文 ｜ 闌夕

出道即巔峰，又一款純正中國血統(tǒng)的大模型，跑出了SOTA（當(dāng)前最佳水平）的分?jǐn)?shù)。

昆侖萬維發(fā)布的音樂大模型Mureka O1，在音樂生成品質(zhì)的評(píng)測上，全面超越作為行業(yè)領(lǐng)頭羊的Suno——相當(dāng)于ChatGPT在文本大模型的優(yōu)勢地位——成了又一個(gè)空降而來的「新王」。

當(dāng)然，和普通大模型通常通過做題的準(zhǔn)確率來對(duì)比能力差異不同，音樂內(nèi)容的好壞缺少完全客觀的評(píng)判標(biāo)準(zhǔn)，所以昆侖萬維也做到了力所能及的公平：

在最新的音樂評(píng)測中，Mureka O1展現(xiàn)出卓越的音樂品質(zhì)，在最終的整體聽感評(píng)測超過了Suno V4。

圖丨Mureka O1在主觀測評(píng)中整體聽感超越Suno V4

而在發(fā)音唱對(duì)率、樂段準(zhǔn)確率、文本相關(guān)度、制作質(zhì)量等客觀指標(biāo)，多個(gè)維度上，Mureka O1都完全勝過了目前市場份額最高的Sonu V4，讓海外的AI技術(shù)圈再次發(fā)出了靈魂三問：

圖丨Mureka O1在文本生成音樂的客觀測評(píng)中得分

這是誰?哪兒來的？怎么辦到的？

怎么說呢，疑惑的起點(diǎn)都是傲慢，從看不到中國AI的奮起，到不關(guān)心大廠以外的突破，這筆認(rèn)知債務(wù)，還有很長時(shí)間要還。

作為一家上市公司，昆侖萬維沒有所謂「2VC」的敘事需求，它對(duì)AI的研究投入，一方面是對(duì)技術(shù)創(chuàng)新的敏感，另一方面也是自身業(yè)務(wù)的延伸。

早在3年前，昆侖萬維就用AI生成的音樂和圖形為旗下游戲業(yè)務(wù)做了降本增效——2萬塊錢的一首BGM版權(quán)，被5塊錢的AI成本頂替——這種基于現(xiàn)實(shí)需要的回報(bào)，客觀上也為昆侖萬維的AI版圖去掉了表演性質(zhì)。

昆侖萬維的創(chuàng)始人周亞輝每年都會(huì)在朋友圈銳評(píng)各家公司的AI表現(xiàn)，并經(jīng)常流傳出媒體喜聞樂見的金句，比如「字節(jié)跳動(dòng)2023年的AI戰(zhàn)略不及格，但并不影響它在2024年的AI戰(zhàn)略能打滿分。」

而在對(duì)自家公司的評(píng)價(jià)上，周亞輝用了一個(gè)自創(chuàng)的詞組：「小而大美」。

昆侖萬維的市值，在500億人民幣左右，真要和全球互聯(lián)網(wǎng)大廠正面硬剛，顯然沒有多少勝算，但在周亞輝看來，昆侖萬維的AI進(jìn)展不是「小而美」，而是「小而大美」，大在哪兒？

大在全球，大在對(duì)AI商業(yè)化上游的卡位。

如果在YouTube搜索Mureka，就能發(fā)現(xiàn)已經(jīng)有很多創(chuàng)作者在用這款產(chǎn)品創(chuàng)作音樂了，這和很多AI概念產(chǎn)品的擴(kuò)散路徑——先由技術(shù)社區(qū)引爆，再去尋找應(yīng)用場景——還不太一樣，是市場先行、「炸裂」后至。

這和昆侖萬維的海外業(yè)務(wù)早已打下基底有關(guān)，語音社交應(yīng)用StarMaker是中國互動(dòng)娛樂出海的標(biāo)志性產(chǎn)品，全球幾千萬人擠在里面唱歌打榜，對(duì)于音樂創(chuàng)作者會(huì)在多大程度上為生產(chǎn)力買單，熟念于心。

在這波AI浪潮襲來之前，StarMaker就在自己做語料庫了，單個(gè)小語種每個(gè)月要花幾百萬美元，這種積累，也相當(dāng)于昆侖萬維在今天闖入音樂大模型的「合法外掛」，當(dāng)一個(gè)高等級(jí)玩家出現(xiàn)在新手村，任何動(dòng)作都會(huì)是降維打擊。

于是就有了Mureka O1的順利登頂。

某種程度上，Mureka O1會(huì)讓海外的AI從業(yè)者內(nèi)心生出「快別卷了」的無奈，因?yàn)樗堑谝粋€(gè)引入思維鏈（Chain-of-Thought）的音樂大模型。

