最新的数据我没有查到，但可以确定的是：总数一定是增长的。

因为随着这两年AI的发展，AI音乐开始大行其道——国外的AI音乐平台Suno上，平均每天会诞生700万首歌曲；国内的AI音乐平台也不差，每个月产出的歌曲也“数以千万计”，比新生儿数据好看多了。

以前是“人比歌多”，现在或许已经“歌比人多”了。

数据挺不错，颇有一番“勃勃生机、万物竞发”的感觉。但须知，这世间的一切，总还要讲一个供需关系的。

在听众总量没有显著变化的情况下，歌曲的数量却在暴涨，最终的结果就是音乐的泛滥和贬值。接踵而来的，就是个体音乐人的收入困境以及全体音乐消费者的审美危机。

这是AI高效率、低成本的数据模仿能力，与平台追求无限增长的注意力经济所造成的必然结果。

创作音乐的门槛，从未如此之低

我们之前讲过很多次，当下生成式AI的本质就是“猜字谜”——AI并不是真的认识了这个世界，它只是不断提高自己的“演技”，学着如何更好地贴合人类的喜好而已。

AI做音乐，其实也是这样一个模仿和学习的过程。

首先，AI需要“听”大量的歌曲，不是用耳朵，而是用数学。它会把成千上万首歌拆开，把那些旋律、歌词变成一堆数字，然后提炼出不同风格的音乐里这些数字的排列有什么规律。

而当你用AI进行创作的时候，AI并不是在感受你的情感和审美，它只是单纯地提取你的关键词，然后去按照统计学的结果去猜——当你的提示词里出现“窗外”的时候，它便开始思考后面到底应该接“下着雨”还是“的麻雀”。

它只会选择那个“最常出现”的选项，然后以这个词为起点，继续查下一个“最常出现”的词是什么。就这样一个词一个词、一个音符一个音符地选下去，所有的选择都严格遵循它从海量歌曲中学到的“常见搭配规律”。

这样生成的歌曲，最终听上去自然是非常通顺的，往往也很贴合大众审美——毕竟，这首歌本身就是无数同类歌曲规律的缩影。

因此，它不是在进行灵感与情绪的创作，而是在用统计学知识做高级模仿，组合出一个符合概率的、新的音乐数据文件。

打个比较恶心的比方就是：

艺术家创作音乐像做饭，该放肉的时候放肉，该下菜的时候下菜——任何音乐的工程文件打开，里面都被规划出了N多条轨道，每一条轨道的设计，都有自己的讲究。哪怕用的是最庸俗的和弦，起码艺术家本人也是知道自己在偷懒的。

一首歌的背后有十几条不同轨道在共同运作

而AI创作音乐，则好比是消化道，不管之前你吃的是什么，它最后只会给你输出一整个大的——AI输出的音乐只有一条轨道，其本质是数学计算，AI根本不知道什么时候该用大提琴、什么时候该用小号，只知道这么编曲被接受的概率较高罢了。

从艺术的角度来看，你很难说这种东西有什么价值。

但从商业和技术的角度而言，从事艺术活动的门槛，则被前所未有地降低了。

过去，创作一首完整的歌曲需要多年学习的乐理知识、乐器技能或高昂的制作费用。如今，只要你会有手机、会打字，你就可以当一个“作曲家”。

音乐创作的工具和机会，正变得对所有人更加平等。它不再只是专业音乐人的特权。任何一个有灵感的普通人，都可以借助工具，将想法变成可聆听的作品。从理论上，这实现了一种“艺术创作的平权”——表达的舞台，正在向更多人敞开。

