AI歌手一夜爆紅！音樂人的飯碗，會被算法搶走嗎？

最近，幾件頗具象征意味的事件接連發生。

一邊是娛樂公司開始正式把AI推向臺前，哇唧唧哇發布九周年家族曲《āi ái ǎi ài》AIMV，樂華娛樂發布了首支AI驅動女團HeyDream，華納音樂推出AI偶像吳愛花，AI不再只是幕后工具，而是深入參與形象設定、內容生成和運營表達。另一邊，以大頭針為代表的AI歌手在短視頻備受歡迎，AI歌曲也開始霸榜國內音樂平臺，有人用AI換臉模仿K-pop歌手演唱逼真到讓人難辨真假，這些都放大了技術對內容真實性邊界的沖擊。

從AI歌曲頻繁進入流量中心，到AI歌手、AI演員陸續走向臺前，一個更清晰的現實正在浮現：AI正在重塑大眾對于真實表演、真人創作乃至藝人存在感的基本認知。過去音樂產業賴以成立的那套價值判斷——誰在唱、誰在創作、誰在被看見——都開始被重新定義。

當技術演進的速度，已經遠遠快過行業和用戶更新認知的節奏，一個更值得追問的問題也隨之出現：在AI持續改寫內容生產邏輯之后，音樂產業真正稀缺的價值，究竟還剩下什么？

今天談論AI音樂，大家常帶著驟然爆發的印象，仿佛它是在大模型時代才憑空出現的產物。

事實上，如果從最早的計算機作曲實驗算起，AI音樂這條線索幾乎已經延伸了近七十年。前半程緩慢、笨拙、時斷時續，后半程在算力、數據與模型的共振中驟然加速，最終在極短時間內完成了從邊緣實驗到產業現實的跨越。

上世紀50年代，計算機還遠未進入大眾生活，音樂與算法之間的聯結卻已經悄然開始。1956年，洛杉磯KCOP電視臺的一檔名為《Adventure Tomorrow》（明日冒險）的科學紀錄片節目中，一位歌手對著鏡頭唱起了一首情歌，歌頌對象不是某位姑娘，而是一臺名為Datatron 205的計算機。

這首歌的真正“作曲家”，是兩位工程師Martin L. Klein和Douglas Bolitho。他們的動機非常有意思，曾說：“我們想證明，如果人類能以每小時一首歌的速度創作低質量的‘流行音樂’，那么我們用一臺計算機，也能寫出同樣爛的歌，而且更快?！?/p>

這句冷幽默，放到今天看，竟有一種預言般的意味，觸及了AI音樂最早也最本質的一層問題：機器進入音樂，并沒有從“理解美”開始，而是從拆解規則開始的。

同年，化學博士Lejaren Hiller突然意識到，作曲和化學研究，本質上都是在嚴格的規則體系下進行創造性的選擇。于是，他聯合數學家Leonard Isaacson將作曲規則編寫成程序，讓ILLIAC I計算機按照指令，創作出一首弦樂四重奏《Illiac Suite》。

如今從歷史的角度聽《Illiac Suite》，會發現這個組曲集合了許多具有共同調性、但彼此封閉的器樂作品，恰恰暴露了早期計算機作曲的本質——只能忠實地執行預設的指令，將不同規則下的產物機械地并置。

幾十年后，類似的嘗試開始逐漸走出實驗室。1997年前后，美國作曲家David Cope開發的EMI（Experiments in Musical Intelligence）系統能夠自動模仿“類似巴赫或莫扎特風格”的音樂。甚至在一場盲聽測試里，EMI作品足以讓專業聽眾判定為巴赫真作，反倒把巴赫本人的作品打成了“拙劣偽造”。

當時圍繞EMI的爭論，如今聽來有一種驚人的熟悉感。有人認為，這根本算不上創作，屬于作弊；有人擔心，它會摧毀作曲家的地位，使創作勞動失去稀缺性；也有人堅持，機器不可能擁有靈魂，只是空洞的模仿。

三種聲音，完整預演了今天圍繞生成式AI展開的公共辯論。時代換了，模型換了，措辭換了，但問題本身并沒有變。

后來的結局也很有意思，因為當時爭議太大，David Cope直接刪除了EMI的音樂數據庫。他認為，如果音樂可以無限復制，它就會被貶值。

但歷史的吊詭之處，就在這里。

Cope試圖阻止的，恰恰成為后來三十年AI音樂公司不斷重復的技術邏輯，學習既有音樂、訓練生成系統，再以新的形式產出音樂。作為最早的AI音樂模型，它在1990年代引發的問題沒有消失，只是被更大的數據、更強的模型和更成熟的商業體系放大了。

