AI音乐的丰饶与失衡｜AI破晓

孙怡腾讯研究院

音乐产业刚刚跨过一道门槛：创作一首歌的成本大幅降低。丰饶随之而来，被听见则成为新的稀缺。门槛降低之后暴露出来的，是另一套尚未成型的规则。

丰饶已至，被听见成为稀缺

供给端的扩张已经显化。腾讯音乐研究院《2025华语数字音乐年度白皮书》显示，2025年腾讯音乐日均入库新歌从7.6万首增至超过10.7万首，其中AI新歌占比从2024年的5.2%升至21.4%，12月单月达36.2%。海外对照更加直接，音乐流媒体平台Deezer 2026年4月显示，平台每天接收近7.5万首AI生成曲目，约占每日上传总量的44%；而AI生成音乐仅占平台总播放量的1%到3%（含平台限流影响）¹。技术变革扩大了内容供给规模，也放大了注意力的竞争。

注意力集中并非AI带来的新问题。据音乐行业数据机构Luminate年终报告，2025年全球点播音频歌曲播放量达5.1万亿次，较2024年增长近10%，而其中88%的歌曲播放量不超过1000次，接近半数不到10次²。收听总量在增长，但供给扩张得更快，新作品分到的注意力容易摊薄。

真正改变问题性质的，是新增供给的构成。除了合规的AI辅助创作之外，还有批量生成的曲目靠机器刷量分取收益，例如Deezer发现其AI曲目播放中85%属于欺诈性刷量并已取消相应收益¹；以及AI洗歌和未经授权的AI仿声翻唱，依附既有旋律与声线，侵害著作权与声音权益。供给的增长没有同等转化为被听见的机会，甚至在反向消耗产业的信任与秩序。

供需失衡并非音乐领域独有。研究报告把这种AI内容的供需失衡概括为三个不等式：普及不等于接受，89%的创作者用过AI工具、97.4%的消费者接触过AI内容，明确接受的只有25.3%，市场仍处于培育期；效率不等于收益，近六成创作者用了AI之后单篇收益基本持平，产量的增长尚未兑换成价值的增长；生成不等于可信，供需两端同时把同质化、低质化列为最担心的问题，内容的数量在涨，用户对来源与质量的信任并未同步建立。

当然我们更应看到的是，AI打破了音乐创作的天赋壁垒，让普通人的音乐梦想有了落地的可能。产业在增长、工具在普及，当务之急是补上让好作品浮现的规则。当生成不再稀缺，稀缺的就是辨识、评价与分配的能力—需要规则供给。

正在发生的三个变化

变化一：生产端从音乐创作者走向音乐决策者

《AI破晓》研究显示，生成式AI在创作者中的渗透率已达89%，每天使用的高频用户占42.6%。AI已从可选项变为内容工作流中的刚性环节，这一趋势不可逆。

现阶段AI音乐已能稳定产出，短板集中在后期环节。《AI破晓》研究显示，AI使用集中在歌词66.0%、旋律64.2%、编曲62.3%，混音、母带等后期环节仅36.8%。差异的成因不是难易，而是试错空间—词曲与编曲可一次生成多个方案再筛选，容错高；混音等依赖精细听感，插件参数与设备操作等数据近似黑盒，缺少可供模型学习的开放样本。行业报道印证这一分野：量产型词曲编曲报价走低，混音投入抗压更强³。

AI替代的是技艺执行，不是审美判断。创作者的能力模型正转向创意驱动与智能驾驭，创意力、审美力、AI驾驭力构成新的能力结构。行业一线的表述更直接：AI只能优化工作流中的部分节点，作品从0到1的创作动机不可能被替代；AI时代要从一百首里选出好歌，审美进一步上升为判断力⁴。

AI压缩的不只是生产成本，更是跨媒介转译成本。当前文化IP正从单一形态串行呈现转变为多模态并行变现，尤其利好中腰部作品。音乐领域已有实践：音乐人阿沁与AI影像团队合作推出赛事主题单曲《苏超火焰》，歌曲由音乐人主导创作、MV视觉由AI依据歌词与旋律生成，而传统模式下独立音乐人拍一支MV需数万元以上预算与多工种协同⁵。AI改变的不只是谁能写歌，还有一首歌能长成什么形态。

