AI 音乐走到「该怎么做」，中国大模型为啥选最难的路？

不做 Suno，选择 AI 音乐的另一条路。

01

「AI 音乐，拼的早已不是产能」

流媒体平台 Deezer 最新披露了一组数据：AI 歌曲每天涌入平台的速度已经从 2025 年初的 1 万首飙升到 7.5 万首，占当日新增上传的 44%。但实际播放占比，只有 1%—3%。

7.5 万首进去，不到 3%能被听见。剩下的，沉默地沉在平台底层。

产能炸了，产品却过不了人的耳朵这一关。

更深层的问题是，听众越来越能分辨 AI 作品和人类创作，平台也开始用质量而非数量来筛选，比如 TIDAL 就上线了 AI 透明度标签，IFPI 要求「人类实质性参与」才能进入官方榜单。

当 AI 音乐从「能不能做」走到「该怎么做」，一个更根本的问题浮出水面：当所有人都能一键生成，「生成」本身不再是价值，什么才是？

AI 音乐用了三年时间，解决了「能不能做」的问题。

但「该怎么做」，怎么让音乐真正服务于人，怎么让创作不被产能淹没，怎么在产能洪流中让真正有灵魂的作品被人听见，这些问题才刚刚浮出水面。

02

一个想给妻子做首歌的人

音潮团队 CEO 姜涛最初做 AI 音乐的初衷，甚至带点浪漫色彩。

他想给妻子做一首专属纪念歌曲，却发现传统音乐制作成本动辄上万、周期数周，普通人根本够不到创作门槛。一个在音频技术大厂深耕多年的人，想为身边最亲近的人做一首歌，都做不到。

这件事给他一个感受很具体：音乐创作不是没有需求，而是没有通道。很多人脑子里都有旋律、有情绪、有想表达的东西，但传统制作流程的高门槛，把这些灵感永远锁在了「想一想」的阶段。

他花了几个月时间，把市面上所有能找到的 AI 音乐工具都试了一遍。结论让人沮丧：没有一款能真正「读懂」他脑子里那个旋律。英文歌还行，中文歌一塌糊涂。想微调某个乐器的配比，只能反复改提示词、重新生成，折腾大半天，最后无奈删掉。

这个体验，和今天大多数 AI 音乐用户一模一样。工具越来越强，但「差一口气」的感觉始终没有消失。

由此姜涛萌生了一个念头：能不能做一个真正「读懂」人的 AI 音乐工具？

这个起点决定了音潮后来走的方向。它不是在追逐一个热门赛道，而是在解决一个真实的问题，音乐创作门槛太高，大多数人的灵感注定被浪费。

2025 年，音潮团队成立。团队配置很特别，算法技术团队和科班音乐人跨界搭配，程序员深耕乐理、吃透音乐逻辑，音乐人深度参与模型迭代。程序员写代码，音乐人审听，每一轮迭代都要过「人耳关」，不是技术指标达标就行，而是听上去得「活」。

03

选那条最难的路

AI 音乐赛道上的公司，大致面临两个选择。

第一条路：在英语底座上做优化，快速出产品，抢占全球市场。Suno、Udio 走的就是这条路，估值冲天。但覆盖面越宽，对单一文化的理解就越浅，Suno 做英文歌确实能打，做中文歌就差点意思，咬字发飘、情绪空虚，绕不开那个"英语底座"的天花板。

第二条路：从底层重新训练，把中文语境的「味道」写进模型骨子里。这条路更慢、更难、更贵，但更深效果也更好，对音乐的理解更自然、贴切，不再需要一层转译过来。

音潮团队选择了后者。

中文是声调语言，跟英语的重音节奏体系根本不是一套系统。如果选择英语底座缝缝补补，永远差着那种味道。音潮一开始就基于中文底座，从训练数据到模型架构到优化目标，都重新设计。

这条路的代价是：更长的研发周期，更高的训练成本，更晚的市场窗口。Suno 在 2024 年就冲到了 5 亿美元估值，而音潮团队选择了一条更慢的路线，先花时间把中文做透，再向全球扩展。这意味着在资本最狂热的那段时间里，他们选择了「不追」。

收益也很明确，当 AI 音乐的产能过剩到日产 7 万首、播放不到 3%的时候，「广覆盖」的红利消退，「有深度」的价值浮现。一条从底层自研、对音乐理解从里面长出来的路线，赢得了听众，因为人听得出区别。缝合的情绪与自然内部生长的情绪，不需要乐理知识都能分辨。

音潮团队从第一天起就选择了壁仞国产 GPU 完成训练与迭代，算法和算力都不依赖海外。别人算力一断供，迭代节奏就被打乱；别人 GPU 一涨价，成本结构就得重新算。音潮不需要担心这些，整条链路握在自己手里，可控、可解释。