到了2010年代，AI才真正開始觸碰現代音樂產業的應用領域。

2016年，索尼計算機科學實驗室通過學習13000份樂譜，試圖模仿披頭士的創作方式，創作了歌曲《Daddy’s Car》；2017年，美國網紅歌手Taryn Southern在YouTube上傳了她和AI共創的單曲《Break Free》，谷歌Magenta項目也證實啟動。雖然這一階段的AI音樂仍然帶著明顯的實驗屬性，但技術路徑已經清晰，共同拉開了一個人機共創音樂新時代的序幕。

在過去近七十年的時間里，AI音樂的進步大多以十年、幾十年為單位，緩慢推進。真正意義上的變化，發生在最近這半年。

從2025年9月至今，隨著以Suno V5為代表的AI音樂模型的能力持續進化，短短數月之間，AI音樂幾乎完成了一次全鏈路層面的躍遷，即從以演示為主的demo形態，迅速走向可商業使用、可規模化部署，并逐步被產業接納的完整能力體系。

這也是為什么今天AI音樂帶給行業的震感，和過去幾十年的任何一次技術進展都不完全相同。很多時候，人類習慣先建立判斷，再面對變化，但在AI時代，變化的速度似乎讓順序被顛倒了，變化先發生，判斷只能不斷被迫修正。

過去很長時間里，音樂行業建立在技術稀缺、資源主導的結構之上，一個完整作品的誕生，需要多個專業角色的協作。

我們曾在《音樂圈的第一批AI受害者出現了》里提到，近兩年，那些曾撐起音樂工業化生產的高精密專業工具，正接連上演著令人唏噓的退場與轉向。

當AI能一鍵完成編曲、錄音棚模擬、修音、混音乃至母帶處理的全流程，這些曾需要從業者熬上數年才能磨透的稀缺技能，正在飛速褪去它的稀缺光環，從入行必備的核心競爭力變成了行業通用的基礎設施。

同步在快速貶值的，還有另一類曾在行業里被奉為硬通貨的資金與人脈。

AI可以生成無數正確答案，但真正決定選擇哪一個的，是長期積累的音樂審美、清晰的創作語境、穩定的現場能力，以及圍繞音樂建立起來的聽眾關系。這些，都會獲得越來越高的溢價。

基于以上，我們或許可以這么理解AI，它只是給音樂產業換了一套更高效的生產工具，淘汰了一批本就平庸的人和公司。

不可避免的是，從創作到分發、消費，從角色定義到IP打造、商業邏輯，每一個環節的邊界都在被徹底重塑。一味拍板淘汰論，多少有點顯得像冷眼旁觀的陳述了。

我們正在目睹的是，音樂產業不再沿著舊地圖運行，但AI不是從業者的對立面。

就像早年黑膠存儲決定了一首歌的時長，短視頻開始讓歌曲的時間越來越短，當進入AI時代，必然會衍生出全新的內容形式和消費場景。而作品與場景之間的邊界會越來越松，音樂開始像水一樣，順著每個內容容器的形狀流動，從而讓分發場景的邊界被無限拓寬。

歌手這一概念也在松動。過去，稀缺嗓音、身體條件、訓練體系和舞臺人格構成核心資產，未來，這些依然重要，但不再是唯一通道。

無論是華納音樂推出的AI虛擬偶像“吳愛花”，還是在下沉市場爆火的AI歌手“大頭針”，都說明當音色、人設與內容節奏可以被穩定生產，至少從聽覺層面，聽眾對歌手的認知，正從“一個人”滑向“一個可持續被消費的聲音人格”。

這是AI也最容易被低估的一點。一旦意圖可以被低成本兌現，創作世界的競爭就不再是有沒有靈感，行業會更像一個由無數審美代理人構成的市場，技術負責完成，人的價值回到選擇。