变化二：消费端AI音乐先在功能层落地

《AI破晓》研究显示，用户最期待的AI音乐形态第一位是人机协同原创作品，占比接近七成；第二位是围绕短视频、游戏等热门背景音乐的AI再创作。经授权的AI翻唱让经典曲目触达新听众，反哺原作热度。

当前相当一部分AI音乐不是以一首歌的形态被完整消费，而是嵌在短视频、广告、游戏场景音等作为配乐存在。这一层正是AI替代最先发生的地方。多位受访音乐人的共识是，AI淘汰的不是创作本身，而是低技术含量、可批量复制的功能性音乐—AI生成的歌像一张大众脸，工整、合格，但缺少辨识度³。国际研究指向同一方向：到2028年商用配乐曲库中约六成将来自 AI 生成音乐⁶。

替代的边界要从两个维度来看。一是需求维度，AI率先满足的是合规创作中可批量复制的素材性需求，而用户最期待的始终是有辨识度的人机协同原创作品。另一个是合规维度，AI洗歌不是效率替代而是侵权问题。第十届中国网络版权保护与发展大会已形成业界共识，必须严格区分合规的AI辅助创作与牟利式的AI替代性侵权⁷。把这两个类型分开，是讨论AI音乐的前提。

AI音乐的赛道属性由此清晰。在分发与激励上它需要被分类管理；在产业形态上加速向是“音乐+”进化。跨媒介转译成本的下降，正在降低音乐向虚拟演出等领域渗透的阻力。AI不是把音乐圈成新领地，而是把音乐的边界向外推开。

变化三：商业端AI音乐从一次性成品走向持续生成

《AI破晓》研究显示，消费者最期待AI内容提供情绪价值，占61.2%，例如个性化音乐疗愈；第二是期待日常生活陪伴占55%。这些高频、强个性化、深情感绑定的场景，指向AI原生的内容形态：实时生成、可交互、持续演化。这不是售卖一首歌，而是交付一段可持续、个性化的陪伴。

产业实践正走向落地。QQ音乐构建AI疗愈音乐整体生成框架，实现从入睡到唤醒的全流程结构化生成并支持实时个性化交互调整⁸。国外谷歌DeepMind的Lyria RealTime支持连续生成，延迟最长两秒，音乐具备随场景发生的可能⁹。

用户侧的信号需要重点关注。《AI破晓》研究显示，对AI生成内容定价，70.8%的受访者认为应大幅打折或完全免费；但若收费能保证无广告、高质量、正版原创，接受度则达54.4%，为调研模式中最高。被抵触的是批量、同质、来源不明的AI内容，对有人深度参与的正版作品，付费意愿依然存在。价值锚点因此需要从内容产品向个性化体验与情感服务延伸。

尚未解决的四个问题

如果把时间轴拉长，这是音乐产业又一次重建规则。曾经饱受盗版冲击的数字音乐市场，在行业正版化之后步入正轨。当面又开始面临AI的系统性冲击，冲击点从传播端上移到创作端与训练端。不再是能不能传播，而是训练能不能用、生成算不算作品、收益怎么分等系列新规则，以下四个问题最先显形，且互相传导。

内容通胀

《AI破晓》研究中，内容同质化是供需两端高度同频的焦虑：创作者侧88.8%担心同质化、低质AI作品挤占人类创作市场，消费者侧对AI内容的负面评价中同质化以55.6%位居首位；而用户的期待方向是提升质量（74.9%）与增强原创性（67.4%）。

在AI音乐领域，同质化有明确的技术成因。行业报道指出，多数AI音乐大模型会将风格相似的样本映射到邻近区域以便插值生成，形成标准化审美的反复循环；不少团队采取批量生成、测试反馈、聚焦爆款、批量复制的策略，导致雷同作品密集涌现¹⁰。

