算法分发
搜索文档
人类不会再有周杰伦
虎嗅APP· 2025-12-17 13:42
文章核心观点 - AI音乐与算法分发正在深刻改变音乐行业生态,重塑从创作、分发到消费的整个价值链,传统以歌手和版权为核心的模式受到冲击,平台凭借算法成为核心赢家[5][6][8][10][13] AI音乐与算法对行业结构的冲击 - AI歌手“大头针”凭借完美的唱功、情感表达和微原创能力获得听众认可,其翻唱甚至能感动听众[5] - 字节跳动旗下的汽水音乐凭借算法推荐优势,下载量和活跃度连创新高,被认为已开始严重撼动腾讯音乐和网易云音乐的市场地位[5] - 音乐生态关系正从“作品-歌手-受众”转变为“算法-作品-受众”,歌手的文化号召力被算法稀释[6] - 行业竞争重心从过去拼曲库、拼版权,转向拼入口与分发,即谁更擅长将音乐推送到用户面前[10] - 搜索音乐模式开始退场,基于算法的推荐成为主流[10] - 平台成为唯一赢家,AI提供充足且廉价的内容产能,结合优秀的分发算法,使用户在站内停留时间更长[13] AI对音乐创作与从业者的影响 - AI音乐制作与算法分发形成了一个危险的闭环:供给几乎无限,并能第一时间触达被算法锁定的用户[10] - AI的第一波冲击将主要影响最市场化的领域,如短视频BGM、直播间背景音、门店配乐及低预算广告与小游戏配乐,这些领域不看重作者且预算低[11] - AI的优势在于成本低廉、能快速跟进热点并随时进行微创新,这直接冲击了产业内大量从业者的饭碗[11] - 一些希望依靠音乐风格、创作才华或声音特质走向大众的非头部后进歌手,将更难从算法推荐中脱颖而出[11] - 一种音乐风格或声音特质走红后,AI能快速学习模仿,导致如抖音上播放量几十亿的BGM比比皆是,但能被全民记住的歌手寥寥无几[12] 算法驱动下的用户行为与文化变迁 - 汽水音乐等产品将听歌行为“短视频化”,用户的所有互动行为被算法捕捉并即时优化推荐,决策成本极低且命中率高[9] - 算法可能导致信息茧房,例如让孤独的失恋者沉浸在忧伤的歌曲中无法自拔[9] - 音乐被算法切分成副歌、情绪等适合快速传播的形态,适合切片、作为BGM或在短时间内提供情绪价值的音乐更占优势[10] - 算法驱动的个性化推荐可能导致共同文化记忆的缺失,过去一代人共享的旋律和歌手记忆被个人的数字洪流取代[15] - 算法减少了音乐发现中的“偶遇”和不确定性,它倾向于推荐用户已知的喜好领域,而不会主动将其引向习惯之外[15] - 文章提出应思考在追求效率之外,是否为意外与原创留出空间,避免算法构成审美和感受世界的结界[17]
百度及AI的前途
36氪· 2025-09-24 10:53
百度AI战略与搜索业务转型 - 百度搜索正经历十年来最大变化,全面AI化,支持长文本和多模态输入,但被认为仍是一种过渡状态,未完全摆脱搜索框限制 [1] - 百度文库业务定位为“一站式AI创作平台”,已开发内容操作系统和系列创作工具,团队规模达1200人,旨在消除内容创作门槛,超越流量逻辑 [1] - 公司布局AI时间早,2013年成立深度学习研究院,2017年明确AI为公司战略,但在近期百模大战中表现不突出 [20] 信息生态演变与行业竞争格局 - 互联网生态围绕信息、人与商品(服务)三类连接展开,对应BAT三巨头,算法分发模式由字节跳动异军突起,但未替代BAT原生生态,仅威胁衍生内容和直播业务 [2][8] - 搜索引擎曾通过关键字排序赋予全网信息结构,接管信息生态,但结果受SEO污染;算法分发则强化用户成见,商业成功但社会评价稍逊 [3][8] - 算法分发将人降级为信息标签,导致内容同质化、标签极化,作者配合标签生产,平台最大化流量商业模式,引发信息过载与社会对抗性议题放大 [5][6][9][10] AI产业发展挑战与技术路径 - AI产业发展严重依赖算力堆砌的资本密集路线,英伟达市值达4万亿美元,但DeepSeek通过创新架构和算法开源,将API定价大幅降低,引发行业对算力成本控制的重视 [20][22] - AI训练语料主要依赖线上公开数据,质量普遍不高,知识专业化且存在壁垒,导致AI难以处理结构化知识,输出质量受限,发展失衡 [27][28] - AI在C端应用面临通约性挑战,长文本和多模态虽具全网通约性,但进入专业领域后增长线性化,难以实现大规模网络效应 [24][28] 百度历史战略反思与未来机遇 - 百度在移动互联网时代未触及信息生态核心,App模式导致信息孤岛,削弱搜索业务;公司投资策略保守,追逐本地服务、YY等风口但成效有限 [17][18][19] - AI被视为百度同调的机会,可解决App模式缺陷,但需面对训练数据贫瘠、应用场景专业化等挑战;公司强调“模型世界应用天下”,认为应用将统治未来 [19][28][32] - 行业建议AI发展应借鉴“中层理论”,从线下业务采集高质量数据训练垂直模型,自下而上构建知识体系,而非依赖通用大模型 [36] 概念驱动与业务支撑的行业对比 - 互联网行业高概念驱动,中国业界经历业务本土化、去硅谷概念、去概念三阶段演进,2010年后“互联网思维”标志互联网下沉和业务驱动 [29] - 中美AI发展再次合流,但硅谷依赖技术舒适区和资本驱动,缺乏业务支撑;中国有业务基础,AI提供回归创新、带动经济整体的机会 [30][31] - 当前AI概念与现实脱节,资本缺乏耐心等待长期回报,气氛类似2001年纳斯达克崩盘前夜;企业需平衡概念创新与业务落地 [29][30]