算法和算力都掌握在自己手里，国产 AI 音乐真正拥有了「不受制于人」的底气。

04

连续两年拿下 WAIC 主题曲

2025 年和 2026 年，WAIC 世界人工智能大会的官方主题曲，都出自音潮团队之手。连续两年卫冕，含金量不必多说。

但更值得观察的是：V3.5 已经能拿 WAIC 了，V4.0 还升级什么？

答案是：WAIC 主题曲证明的是音潮的「下限」，在最严格的评审标准下，它已经能交出合格答卷。但一个只会做主题曲的 AI 音乐工具，还不是一个真正的创作工具。V4.0 要解决的是另一个问题：让每一个普通用户，都能被「读懂」。

8 月 14 日，音潮 V4.0 正式发布。底层架构的全方位重构，核心变化集中在指令理解、情绪落地、曲风细分三个维度。V4.0 的判断很清晰：AI 音乐不该只是「帮你做」，而应该是「帮你做你想做的」。

WAIC 主题曲是「帮你做」，评审标准明确，需求清晰，模型按流程执行就行。但普通用户的创作需求是模糊的、感性的、碎片化的，「想写一首深夜 emo 的歌」「要那种慵懒的调调」「来点治愈的」。旧版模型很容易机械套用参数，最终成品偏离预期。V4.0 做的，是把这种「模糊的、感性的」输入，翻译成模型能精准执行的内部表征。

换句话说，V3.5 能过「普通人关」，V4.0 要过的是「专业评审关」。

05

「一键生成」，不如「人人都能创作」

技术底座有了，产品落地才是硬道理。音潮已经形成了从 C 端到 B 端的完整覆盖，音潮 APP 面向普通用户，主打轻量化即时创作，最快 15 秒出旋律、一分钟生成带完整人声的成品原创歌曲。

目前平台已有百万用户；音潮 Studio 面向专业音乐人，提供高可控、高精度的创作工作台，支持自定义曲风权重、调节创意随机度；Hitto 布局海外市场，以对话式写歌的新玩法切入全球；API 平台面向企业开发者，集齐歌词生成、歌曲生成、仿写、扩写四大核心能力。

V4.0 上线后还解锁了 10 语种全覆盖和纯音乐生成全面开放。

C 端产品+专业工具+出海+B 端，四条线同时推进。不是只靠一首主题曲「出圈」，而是真正跑通了从技术到产品到商业的闭环。

不止 WAIC，2025 年乌镇互联网大会、阿里云栖大会等多个顶流峰会的主题曲都出自音潮之手。模型经过多轮迭代升级，拿下了国际音乐 AI 赛事全球亚军，技术实力兼具国产化价值与全球认可度。

06

AI 音乐的终局之战

当 AI 音乐从「能不能做」走到「该怎么做」，一个更深层的问题浮出水面：AI 音乐的终局，到底是什么？

Suno 的模式是：在英语底座上做到极致，然后向全球扩展。但中文世界的「味道」，永远不是英语底座能自然覆盖的。

音潮的模式是：从中文语境出发，把本土化做到极致，然后带着这份深度向全球扩展。V4.0 的 10 语种全覆盖，证明了这条路走得通，不光能做中文歌，还要「从中文出发，做到全球都能打」。

但 AI 音乐的终局，显然不是「一键生成」。

一键生成解决的是产能问题，但 AI 音乐真正要解决的，是创作问题。产能已经过剩了，日产 7 万首 AI 歌曲，播放不到 3%，这个数据本身就是答案。当所有人都能一键生成，「生成」本身不再是价值，「读懂」才是。

这其实也是整个 AI 行业正在经历的转折。

AI 音乐从「能不能做」走到「该怎么做」，音潮 V4.0 把「读懂」放在了「生成」前面，不是让你更快地做一首歌，而是让你做一首真正是你想做的歌。

姜涛说，AI 不应该替代音乐人，而是让那些从来不会被听见的声音，有机会被听见。

这可能是判断 AI 音乐终局的一个简单标准：不是谁生成得更快、谁参数更大，而是当用户摘下耳机以后，某些原本被门槛挡住的想法，终于有了一条属于自己的路。

AI 音乐的下一个阶段，可能不是谁生成得更好，而是谁更懂「创作」这件事本身的重量。

注：音潮 V4.0 已于 8 月 14 日全平台上线，音潮 APP、音潮 Studio、Hitto 及 API 平台同步更新。API 平台目前处于限时免费试用阶段，所有意向合作企业与开发者完成对接接入后，即可免费调用全量 API 接口。

*头图来源：音潮 V4.0

极客一问

AI 音乐的终局，
是「人人都能创作」，
还是「人人都能生成」？