由此形成两种性质不同的同质化，需要分别应对。一种源于侵权，在旋律、声线或歌名标签上依附既有热歌。媒体报道，AI洗歌与原作品构成实质性相似即侵害复制权、改编权等著作权，经技术处理的声音若仍可识别特定自然人则构成声音权益侵权¹¹。难点在识别与举证，维权成本高于侵权成本。另一种则为大量创作者使用同源模型、朝相似的好听优化，风格分布随之收窄。风格模仿输出端难以认定为侵权，但训练端是否合规仍未定。平台需要对低质、低播AI内容分层管理，同时把差异度纳入推荐权重。

而且同质化内容若大规模回流为训练语料，会形成劣币驱逐良币。训练数据的质量与合法性，决定AI生成内容的上限。因此内容通胀的根源不只在技术，而在分发与收益的规则奖励什么。规则若可被套利，量就必然涌入。

收入被稀释

创作者的体感直接而具体。据行业报道，独立音乐人商单减少，而且过去靠小型项目起步的练手机会被压缩，专业化路径的入口随之变窄³。这是AI效率替代带来的普遍趋势。另一类冲击来自侵权，AI洗歌与未经授权的AI仿声翻唱具有隐蔽性，正从经济权益、艺术身份与声誉、创作心理、法律维权等多个层面冲击音乐人^6。

《AI破晓》研究的收益数据支持这一体感：使用生成式AI后近六成内容创作者篇均收益基本持平，产量提升但单价未增。音乐领域这种稀释的机制并不复杂：流媒体以按播放量占比为主分配收益，AI曲目与未剔除的刷量放大播放总量，摊薄每一次有效播放的单位收益¹²。AI降低的是生产成本，真正激励创作者持续产出的是内容回报率。创作者的发展诉求中流量扶持占62.6%、创作分成补贴占58.1%，位居前两位；在平台服务需求中，版权保障服务占52.0%。

版权资产的性质变了

收入被稀释是结果，向上追溯一层是资产性质的改变。千亩稻田版权商务总监孙笑男介绍，词曲作品进入AI训练之后，从主要面向消费端的资产，变成同时具有训练端价值的资产：原本靠表演、发行、录音授权产生收益并反哺创作者，如今价值开始外溢进模型，而权利人未在其中获益。

界定的难点部分源于一首歌是一组权利，词曲是著作权，表演者与录音制作者是邻接权。腾讯音乐法务管理部、生态内容保护负责人林昭琪把争议按三段划分：训练端训练语料来源的合法性，素材合理使用边界未明确；生成端生成物的可版权性及侵权判定问题仍需要具体分析；传播端责任主体不清、责任边界模糊，如生成物涉及侵权，向上传用户、模型方还是分发平台索赔仍有争议。《AI破晓》研究显示，超过七成创作者遭遇过版权摩擦，未经授权的AI改编被列为侵权行为首位，占比55.4%。而且音乐赛道创作者的版权焦虑和对行业规则的呼声与其他内容赛道对比相对较高。

规则的形成正在多个法域同步推进。2026年9月，最高人民法院发布《关于依法审理涉人工智能纠纷案件的意见》，明确AI使用者明知在先作品，仍用AI生成实质相似作品且无合理抗辩理由，应承担侵权责任；AI开发者提出不侵权抗辩需提供训练数据来源、训练过程记录、模型运行模式等佐证；利用AI实施刷量刷单、侵权假冒的，依法担责。德国慕尼黑地方法院2026年7月在GEMA诉Suno一案中认定训练与输出均构成侵权，虽训练发生于境外服务器仍确立管辖，该案尚未终局；国际主要唱片公司中已有转向授权合作¹³。权利人一侧也已主动应对，有歌手在新歌上线时附带声明，禁止未经授权将作品用于AI训练与生成。人的创造性干预程度是认定可版权性时被反复提及的尺度，而把授权确认前置到使用之前，是权利人能先走的一步。

