AI音乐产业现状：骗局、签约与创作边界

2026年7月29日，Michael Smith将在联邦法庭接受判决。

这名美国男子所做之事：利用人工智能创作数十万首歌曲，编造一堆无人记得的歌名和艺人名称，上传至Spotify与Apple Music。随后启动1040个机器人账户，部署在52台云服务器上，每天反复播放这些曲目661,440次。按每次播放半美分计算，年收入120万美元。持续七年，总计800万美元。

乍看之下步骤并不复杂，Smith胜在持之以恒。

Spotify和Apple Music长达七年未能察觉。最终是MLC——一家负责版税分配的非营利组织于2023年发现数据异样，选择报警。

Smith曾在内部邮件中夸耀：这些歌曲自2019年起累计播放逾40亿次，版税收入达1200万美元。

歌曲是虚假的，听众是虚拟的，金钱却是真实的。

Michael Smith并非AI音乐领域的核心人物，只是最先落网的那个。

AI音乐的真实规模是：每日700万首。这是Suno——当前规模最大的AI音乐平台——用户日均生成量。输入一句描述，40秒产出一首歌。2026年6月估值达54亿美元，用户突破1亿。

法国流媒体平台Deezer的数据更为直观：AI歌曲已占据每日新增投稿的44%，但播放占比仅1%至3%。

换言之，AI音乐的最大消费者并非听众，而是上传者自身。大量作品并非为了被聆听，而是为了抢占位置、刷取流量、谋取利润。Spotify在2025年移除了7500万条垃圾音轨，Deezer将标记为AI的歌曲直接排除出推荐算法。一方不断生成，一方不断下架，犹如一台自我对弈的机器。

700万首中确有部分被真实听众接触。

2025年11月，Breaking Rust登顶Billboard乡村数字歌曲销售榜首位——无人类成员，全由AI生成，当周仅售出3000份下载便足以夺冠。同月，AI歌手Xania Monet闯入Billboard成人R&B电台榜，其创造者Talisha Jones借助Suno制作，签下300万美元合约。

歌手Kehlani批评道：“她什么都没做。”Jones则回应：“我看着Xania，她是一个真实的人。”

我在本公众号后台播放完AI音乐人Breaking Rust的作品后，系统自动推荐了Beatles。

一个不存在的人拿下300万美元合约，一位真实活跃的歌手指责这不公平。而更讽刺的是：3000份下载就能问鼎Billboard乡村冠军。究竟是AI过于强大，还是当下某些音乐门类的市场状况过于低迷？

转向国内，各类AI翻唱、混搭不同艺人和风格的速度比华强买瓜的新版本生成还快。孙悟空反戴帽子演唱《美猴亡》收获1600多万播放，直接冲入网易云摇滚榜前三。

这些作品能够爆红未必全归功于AI，IP和叙事发挥了关键作用。AI负责“听起来相似”，人负责“为何要如此”。

那么AI音乐究竟达到了何种程度？

流行、R&B和Hip-hop领域，盲测得分90至97分，测试者误以为听到的是真人演唱。人声具备了呼吸感、颤音、咬字变化。主歌-副歌-bridge无需提示即可自行编排。从“能否入耳”的角度，门槛已被跨越。

但需注意一个规律：上述案例均处于AI的相对优势区域——模板化、情感浓烈、动态对比鲜明的标准流行/摇滚/乡村音乐。Breaking Rust选择了outlaw country模板，Xania Monet选择了R&B。歌词由人创作，优秀的歌词，因而听众感觉“真实”。

换句话说，AI目前最擅长的，恰恰是最不依赖创造力的那类音乐。

爵士和古典呢？同一套盲测仅得74分。AI不理解声学逻辑，所做的是“风格近似”——听似爵士，但和弦走向要么错误，要么正确却无意义。爵士的核心在于即兴——AI的“即兴”是预先计算好的概率分布图。

本质差异在于：音乐人演奏时做出选择，AI生成时进行预测。选择意味着可能犯错也可能突破，预测只意味着最大概率的不出错。

长曲超过2分钟音质骤降，高频会有损失。你无法告诉它“bridge部分从C大调转至降E大调”，也无法说“2分30秒处给鼓加个花”。专业制作人的命中率大约20%至30%——生成四五版挑选一版可用的。

因此现状十分清晰：在功能型音乐即广告配乐、游戏BGM、短视频背景音，以及模板化流行歌曲领域，AI与人创作的东西差距已缩小到普通听众无法分辨。

但在需要创造性决策的音乐——爵士即兴、古典编排、先锋实验——差距仍然显著。AI做的是“听似”的音乐，不是“为何要如此”的音乐。

2026年2月，音乐艺术家联盟发布公开信《Say No to Suno》，将Suno比作卢浮宫抢劫案中的盗贼——“伪装成施工人员闯入并窃取珍宝”。RIAA起诉Suno时诉状列出662首涉嫌侵权作品，2026年5月原告修改诉状：超过61,000首。取证依靠音频指纹反推——输入与热门歌曲高度相关的提示词，观察AI能否生成高度相似的内容，若能生成则推定该歌曲存在于训练数据中。

Suno始终拒绝公开训练数据集。

Google的辩护更为巧妙。独立音乐人起诉Lyria 3利用YouTube音乐训练AI，规模至少4400万个30秒片段。Google表示：你上传至YouTube时已同意服务条款——允许平台“复制、分发及制作衍生作品”。你把歌曲传到我平台上时，就已经授权我使用它训练AI了。

行业由此分裂为三个阵营：华纳与Suno和解并签署授权协议，环球在Udio那边也达成和解——并非反对AI，而是想在谈判时增加筹码。但环球和索尼继续对Suno提起诉讼，约2000名独立艺术家发起集体诉讼。一边起诉一边和解，一边和解一边使用。

与此同时，Suno用户突破1亿，Recording Academy的CEO Harvey Mason Jr.表示每位作曲人和制作人都已使用过。但他补充道：工作室里用AI生成创意，与最终发行AI生成的内容，是两回事。前者已常态化。后者仍在争论。

所以AI音乐究竟是什么？

可以是一天700万首洪流中97%无人听完的背景噪音，可以是一个北卡男子骗取800万美元的工具。

Suno CEO称这是“让所有人都能制作音乐”。Kehlani说这是“什么都没做”。

7月29日Smith量刑那天，或许是AI音乐领域首次有人入狱的里程碑。他使用的工具与Talisha Jones相同，区别仅在于：一个让机器人假装聆听，一个让真人真正聆听。

听的人多了，那或许就成了真实。