但是，这样真的好吗？

创作平权带来的好处和坏处

“艺术创作平权”带来的好处是真实且立竿见影的。

最基础的一条就是“省钱省事”。

“音乐”这个词很大，贝多芬的交响乐是音乐，春节超市里放的“恭喜发财”也是音乐。

但对无数中小商家、自媒体博主和普通人来说，音乐需求其实是“功能性的”。

比如，一个火锅店需要热闹的背景音乐，一个知识博主需要不打扰说话的氛围音，这些音乐，不要求什么华丽的编曲，只要“听个响”就行。

又到了一年一度刘德华老师解冻的时候

过去，如果你需要一段音乐，要么去找无版权的开源曲库，要么就得花钱买授权，否则就有可能被专业的“版权猎人”盯上，给你来一波“以诉代销”。

但现在，AI音乐工具可以免费使用，付费的一个月也不过几十元，输入“热闹中式火锅店氛围”或“轻柔专注学习背景”，就能无限生成安全可用的配乐，版权风险瞬间清零。

好的说完，该说坏的了。

AI音乐的负面影响，和它的好处一样，真实且立竿见影。

AI会取代周杰伦、林俊杰吗？

并不会。

真正被AI取代的，其实是那些在各种文化产业园区的公司里打卡上班的“音乐打工人”——一个有经验的编曲师，以往为一部网剧制作片头曲和几段情景配乐，整体报价可能在2万到5万元。但现在，制片方很可能要求他“参考AI生成的一个小样来做”，或者干脆只用AI生成，将预算砍到几千元“修改费”，甚至人家制片方可能直接就自己上了。

这意味着，整个市场为“达标级”和“功能性”音乐所支付的费用正在急剧蒸发。

而更恐怖的效应则是：创作的门槛确实是降低了，但同时，成功的门槛也被拉高了。

你能作曲，我也能作曲，手机里的那些AI，个个有情有义，没日没夜作曲，一分钱都不要。当一首歌的制作成本接近零时，竞争就完全变成了流量的战争，谁的歌曲有流量，谁赚的钱就更多。

音乐人从Spotify这样的欧美平台获得每万次播放的收入大约只有30美元，而在国内平台，每一万次播放最多也就赚个100元——国内某个头部音乐平台，日活虽然突破了3000万，但在入驻的音乐人里，却只有4%的人月入能超过5000元。

于是乎，许多音乐人为了能从音乐平台那边薅到更多羊毛，纷纷开始使用“听歌外挂”，用各种技术手段强行给自己的歌曲刷播放量数据，希望借此可以骗过系统，获得更多流量分成。

这已经不是艺术理想的问题了，再努努力就到“破坏计算机信息系统罪”了。

注意力经济，被砸盘了

上文我们已经说过了：在听众总量没有显著变化的情况下，歌曲的数量却在暴涨，最终的结果就是音乐的泛滥和贬值。

这世上最大的公平就是每人每天都只有24小时，排除掉吃饭、睡觉，能用来听歌娱乐的时间，其实真不多。

当AI技术使音乐可以近乎零成本地无限量生产时，人类有限的注意力便成为平台算法竞争的唯一终极资源——因为哪怕就只剩下的这么几个小时的时间，音乐、社交、短视频、小说、游戏彼此之间还要争夺人们的注意力。

于是乎，音乐消费的模式开始剧变：从听完整首歌，变成了消费一个片段。

在实体唱片时代，听众购买《范特西》或《叶惠美》专辑，消费的是从第一首到最后一首的完整作品序列。歌曲的前奏、间奏、编曲细节和歌词叙事，都作为不可分割的整体被反复聆听，从而塑造了深刻的集体记忆——《以父之名》开头那段女声吟唱，想必听过的人都会印象深刻。