信任赤字

消费者的判断能力仍在追赶。《AI破晓》研究显示，明确接受AI内容的消费者占25.3%，持观望态度的占47.6%，构成最大的中间地带。

高触达并未带来高辨识。97.4%用户已经接触过至少一类AI内容，但83.4%的用户需依赖明确标注才能判断，超过一半因无法判断真实性而产生抵触。Deezer开展AI音乐态度国际研究显示，97%的受访者未能区分AI生成音乐与人类创作音乐¹。音乐缺少画面僵硬、表达生硬这类可视线索，对标注与溯源的依赖度高于其他内容形态。《AI破晓》研究显示，用户对标识的诉求十分明确：75.1%要求明确标注AI生成，67.5%希望细化到AI参与环节。

我国《人工智能生成合成内容标识办法》及配套国家标准已于2025年9月施行。据媒体报道，音乐平台的AI标识目前处于推进落地阶段，依赖创作者主动声明与平台审核，在实践中参与程度界定、声明署名等细则待进一步明确¹⁴。制度已经立起来，把它落到每一首歌的界面上，还需要技术与流程同步补齐。

平台侧的动作在国内外呈现共时性，抓手集中在识别、标识与分类三项，其中识别是前提。腾讯音乐娱乐集团曲库版权高级总监李玲玲介绍，平台自研大模型用于识别AI 歌曲，上传后识别率达到 99% 以上，先把 AI 内容识别出来、标记给用户和行业，再叠加机器审核、人工审核与投诉处置，打击洗歌、盗歌、蹭歌与未经授权的翻唱。治理主体也在扩容，地方已出台推动音乐产业高质量发展的专项措施，并成立跨机构产业协作联盟、发布原创作品榜单。

市场培育期要做的，是把近半数观望的用户转为接受、再转为付费。依靠的不是供给更多，而是让内容可识别、可追溯、可选择。

审美的升降取决于机制的设计

AI音乐一体两面：它降低了普通人创作的门槛，同时也为侵权内容大规模扩散提供条件，挤压原创音乐人的生存空间。值得追问的是，当批量生成的同质化音乐不断挤占平台流量资源，大众的文化审美究竟是会因此提升还是逐步钝化？中国传媒大学副教授萧萍认为，从AI音乐生成到受众接受，需要厘清三个层面的关系：在技术层面，从“能与不能”出发，权衡数据合规、算法优化与音频检测识别的可行限度；在平台层面，从“用与不用”出发，确立版权合作方式与流量分配原则；在受众层面，从“听与不听”出发，打破信息茧房的单一模式，以音乐艺术价值引领大众审美的多元重塑。

量的积极意义需要先被承认。腾讯音乐未音AI作歌项目累计生成作品超2600万首、播放量超10亿，普通用户的音乐表达也能被看到听到，找到同好共鸣，这种普通用户的多样表达与内容专业供给构成文化生态繁荣的底座。需要警惕的不是量本身，而是量被什么机制引导：低质化的正反馈一旦形成，选择看起来更多，接触多元审美的机会反而被压缩。机制要在三个层面同时建立。

第一层是可识别。我国标识办法及配套国家标准要求音频类内容做显式标识、并在元数据中嵌入隐式标识，治理从形式标识延伸到技术溯源；海外已有按人声、歌词、乐器演奏等元素标识的探索¹⁵。标识的长期价值，在于把判据从是不是AI，扩展到权利溯源：用了谁的作品。

第二层是分发与评价。AI音乐权利归属未明，尚难纳入既有版税分账，部分国内音乐平台采用分类管理加专项激励：设AI音乐专区，以专属激励金扶持优质AI原创歌曲，把未经授权的洗盗蹭与AI翻唱排除在激励之外。分类管理解决的是计量与结算分类，洗歌治理仍需技术识别与责任追究。另一方面，榜单与评价体系也在同步探索：国内已出现面向AI原创作品的专项榜单，业界已提出以创新指数作为评价参数之一，其技术含义即与已有作品的差异度，具备纳入推荐权重的条件，让有辨识度的作品获得更高曝光。

