AI写歌、机器刷量，谁在分走你的版税？

导 读

10月6日，一名美国男子因用AI生成歌曲、操纵机器人账号刷量骗取版税被判刑；次日，美国版权局就音乐流媒体欺诈公开征询意见。当歌曲可以批量生成、听众可以由机器冒充，版权收入还怎样准确地分配给真正应当获得报酬的人？

一首歌可以没有真正的听众，却照样分走真金白银。

2026年10月6日，美国北卡罗来纳州男子Michael Smith因利用AI生成歌曲、操纵机器人账号刷播放量，被判处18个月监禁，并被责令缴纳约809万美元的犯罪所得没收款。美国司法部披露，他把自动播放分散到大量歌曲中，以降低单首歌曲播放异常被平台发现的概率。[1]

2026年10月7日，美国版权局发布《音乐流媒体欺诈》意见征询文件，向行业追问：虚假播放究竟有多普遍，哪些商业机制助长了欺诈，平台和发行商的措施是否有效，法律又应当补上什么。

这两件事放在一起，提出了一个比“AI能不能写歌”更现实的问题：当歌曲可以批量生成、听众可以由机器冒充，版权收入还怎样准确地分配给真正应当获得报酬的人？

版权保护的难题，已经开始进入结算系统。

01

批量写歌，批量“收听”

Smith的做法并不复杂：准备大量歌曲，建立大量账号，让账号不断播放这些歌曲，再按播放记录领取收入。

AI在其中的作用，是迅速提供足够多的歌曲。机器人账号的作用，是把这些歌曲包装成有人持续收听的内容。两者结合，让一套原本需要大量内容和人工操作才能维持的欺诈活动，能够持续扩大。

美国司法部披露，Smith最多同时使用约一万个机器人账号，其AI生成歌曲被这些账号播放数十亿次，骗取超过800万美元版税。他需要大量歌曲，正是为了把异常流量分散开来。[1]

这里最值得警惕的地方，是欺诈者不必先制造一首真正的热门歌曲，他只需要让结算系统相信，这些歌拥有足够多的听众。

02

播放量为什么能变成钱

理解这件事，需要先弄清楚：播放量为什么能变成钱。

以Spotify公开说明的机制为例，平台把音乐收入中的一部分用于支付录音和词曲相关权利的报酬，再根据符合条件的播放份额向权利人分配。平台支付的通常是唱片公司、发行商、出版商及有关权利管理机构，创作者再按照各自合同取得收入，并非每播放一次就由平台直接向音乐人支付一笔固定金额。[2]

因此，虚假播放会改变分配比例。

举一个简化例子：假设某个结算池有100万元，原本全部对应真实播放。如果未被剔除的虚假播放占最终计费份额的10%，就可能从中分走10万元。这个例子不代表任何平台的具体结算公式，却说明了共同资金池面对刷量时的风险。

真实创作者的歌曲没有被删除，收听次数也未必减少，但他们应得的份额可能被稀释。

损失还会继续传导。如果虚假播放进入榜单、推荐或商业分析，歌曲的“受欢迎程度”就可能被错误放大，进而影响推广投入、版权采购和演出安排。版权收入分配失真，会进一步改变行业判断什么内容值得投资。

03

训练账、内容账、结算账

不过，不能因此把AI音乐直接等同于欺诈。

正常使用AI辅助创作，作品吸引真实听众，与操纵账号骗取收入，是不同的行为。传统人工创作的歌曲同样可能被用来刷量；AI生成的内容也可能获得真实、自愿的收听。

企业至少需要分清三笔账。

第一笔是训练账：模型使用了什么材料，是否取得所需授权，或者是否符合适用法律的例外规定。

第二笔是内容账：上传的歌曲是否侵犯他人权利，是否冒认作者或歌手身份，上传者究竟拥有什么权利。

第三笔是结算账：播放是否真实，是否符合平台计费条件，收款主体是否有资格领取相应收益。

前两笔账清楚，并不能自动证明第三笔账没有问题。即使一首歌曲完全由上传者合法制作，也不能靠虚假播放骗取分成。反过来，播放全部来自真实用户，也不能替代对歌曲权属的核验。

美国版权局这次征询的重要性，就在于它把行业注意力进一步引向了第三笔账。

04

谁能发现问题，谁来承担成本

谁最有能力发现问题，又由谁承担阻止损失的成本？

平台掌握播放记录、账号行为和流量特征；发行商掌握上传者身份、曲库交付和收款关系；权利人及版权管理机构掌握授权链条、权利份额和结算资料。任何一方单独看自己的数据，都可能觉得交易表面正常。