而在当前的注意力经济模式下，算法为了在15秒内抓住用户并最大化平台停留时间，会主动将完整的歌曲解构，我们听到的，只是最抓耳朵的那几秒钟罢了。

这种“切片化”传播带来了什么呢？

带来了更极端的“歌红人不红”。

人们能记住作为短视频BGM的那十几秒，却不会记住这个歌手、甚至记不得这首歌的名字。

我们会记得“误闯天家”“想吃广东菜”，但谁知道这两首歌的名字其实是《辞·九门回忆》和《你若三冬》呢？又有谁会记得这两首歌的歌手、作词是何许人也呢？

周杰伦和方文山这样的组合，以后怕是不会再有咯。因为音乐已经从专注欣赏的对象，变成了服务短视频的情绪素材。

我们确实获得了音乐创作的自由，但音乐显然已经变成了精密的流量生意，和浪漫不沾半毛钱关系。

受到这种冲击影响的，也不单纯是音乐从业者——当注意力成为稀缺资源，并被算法极致地个性化分配后，一部分公共记忆也就此消失了。

“宫廷玉液酒”的下一句是什么，是个中国人都知道。

“我爱你，爱着你，就像老鼠爱大米”也是大众的共识。

在以往，社会依靠共同的文化作品来凝聚共识、标记时代。这种共同记忆不仅是怀旧素材，更是社会成员间无需解释的情感纽带和对话起点。

但未来，情况会很不同。在个性化推荐算法的指引下，歌曲将会被推送个特定的群体，有些人在歌曲发布后的一小时内就能进入单曲循环，有的人则终其一生都不会听到这首歌。即便同一首歌，有人只听过副歌剪辑版，有人则可能从未被推荐过。

我们正在被算法精准地取悦，但反过来说，我们也正被算法精准地禁闭。

本身代际之间、群体之间就存在着不小的沟通问题，而随着各种各样文化共识的瓦解，日后的沟通与理解难度，怕是要更高了。

AI音乐和算法的“左脚踩右脚”

发展到今天，AI音乐与平台算法之间，构成了一个高效运转、自我强化的共生系统。

一方面，AI音乐是算法系统最理想的“内容燃料”。

平台算法的核心目标是通过不断推陈出新，最大化用户的停留时间。传统的音乐生产速度实在太慢，而AI音乐正好解决了这个问题：它能以极低的成本和秒级的速度，生成海量的标准化音乐，为算法提供了近乎无限的推送素材库，这确保了用户的“推荐流”永不枯竭。

另一方面，算法数据是AI音乐进化的“考核体系”。

AI音乐工具并非盲目生成，其进化方向由算法反馈的数据严格指导。平台算法实时监测每一首歌曲（包括AI作品）的“完播率”、“分享率”、“停留时长”等数据。哪些前奏模式能让用户更快进入？哪种副歌结构更能引发互动？这些数据会反馈给AI模型，使其在下次生成时，更倾向于模仿那些被数据验证为“成功”的模式。

插图：这种关系形成了一个闭环：AI生产海量内容喂养算法 → 算法用数据甄别出最抓注意力的模式 → 这些模式再指导AI进行更精准的“爆款”生产。

这个飞轮一直转下去，结果就是：音乐创作开始遵循“流量优化”的逻辑，一切都向算法偏好靠拢，进而一切都开始同质化——歌曲的创作开始从“表达微妙情感”变成了“通过数据验证”。无论是AI批量生成的音乐，还是人类为求曝光而创作的音乐，都会主动向算法验证过的“高数据区间”靠拢，从而在听感、结构和情绪上越来越趋同。

艺术、审美，已经彻底被算法牵着鼻子走了。

最终，随着这个闭环系统不断自我强化，我们逐渐来到了这样的一个市场：谁掌握了AI工具和算法，谁就掌握了艺术的定义权。

在生产端，国内外几乎所有主流视频平台都在积极研发自己的AI音乐工具，恰如当年都在研发自己的视频剪辑工具一般。平台不甘心只当一个传播者，更希望成为内容的生产者。音乐人若想使用最便捷、与平台最兼容的工具，往往不得不进入其生态系统。

在分发过程中，平台的推荐算法更是绝对的主导。算法决定了一首歌能否被听见、被推送给谁、以及以何种形式（完整作品或15秒片段）被推荐。因此，一首歌的成败几乎完全取决于是否符合算法的流量逻辑，传统的电台打榜、媒体乐评等价值评价体系被边缘化。

而在更宏观的层面上，平台更是稳赚不赔。

毕竟，任何内容创作者，不论粉丝多少，都不具有和平台掀桌子的实力。

····· End ·····

▲见证中国科技奔赴星辰大海

专注产业链分析和案例写作

关注AI、互联网、汽车、消费电子

半导体等前沿科技产业

入驻媒体平台

36Kr/ 观察者网风闻社区/ 网易

虎嗅/ 雪球/ 腾 讯新闻

-星海社群推荐-

汇聚制造强国的每一粒星火

追踪科技浪潮的每一个故事

扫描下方的二维码进群交流

见证中国科技奔赴星辰大海