或許，AI會終結我們過去理解音樂產業的很多前提。

創作、發現、消費、感動，這是音樂運作的四條底層線索，無論技術如何更迭，它們都是常數。其他一切，渠道、格式、工具、分發機制、平臺規則，只是在這些不變之上不斷重組。

過去很長一段時間里，無論影視還是音樂行業，都大致遵循著一種相似的分配邏輯：資本掌握流量入口，入口影響收益分配，而分配進一步決定了誰更容易被看見。

當生成工具開始大規模降低制作門檻，這個秩序反而更陡峭了。

這也是AI時代最清醒也最不浪漫的一面。

以往內容工業的壁壘是資金、團隊和周期，未來這個市場的壁壘會更像一種審美上的統治力，門檻沒有消失，它只是從物理層遷移到了心智層。這是錢會流向哪里的第一個變量。

不過，相比影視，音樂行業的利潤邏輯并不完全建立在單一超級IP的爆發上，而會更接近一種更綿長、更隱秘的收益結構。影視行業的集中觀看時刻確實會驅動影劇綜游漫等多形態IP的開發，但本質大多仍是敘事和角色完成價值封頂，音樂則更依賴版權、聲線、人格與場景滲透，形成復利。

這種差異，本質上也意味著音樂產業的盈利正在發生變化，Spotify《Loud & Clear》顯示，2017—2025年，僅在Spotify上產生超過1000萬美元錄音和詞曲版稅的藝術家數量增加了700%；1000美元至100萬美元各收入檔的藝人數量增幅在220%到250%之間，流媒體平臺上音樂從業者的“中產階層”在持續、穩定地擴容。

有些意外的是，Spotify音樂業務全球營銷與政策負責人Sam Duboff表示，2025年，在Spotify年收入超100萬美元的藝人中，超過80%從未有歌曲進入過平臺全球日榜Top50，他們沒有爆款神曲，靠的是長期積累的穩定粉絲群。

圍繞這一基礎，音樂產業正在分化出兩條并行的變現路徑：一條是以版權分賬為核心的分發體系，依賴平臺與內容供給的規模化運轉；另一條則是以UGC與超級粉絲為驅動的生態體系，通過二創擴散、人聲授權與社群互動，放大傳播效率，并形成更高頻、更持續的價值回流。AI同時放大了它們，讓分發更集中、擴散更迅速，結構也因此變得更加極端。

因此，未來行業真正決定錢流向何處的，會流向場景滲透、資產掌控、心智占領、稀缺體驗四種能力，未來真正值得下注的，也是圍繞這四種核心能力展開的賽道。

第一類，是類似于影視行業中的3-5人的超級工作室（Super Studio）或創作小隊，在音樂行業則是更適合的超級音樂廠牌。理想狀態下，一個人具備審美判斷能力，懂詞曲創作、曲風把控，并洞察市場，同時構建IP敘事；一個懂編曲制作、AI音樂模型微調與音頻算法；一個人則掌握全球的內容平臺分發規則、多語言社媒運營與粉絲社區的生命周期管理。未必規模最大，但一定擁有最穩定的內容方法論。

第二類，可能是最穩定的賽道，AI版權與數據市場。圍繞傳統版權和AI生成內容的版權授權，采用以及聲音、風格、數字分身所對應的新型權利，全球討論已迅速升溫。

美國版權局近兩年的系列報告，已明確將“可版權性”、“訓練使用”與“數字復制體”拆分為獨立議題；田納西州簽署的《ELVIS Act》則進一步把“聲音”納入法律保護范圍。AI音樂相關的版權已經開始長出制度輪廓，未來內容產業的一部分利潤，會從臺前明星項目，轉移到后臺的權利基礎設施。

第三類，是AI音樂IP。一個成熟的AI音樂IP，通常需要同時具備四個核心要素：清晰的人設定位、持續一致的聲音與視覺體系、可延展的世界觀內容結構，以及可反復沉淀的聽眾關系。

商業價值開發上，AI音樂IP和真人音樂IP在本質上并沒有脫離同一套邏輯，但在內容生產、形象延展、跨平臺運營和商業授權上，反而可能具備更高的可控性和可復制性。

最后一類，也是音樂產業最本質、最難替代的一類，就是線下演出與現場體驗。

未來的線下演出，將不再只是作品的現場演繹，而是IP敘事的線下延伸、粉絲與IP的深度交互場域，盡管擴張速度慢、運營效率遠低于數字內容，卻能憑借不可復制的在場感，獲得更高的長期商業溢價與抗周期價值。畢竟，越是合成AI、虛擬泛濫，越是真實在場變貴。

說到底，AI影響的更多是產量，在音樂幾百年的發展歷史里，記譜、十二平均律對音樂產業的影響，遠比今天的AI更深刻。

今天，我們再去討論AI音樂有沒有靈魂，不重要，人類如何對抗AI，也不重要，AI音樂的發展不只是技術史，它同時也是一部觀念史。

它正在倒逼整個行業重新回答，音樂里究竟什么才是最重要的。