（本文作者为 音乐先声，钛媒体经授权发布）
Related articles
文 | 音乐先声
最近，几件颇具象征意味的事件接连发生。
一边是娱乐公司开始正式把 AI 推向台前，哇唧唧哇发布九周年家族曲 《āi ái ǎi ài》AIMV，乐华娱乐发布了首支 AI 驱动女团 HeyDream，华纳音乐推出 AI 偶像吴爱花，AI 不再只是幕后工具，而是深入参与形象设定、内容生成和运营表达。另一边，以大头针为代表的 AI 歌手在短视频备受欢迎，AI 歌曲也开始霸榜国内音乐平台，有人用 AI 换脸模仿 K-pop 歌手演唱逼真到让人难辨真假，这些都放大了技术对内容真实性边界的冲击。
从 AI 歌曲频繁进入流量中心，到 AI 歌手、AI 演员陆续走向台前，一个更清晰的现实正在浮现：AI 正在重塑大众对于真实表演、真人创作乃至艺人存在感的基本认知。过去音乐产业赖以成立的那套价值判断—— 谁在唱、谁在创作、谁在被看见—— 都开始被重新定义。
当技术演进的速度，已经远远快过行业和用户更新认知的节奏，一个更值得追问的问题也随之出现：在 AI 持续改写内容生产逻辑之后，音乐产业真正稀缺的价值，究竟还剩下什么？
AI 音乐简史
今天谈论 AI 音乐，大家常带着骤然爆发的印象，仿佛它是在大模型时代才凭空出现的产物。
事实上，如果从最早的计算机作曲实验算起，AI 音乐这条线索几乎已经延伸了近七十年。前半程缓慢、笨拙、时断时续，后半程在算力、数据与模型的共振中骤然加速，最终在极短时间内完成了从边缘实验到产业现实的跨越。
上世纪 50 年代，计算机还远未进入大众生活，音乐与算法之间的联结却已经悄然开始。1956 年，洛杉矶 KCOP 电视台的一档名为 《Adventure Tomorrow》（明日冒险） 的科学纪录片节目中，一位歌手对着镜头唱起了一首情歌，歌颂对象不是某位姑娘，而是一台名为 Datatron 205 的计算机。
这首歌的真正“ 作曲家”，是两位工程师 Martin L. Klein 和 Douglas Bolitho。他们的动机非常有意思，曾说：“ 我们想证明，如果人类能以每小时一首歌的速度创作低质量的‘ 流行音乐’，那么我们用一台计算机，也能写出同样烂的歌，而且更快。”
这句冷幽默，放到今天看，竟有一种预言般的意味，触及了 AI 音乐最早也最本质的一层问题：机器进入音乐，并没有从“ 理解美” 开始，而是从拆解规则开始的。
同年，化学博士 Lejaren Hiller 突然意识到，作曲和化学研究，本质上都是在严格的规则体系下进行创造性的选择。于是，他联合数学家 Leonard Isaacson 将作曲规则编写成程序，让 ILLIAC I 计算机按照指令，创作出一首弦乐四重奏 《Illiac Suite》。
如今从历史的角度听 《Illiac Suite》，会发现这个组曲集合了许多具有共同调性、但彼此封闭的器乐作品，恰恰暴露了早期计算机作曲的本质—— 只能忠实地执行预设的指令，将不同规则下的产物机械地并置。
几十年后，类似的尝试开始逐渐走出实验室。1997 年前后，美国作曲家 David Cope 开发的 EMI（Experiments in Musical Intelligence） 系统能够自动模仿“ 类似巴赫或莫扎特风格” 的音乐。甚至在一场盲听测试里，EMI 作品足以让专业听众判定为巴赫真作，反倒把巴赫本人的作品打成了“ 拙劣伪造”。
当时围绕 EMI 的争论，如今听来有一种惊人的熟悉感。有人认为，这根本算不上创作，属于作弊；有人担心，它会摧毁作曲家的地位，使创作劳动失去稀缺性；也有人坚持，机器不可能拥有灵魂，只是空洞的模仿。
三种声音，完整预演了今天围绕生成式 AI 展开的公共辩论。时代换了，模型换了，措辞换了，但问题本身并没有变。
后来的结局也很有意思，因为当时争议太大，David Cope 直接删除了 EMI 的音乐数据库。他认为，如果音乐可以无限复制，它就会被贬值。
但历史的吊诡之处，就在这里。
Cope 试图阻止的，恰恰成为后来三十年 AI 音乐公司不断重复的技术逻辑，学习既有音乐、训练生成系统，再以新的形式产出音乐。作为最早的 AI 音乐模型，它在 1990 年代引发的问题没有消失，只是被更大的数据、更强的模型和更成熟的商业体系放大了。
到了 2010 年代，AI 才真正开始触碰现代音乐产业的应用领域。