思維鏈就是OpenAI o1和DeepSeek-R1為大模型行業(yè)帶來的第二條進(jìn)化曲線，通過教會(huì)大模型推理能力，在預(yù)訓(xùn)練陷入瓶頸之后重新解決了智能不再提升的問題。

不過思維鏈幾乎只被用在文本大模型領(lǐng)域，從來沒有在音樂大模型有過嘗試，而昆侖萬維實(shí)現(xiàn)了讓Mureka O1像一個(gè)真實(shí)的唱作人那樣，用經(jīng)驗(yàn)和思考——而非直覺——來譜曲寫歌。

在已經(jīng)發(fā)布的論文里，Mureka團(tuán)隊(duì)意識(shí)到傳統(tǒng)自回歸模型在生成音頻時(shí)的局限性，也就是遵循Transformer的預(yù)測模式，只能按順序吐出音符（Token），而在開創(chuàng)了思維鏈之后，Mureka O1可以在生成之前就對(duì)整體作曲結(jié)構(gòu)做出計(jì)劃和梳理，大幅提高音樂的連貫性。

而這正是現(xiàn)階段音樂大模型最深的痛點(diǎn)，沒有之一。

簡單來說，以Suno為代表的舊式音樂大模型，在創(chuàng)作音樂時(shí)很容易出現(xiàn)「有曲調(diào)而無旋律」的特點(diǎn)，有曲調(diào)意味著這確實(shí)可被辨識(shí)出是一首音樂作品，無旋律則說明和那些真正由人譜寫出來的音樂相比，AI的工作成果不夠動(dòng)聽，沒有朗朗上口的藝術(shù)審美。

這和文本大模型被詬病的地方是一致的，看起來AI很能寫作，吐起詞句來連綿不絕，卻在很多時(shí)候經(jīng)不起細(xì)看，因?yàn)槎哑龊圹E過重，給人「AI味」太濃的觀感，更嚴(yán)重的指責(zé)，甚至將AI生成的作品稱作是「尸塊」。

而Mureka O1提供的推理能力，可以讓AI站在全局的視角規(guī)劃一首音樂從無到有的構(gòu)建過程，避免「走一步算一步」的強(qiáng)行成分，這在實(shí)際體驗(yàn)上再造了魔法般的美學(xué)功底。

比如這首放克風(fēng)格的音樂作品「Hands up high」，你們聽完一定會(huì)和我產(chǎn)生同樣的驚訝，不止是完整度，連同旋律構(gòu)思和歌詞卡點(diǎn)，包括逼真的人聲唱腔，幾乎都不再有AI生成時(shí)那種揮之不散的電子感，達(dá)到了可以發(fā)行的地步：

還有充滿自由氣息的歡快的鄉(xiāng)村歌曲：

我自己也用Mureka O1寫了一小段音樂，用電影「指環(huán)王」里阿拉貢在最終決戰(zhàn)前的陣前演講作為填詞，雖然做得簡單潦草，但是那句「But it is not this day」的停頓和轉(zhuǎn)折，已經(jīng)相當(dāng)驚艷了，我沒有輸入任何提示詞引導(dǎo)，純粹是Mureka O1自己做出的判斷。

從個(gè)人體感來看，Mureka生成一首完整音樂的速度在50秒左右，8美金/月的最低檔會(huì)員價(jià)格，對(duì)應(yīng)400首音樂（V6模型）或者80首音樂（O1模型），平均「單曲成本」只有0.02美金或者0.1美金，可以說是白菜價(jià)了。

考慮到Mureka對(duì)于訂閱用戶生成的AI音樂都提供了商用授權(quán)，這是意味著普通人也能獲得每年超過5000首音樂的創(chuàng)作能力，無論是自用還是上傳到Spotify等流媒體平臺(tái)，對(duì)于數(shù)字音樂市場的沖擊將是空前絕后的。

這里可以插入一個(gè)也許有些反直覺的數(shù)據(jù)，那就是全球音樂市場的產(chǎn)值，其實(shí)是比全球電影市場還要略高的，這是一個(gè)300億美金的盤子，而且集中度偏高，僅是環(huán)球、索尼、華納三大唱片公司，就占到了錄制音樂市場份額的60%以上。

和視頻大模型的發(fā)展類似，音樂大模型的顛覆性也在于雙線作戰(zhàn)：不只是給素人創(chuàng)作者賦權(quán)，還能為專業(yè)創(chuàng)作者增效，還是那句老話，AI不會(huì)直接取代人，而是用AI的人會(huì)取代不會(huì)用AI的人。