歌曲确实存在，账号也确实播放了，上传者还提交了权利声明。但把内容、账号和资金放在一起，才可能发现它们实际上由同一套欺诈安排控制。

这也解释了为什么仅靠“AI音乐识别”解决不了问题。

识别一首歌是否由AI生成，回答的是制作方式；识别它是否被刷量，回答的是消费行为。两者可能相关，却不能相互替代。只封堵AI内容，会遗漏人工歌曲刷量；只核查音频相似度，也可能放过没有复制他人作品的版税欺诈。

Spotify的公开政策已经将人工操纵播放与收入、公开数据和推荐效果分别处理：被识别的虚假播放不产生版税，不计入公开播放量或榜单，也不正向影响推荐算法。[2]

但行业还需要解决一个更难的问题：被一家平台或发行商识别的操作者，能否换个身份、换个渠道继续收款？

美国版权局把可疑活动信息共享、已知欺诈记录数据库、元数据标准化和权属及使用数据利用，都列入了征询范围。它同时询问，行业现行政策和做法是否可能无意中助长欺诈。这个问题值得企业认真回答：当内容数量和播放增长被用于衡量业务成绩时，审核、风控和收入核验是否得到了相应投入？[3]

05

对中国企业的启示

对中国企业而言，这件事的启示很具体。

音乐平台要建立内容审核、播放验证和付款审核之间的联系。仅有上传时的一份权利保证书，无法证明几个月后出现的播放量真实可靠。

发行商需要看清自己的客户是谁、代谁交付内容、向谁付款。对所谓“保证播放量”“保证收益”的推广服务，应当核查其流量来源及操作方式，不能把保证增长直接当成正常营销能力。

权利人则应把结算透明度写进合同：哪些播放被纳入分成，哪些被剔除，平台或发行商在什么条件下可以暂缓支付，如何提供解释，发生错误又如何复核和补付。

这些安排也必须给正常创作者留下申诉空间。突然走红不等于刷量，使用AI不等于欺诈，单一异常指标也不应自动变成永久封禁或全部扣款的理由。有效的治理，需要既能识别异常，又能解释处理依据。

06

版权服务，要能算清每一笔钱

对知识产权从业者来说，新的服务空间也由此出现。

过去，版权服务更多围绕确权、授权和侵权比对展开。现在还需要有人把作品标识、权利份额、授权范围、使用记录和结算结果连接起来，检查这笔钱为什么产生、应当付给谁、是否付得准确。

这一工作需要版权判断，也需要数据分析、合同审查和财务核验。不能把所有刷量争议都塞进著作权侵权框架，更不能只凭一张版权证明就确认全部收入合法。

美国版权局目前发布的是意见征询文件，并未宣布一套已经生效的新制度。最终采取行业协作、规则调整还是立法措施，仍有待后续推进。

但它提出的问题已经足够清楚：当机器能够批量生产内容，也能批量伪装消费，版权市场必须能够证明，每一笔收入背后的使用是真实的。

作品有人拥有，使用确实发生，报酬准确到达。三件事接得起来，版权的商业价值才站得住。

APPENDIX

附：美国版权局《音乐流媒体欺诈》全文结构摘要

以下按文件结构概括正文及十项征询问题，不是逐字翻译。原文援引的行业观点、案例和备选方案，也不等于版权局已经作出法律认定或采纳有关建议。

文件信息

●英文标题：Music Streaming Fraud。

●发布机构：美国版权局。

●文件性质：意见征询通知（Notice of Inquiry）。

●案卷编号：2026-6；《联邦公报》文件编号：2026-20537。

●签署日期：2026年10月5日；正式刊登日期：10月7日。

●刊载位置：《联邦公报》第91卷第193期，第64188—64192页。

●首轮意见截止：2026年11月23日美国东部时间23:59。

●回应意见截止：2026年12月21日美国东部时间23:59。

●提交方式：原则上通过Regulations.gov提交；无法电子提交者可联系版权局获取其他指引。[3]