2016 年，索尼计算机科学实验室通过学习 13000 份乐谱，试图模仿披头士的创作方式，创作了歌曲 《Daddy’s Car》；2017 年，美国网红歌手 Taryn Southern 在 YouTube 上传了她和 AI 共创的单曲 《Break Free》，谷歌 Magenta 项目也证实启动。虽然这一阶段的 AI 音乐仍然带着明显的实验属性，但技术路径已经清晰，共同拉开了一个人机共创音乐新时代的序幕。
在过去近七十年的时间里，AI 音乐的进步大多以十年、几十年为单位，缓慢推进。真正意义上的变化，发生在最近这半年。
从 2025 年 9 月至今，随着以 Suno V5 为代表的 AI 音乐模型的能力持续进化，短短数月之间，AI 音乐几乎完成了一次全链路层面的跃迁，即从以演示为主的 demo 形态，迅速走向可商业使用、可规模化部署，并逐步被产业接纳的完整能力体系。
这也是为什么今天 AI 音乐带给行业的震感，和过去几十年的任何一次技术进展都不完全相同。很多时候，人类习惯先建立判断，再面对变化，但在 AI 时代，变化的速度似乎让顺序被颠倒了，变化先发生，判断只能不断被迫修正。
AI 狂飙，什么正在升值？
过去很长时间里，音乐行业建立在技术稀缺、资源主导的结构之上，一个完整作品的诞生，需要多个专业角色的协作。
我们曾在 《音乐圈的第一批 AI 受害者出现了》 里提到，近两年，那些曾撑起音乐工业化生产的高精密专业工具，正接连上演着令人唏嘘的退场与转向。
数据显示，2025 年，使用生成式 AI 音乐的用户已经占到全体音乐创作者的 10%，付费使用 AI 创作的人数更是直接翻了一倍；与之形成对照的，是 2024 到 2025 年，传统音乐软件的购买人数连续两年下滑，对应的从业者收入也同步缩水。
当 AI 能一键完成编曲、录音棚模拟、修音、混音乃至母带处理的全流程，这些曾需要从业者熬上数年才能磨透的稀缺技能，正在飞速褪去它的稀缺光环，从入行必备的核心竞争力变成了行业通用的基础设施。
同步在快速贬值的，还有另一类曾在行业里被奉为硬通货的资金与人脉。
就像是几百年前，一手好字是文人墨客的立身之本，而在电脑普及的今天，打字成了人人具备的基本能力，内容的灵魂终究回归到了创意和才华本身。
AI 可以生成无数正确答案，但真正决定选择哪一个的，是长期积累的音乐审美、清晰的创作语境、稳定的现场能力，以及围绕音乐建立起来的听众关系。这些，都会获得越来越高的溢价。
基于以上，我们或许可以这么理解 AI，它只是给音乐产业换了一套更高效的生产工具，淘汰了一批本就平庸的人和公司。
不可避免的是，从创作到分发、消费，从角色定义到 IP 打造、商业逻辑，每一个环节的边界都在被彻底重塑。一味拍板淘汰论，多少有点显得像冷眼旁观的陈述了。
我们正在目睹的是，音乐产业不再沿着旧地图运行，但 AI 不是从业者的对立面。
就像早年黑胶存储决定了一首歌的时长，短视频开始让歌曲的时间越来越短，当进入 AI 时代，必然会衍生出全新的内容形式和消费场景。而作品与场景之间的边界会越来越松，音乐开始像水一样，顺着每个内容容器的形状流动，从而让分发场景的边界被无限拓宽。
与此同时，很多角色概念都会被重新定义。首先变化最大的是词曲作者，AI 作为辅助，谁更知道自己要什么，谁就更可能从工具里得到更好的结果。创作会成为决定内容差异、用户心智与商业转化的源头变量，利润天花板、护城河也由此建立。
歌手这一概念也在松动。过去，稀缺嗓音、身体条件、训练体系和舞台人格构成核心资产，未来，这些依然重要，但不再是唯一通道。
无论是华纳音乐推出的 AI 虚拟偶像“ 吴爱花”，还是在下沉市场爆火的 AI 歌手“ 大头针”，都说明当音色、人设与内容节奏可以被稳定生产，至少从听觉层面，听众对歌手的认知，正从“ 一个人” 滑向“ 一个可持续被消费的声音人格”。
从作品层面看，音质、抓耳、传唱度会成为最基本的起跑线，更多决定一首歌上限的，在于创作者能否基于自身的审美判断与经验积累，通过 AI 把明确的艺术想法高效、精准地转化为成熟作品。
这是 AI 也最容易被低估的一点。一旦意图可以被低成本兑现，创作世界的竞争就不再是有没有灵感，行业会更像一个由无数审美代理人构成的市场，技术负责完成，人的价值回到选择。
或许，AI 会终结我们过去理解音乐产业的很多前提。
创作、发现、消费、感动，这是音乐运作的四条底层线索，无论技术如何更迭，它们都是常数。其他一切，渠道、格式、工具、分发机制、平台规则，只是在这些不变之上不断重组。
音乐行业的钱，会流向哪里？
过去很长一段时间里，无论影视还是音乐行业，都大致遵循着一种相似的分配逻辑：资本掌握流量入口，入口影响收益分配，而分配进一步决定了谁更容易被看见。