就像今天幾乎已經(jīng)沒有工程師不在用Cursor寫代碼，Mureka對(duì)于音樂制作人而言，有著純粹的暴力美學(xué)價(jià)值，比如基于一小段音符「填補(bǔ)」音樂，或是將歌曲反編譯為詞干，這些原本需要投入大量智力勞動(dòng)的工作，都能交給Mureka以近乎無限的生成資源供給選用。

A16z曾經(jīng)發(fā)過一篇關(guān)于AI音樂的前瞻報(bào)告，認(rèn)為音樂產(chǎn)業(yè)非常適合AI的貨幣化，因?yàn)檫@里有著高度成熟化的商業(yè)鏈路，分賬模式也相對(duì)穩(wěn)定，這種確定性，讓從業(yè)者們?cè)敢鉃樯a(chǎn)力的提高支付費(fèi)用。

這大概就是周亞輝所說的「小而大美」真正的意思，以盡可能小的機(jī)會(huì)成本，切入相對(duì)大且確定的增值市場，和文本的量級(jí)相比，全世界古往今來的所有音樂曲目，只有4000萬首，對(duì)應(yīng)繁榮的商業(yè)市場，訓(xùn)練起來的性價(jià)比很高。

在Mureka之外，昆侖萬維還在海外做了AI短劇平臺(tái)SkyReels，同樣是以打掉90%以上生產(chǎn)成本的方法，刺激供給端的爆發(fā)。

加上TikTok等短視頻平臺(tái)已經(jīng)新創(chuàng)了洗腦神曲和BGM模版的經(jīng)濟(jì)體系，新的生產(chǎn)關(guān)系，一定會(huì)長出新的音樂創(chuàng)作者，他們所用的工具，也并非必須和傳統(tǒng)創(chuàng)作者保持一致。

畢竟，從智人時(shí)代開始，越早掌握先進(jìn)工具的人類，越能取得物種進(jìn)化的優(yōu)勢，尼安特人的石器制作技術(shù)曾經(jīng)一度領(lǐng)先，但在幾十萬年里沒有任何改進(jìn)，但智人已經(jīng)在舊石器晚期已經(jīng)開發(fā)出了可投擲的標(biāo)槍和箭矢等復(fù)合工具，最終幫助智人在競爭中取得了勝利。

兩年前，孫燕姿寫了一篇文章回應(yīng)「AI孫燕姿」的泛濫，她的態(tài)度很有意思，混雜著自嘲和看戲——「此刻，我覺得自己就像一個(gè)吃爆米花、坐在電影院最好的位置上的人。」

當(dāng)時(shí)，距離Suno的發(fā)布還有半年時(shí)間，所謂AI音樂的生產(chǎn)，主要還停留在「臨摹」的層面，也就是復(fù)制音樂人的聲線，讓「她」去唱?jiǎng)e的歌曲，還沒有達(dá)到原創(chuàng)的地步。

但是孫燕姿已經(jīng)敏銳察覺到技術(shù)發(fā)展的一日千里——這份敏銳甚至超過了大多數(shù)行業(yè)人士——她說可能有人會(huì)反對(duì)AI音樂的影響，認(rèn)為自己能夠分辨出區(qū)別，因?yàn)樗鼪]有情緒、音調(diào)和呼吸的變化，而孫燕姿則表示：「很抱歉，我懷疑這只是一個(gè)非常短期內(nèi)的回應(yīng)，人類無法超越它已指日可待?！?/p>

果然，從Suno的驚世登場，到Mureka的急起逆襲，音樂大模型能做的事情，正在驗(yàn)證著孫燕姿的預(yù)判，所以她才主動(dòng)選擇了接受，并相信音樂人做自己——也就是發(fā)揮人的那部分價(jià)值——才是最大的護(hù)城河。

不過，對(duì)于更多想要揚(yáng)名立萬的創(chuàng)作者來說，AI才是能幫他們做自己的工具，Mureka O1的大受好評(píng)，就建立在這種濃得無法化開的需求之上，一次古登堡式的歌唱平權(quán)。

而在DeepSeek橫空出世之后，國產(chǎn)AI行業(yè)就開始呈現(xiàn)出類似工業(yè)領(lǐng)域的供應(yīng)鏈溢出效應(yīng)，讓音樂大模型學(xué)會(huì)推理創(chuàng)作，就是其中一個(gè)例證，更重要的是，從人才密度，到技術(shù)突破，中國的AI公司都開始騎臉輸出，反過來向全球貢獻(xiàn)經(jīng)驗(yàn)，并挨個(gè)占領(lǐng)所有榜單的前列位置。

波瀾壯闊的創(chuàng)新，永遠(yuǎn)的科技發(fā)展史上最美麗的那道風(fēng)景線。