一、征询的起因与目的

2026年5月21日，美国众议员Scott Fitzgerald致函版权局，要求研究音乐流媒体欺诈的普遍程度，以及其对录音、词曲作品版税和整个音乐产业的影响。

版权局因此介绍现有情况，并征集公众意见，结合自身研究，为国会理解问题及考虑解决方案提供依据。这不是针对某一家平台的处罚决定。

二、音乐流媒体的经济意义

文件指出，数字流媒体已经成为录音音乐消费的主要方式，引用的行业资料显示，其约占全球录音音乐销售收入的七成。

文件分别列举两类收入：录音权利人的流媒体收入，美国约95亿美元、全球约220亿美元；词曲作品权利人的总收入，美国约73亿美元、全球约100亿美元。

这两组数字口径不同：后一组并非单独的流媒体收入，不能直接相加作为流媒体市场规模。

三、欺诈如何运作，以及损害什么

文件概括的流媒体欺诈，是通过欺骗性、不当或未经允许的手段人为增加播放量，以制造知名度、获得经济收益或其他本来无法取得的利益。

常见方式包括机器人账号、人工点击农场、播放列表操纵、盗用真实账号，以及借助不当营销服务制造播放。

此外还有权利冒认：把他人作品当成自己的上传，或者修改他人录音后重新上传并申领收益。

主要损害是稀释真实播放对应的版税份额。其他影响包括扭曲推荐、榜单和商业分析，使推广与演出决策失准，并损害用户信任及合作关系。[3]

四、行业已经采取哪些措施

文件按照不同参与方梳理了现有做法：

●平台：分析播放时长、地域、特定艺人播放情况，以及收藏、关注与播放量之间的关系；接受用户举报；采用外部反欺诈服务；对异常内容采取相应处理。

●发行商：加强客户身份核验，建立信任与安全团队，在合同中禁止刷量，并设置警告、账号关闭或经济处罚。

●权利人和管理机构：改善权利登记及数据准确性，与平台、发行商合作，推进反欺诈信息交流。

●行业组织：建立共同防范、发现和处理欺诈的合作机制。

●收入分配改革：部分参与者提出采用以用户或艺人为中心的分配模式，减少虚假播放对正常收入的挤占。

文件也指出，操作者在不同发行商之间转移，会削弱单家机构的治理效果。上述措施属于现状梳理，并非版权局要求所有企业统一采用的方案。

五、刑事执法及国际案例

文件回顾Michael Smith案，并提及丹麦播放操纵案件，以及瑞典有关犯罪组织利用虚假播放洗钱的报道，说明风险可能延伸到欺诈和有组织犯罪。

需要注意时间差：征询文件正文仍沿用Smith案早期约1000万美元的描述，脚注记载其已认罪、拟于2026年10月量刑。10月6日司法部随后公布的量刑结果为18个月监禁，没收金额为8,091,843.64美元。文章叙述当前案情时，应采用后续披露，不能把两个数字混用。[3]

六、全部十项征询问题

1欺诈怎样实施？
机器人农场、点击农场、播放列表操纵及欺诈性营销公司的具体做法有多普遍，有什么数据可以证明？

2哪些行业政策或惯例可能无意中助长欺诈？

3欺诈当前及未来的经济影响有多大？
有哪些可用数据？

4欺诈与AI生成音乐、版权许可和版税分配有什么关系？
涉及词曲作品及录音的表演、复制等收益。

5欺诈如何影响现场演出？
包括场地选择、门票销售，以及餐饮、周边商品、停车等附带收入。

6各方反欺诈措施是否有效？
不同参与方的预防、调查能力有何差异；可信发行商政策、内容和客户核验、版税追回、罚款、下架等措施效果如何；第三方服务商发挥什么作用？

7怎样利用权属和使用数据治理欺诈？
包括共享可疑活动信息、建立已知欺诈记录数据库、推进元数据标准化，以及标识不符合领取法定版税条件的内容。

8有哪些行业自愿措施、立法或监管方案？
包括正在考虑的最佳实践、是否可以通过立法提供“无过错禁令救济”等工具，以及如何调整信息共享规则。这些均为征询事项。

9怎样改进刑事执法？
包括州和地方层面的有效追诉方法，以及有组织犯罪利用流媒体欺诈的情况。

10还有哪些应向国会提出的建议？

参考资料

[1] 美国司法部纽约南区检察官办公室，North Carolina Man Sentenced to 18 Months in Prison for Artificial Intelligence-Assisted Music Streaming Fraud Scheme，2026年10月
https://www.justice.gov/usao-sdny/pr/north-carolina-man-sentenced-18-months-prison-super-intelligence-assisted-music

[2] Spotify for Artists，Royalties Guide
https://artists.spotify.com/en/royalties-guide

[3] 美国版权局，Music Streaming Fraud（意见征询通知），《联邦公报》第91卷第193期，govinfo.gov