第三层是授权秩序。先授权、后训练的数据源头规则正在形成；22家出版、传媒、版权与科技机构签署《人工智能高质量语料库建设公约》，将引入区块链实现入库、授权、交易全程留痕¹⁶。国外已有制度设计：瑞典集管组织STIM的AI许可把补偿拆成训练、服务运营、生成内容使用三段结算，并以权利人主动选择加入为前提；美加三家组织统一AI 歌曲登记规则，接纳人机协同、排除纯 AI 作品。国内部分权利人的诉求更直接：不授权不使用，使用即付费，并要有可行的退出机制等。

AI音乐可以理解为工具成型赛道—生产工具已基本成型，真正决定它能否健康发展的，是标识、分类、授权、分账这些制度问题，以及音乐人的判断力。

让沉默的声音重新有声

当前产业需要从追问AI能做多少，转向引导AI能做多好。未来的AI内容生态将呈现两极分化：底座是海量泛娱乐内容、功能性内容，顶层是精品、IP、有辨识度内容，机制需要关注如何让精品内容浮出水面。

还有一些声音，连可被听见这一步都尚未走到。腾讯发起的探元计划支持了古琴减字谱数字化项目：减字谱只记指法、不直接记音高与节奏。数千首传世琴曲，长期依靠少量传承人口传心授而延续。项目用以字编字的方法把谱字拆为用指、徽位、弦序、指法等构件编码，对接国际乐谱标准MEI，再通过构建多模态数据集，实现 AI 辅助打谱。

AI 不只是生成新的内容，也可以让地方戏曲、民族音乐、传统器乐这些有传承价值的声音，不因市场规模小而被排除在生态之外。当这些语料进入平台曲库与创作工具，它们不只是被保存，而是能被更广泛的群体理解、参与和再表达。AI带来的不应只是审美升级，更应带来审美的多元化。

AI把生成音乐的成本降低，也就把后面每一步的价值抬到了前所未有的高度：被生成不等于被听见，被听见不等于被记住，被记住的作品还需要能确认权属、传导收益。丰饶本身不构成繁荣，每一步都要靠规则托底。

一个时代的音乐水准，不由它生成了多少首歌决定，而由它让哪些歌留了下来决定。这个决定权不在模型的参数里，而在为模型设计的规则里。规则立起来，被听见就不再稀缺，好作品才有留下来、传下去的机会。

调研致谢首届流行音乐创作大会（广东）《AI赋能—拥抱前沿，重塑创作边界》圆桌对话嘉宾

参考文献：

[1]https://newsroom-deezer.com/2026/04/ai-generated-tracks-represent-44-of-new-uploaded-music/

[2]https://www.thepaper.cn/newsDetail_forward_32586911

[3]https://www.jfdaily.com/journal/getMobileArticle.htm?id=499978

[4]https://sztqb.sznews.com/MB/content/202608/26/content_3473585.html

[5]https://m.sohu.com/a/1008688137_121455647

[6]https://www.musicbusinessworldwide.com/market-for-gen-ai-outputs-to-be-worth-over-16bn-annually-by-2028-but-it-could-cannibalize-24-of-music-creators-revenues-cisac-predicts/

[7]https://app.xinhuanet.com/news/article.htmlarticleId=202606094d77cf2bc9684209a7f7e247a025fd4b

[8]https://m.bjnews.com.cn/detail/1784169126129274.html

[9]deepmind.google/models/lyria

[10]https://www.peopleapp.com/column/30051768636-500007419213

[11]https://bjrb-app.bjd.com.cn/content/s6a0cc652e4b03fa51a7e7d3a.html

[12]https://www.techtimes.com/articles/320638/20260715/tidal-royalty-ban-ai-music-now-live-fraud-still-costs-artists-2-billion.htm

[13]https://intellectual-property-helpdesk.ec.europa.eu/news-events/news/german-court-finds-suno-liable-copyright-infringement-over-ai-generated-music-2026-08-28_en

[14]https://www.yzwb.net/news/zntt/202604/t20260417_343255.html

[15]https://www.musicbusinessworldwide.com/spotify-to-show-ai-tags-in-song-credits-where-artists-have-chosen-to-disclose-through-their-label-or-distributor

[16]https://www.chinanews.com.cn/sh/2026/05-24/10627710.shtml

推荐阅读

腾讯研究院：

👇 点个“在看”分享洞见