当生成工具开始大规模降低制作门槛，这个秩序反而更陡峭了。
这也是 AI 时代最清醒也最不浪漫的一面。
以往内容工业的壁垒是资金、团队和周期，未来这个市场的壁垒会更像一种审美上的统治力，门槛没有消失，它只是从物理层迁移到了心智层。这是钱会流向哪里的第一个变量。
不过，相比影视，音乐行业的利润逻辑并不完全建立在单一超级 IP 的爆发上，而会更接近一种更绵长、更隐秘的收益结构。影视行业的集中观看时刻确实会驱动影剧综游漫等多形态 IP 的开发，但本质大多仍是叙事和角色完成价值封顶，音乐则更依赖版权、声线、人格与场景渗透，形成复利。
这种差异，本质上也意味着音乐产业的盈利正在发生变化，Spotify《Loud & Clear》 显示，2017—2025 年，仅在 Spotify 上产生超过 1000 万美元录音和词曲版税的艺术家数量增加了 700%；1000 美元至 100 万美元各收入档的艺人数量增幅在 220% 到 250% 之间，流媒体平台上音乐从业者的“ 中产阶层” 在持续、稳定地扩容。
有些意外的是，Spotify 音乐业务全球营销与政策负责人 Sam Duboff 表示，2025 年，在 Spotify 年收入超 100 万美元的艺人中，超过 80% 从未有歌曲进入过平台全球日榜 Top50，他们没有爆款神曲，靠的是长期积累的稳定粉丝群。
围绕这一基础，音乐产业正在分化出两条并行的变现路径：一条是以版权分账为核心的分发体系，依赖平台与内容供给的规模化运转；另一条则是以 UGC 与超级粉丝为驱动的生态体系，通过二创扩散、人声授权与社群互动，放大传播效率，并形成更高频、更持续的价值回流。AI 同时放大了它们，让分发更集中、扩散更迅速，结构也因此变得更加极端。
因此，未来行业真正决定钱流向何处的，会流向场景渗透、资产掌控、心智占领、稀缺体验四种能力，未来真正值得下注的，也是围绕这四种核心能力展开的赛道。
第一类，是类似于影视行业中的 3-5 人的超级工作室 （Super Studio） 或创作小队，在音乐行业则是更适合的超级音乐厂牌。理想状态下，一个人具备审美判断能力，懂词曲创作、曲风把控，并洞察市场，同时构建 IP 叙事；一个懂编曲制作、AI 音乐模型微调与音频算法；一个人则掌握全球的内容平台分发规则、多语言社媒运营与粉丝社区的生命周期管理。未必规模最大，但一定拥有最稳定的内容方法论。
第二类，可能是最稳定的赛道，AI 版权与数据市场。围绕传统版权和 AI 生成内容的版权授权，采用以及声音、风格、数字分身所对应的新型权利，全球讨论已迅速升温。
美国版权局近两年的系列报告，已明确将“ 可版权性”、“ 训练使用” 与“ 数字复制体” 拆分为独立议题；田纳西州签署的 《ELVIS Act》 则进一步把“ 声音” 纳入法律保护范围。AI 音乐相关的版权已经开始长出制度轮廓，未来内容产业的一部分利润，会从台前明星项目，转移到后台的权利基础设施。
今年 3 月，AI 音频创业公司 ElevenLabs 通过用户分享他们声音的 AI 生成副本，设定其使用方式，并在付费订阅者使用时获得收益，已向创作者支付超过 1100 万美元，现在正将该模式扩展到音乐领域。
第三类，是 AI 音乐 IP。一个成熟的 AI 音乐 IP，通常需要同时具备四个核心要素：清晰的人设定位、持续一致的声音与视觉体系、可延展的世界观内容结构，以及可反复沉淀的听众关系。
商业价值开发上，AI 音乐 IP 和真人音乐 IP 在本质上并没有脱离同一套逻辑，但在内容生产、形象延展、跨平台运营和商业授权上，反而可能具备更高的可控性和可复制性。
最后一类，也是音乐产业最本质、最难替代的一类，就是线下演出与现场体验。
未来的线下演出，将不再只是作品的现场演绎，而是 IP 叙事的线下延伸、粉丝与 IP 的深度交互场域，尽管扩张速度慢、运营效率远低于数字内容，却能凭借不可复制的在场感，获得更高的长期商业溢价与抗周期价值。毕竟，越是合成 AI、虚拟泛滥，越是真实在场变贵。
说到底，AI 影响的更多是产量，在音乐几百年的发展历史里，记谱、十二平均律对音乐产业的影响，远比今天的 AI 更深刻。
今天，我们再去讨论 AI 音乐有没有灵魂，不重要，人类如何对抗 AI，也不重要，AI 音乐的发展不只是技术史，它同时也是一部观念史。
它正在倒逼整个行业重新回答，音乐里究竟什么才是最重要的。
更多精彩内容，关注钛媒体微信号 （ID：taimeiti），或者下载钛媒体 App
