摘要

Shulman 最重要的结构性判断是：模型最终会消失在产品之中。 “某个时候——我不知道是4还是5——会有最后一次以模型形式发布的模型，此后所有发布都只是产品发布。”Harry 认同，5年后不会有人为更好的模型支付更高价格；Shulman 更进一步认为，用户甚至不会知道产品底层是什么模型，因为“归根结底，这是一场产品竞争”。
音乐 AI 需要的不只是文本式规模化。 文本基准测试是客观的；音乐关乎品味，因此“规模化并不能解决所有问题”，模型会保持相对小型。Suno 的优势不在架构（它使用 Transformer），而在音频 tokenization——“把开源文本社区在模型构建和规模化方面的一切经验都拿来”——以及一套人才判断：招聘经济学家（做自然实验）和物理学家，因为“AI 是一门经验学科，谁能更快地运行更多高质量实验，谁就会赢”。
市场规模的核心判断是：音乐应该像电子游戏一样运作。 它应当具备互动性和社交性，并像 Fortnite 一样让用户付费；而电子游戏所在的行业“比音乐行业大得多”。Suno 从第一天起就收费，用户“付费是为了创作音乐——这与聆听无关”，付费墙同时也是研究工具。GPU 消耗“远远是最大成本……是工资总额的几倍”。
关于2024年6月的诉讼，他坦率承认：“我们知道训练数据中有一些受版权保护的作品，这并不违法，这是行业标准做法，每家 AI 公司都这么做。” 如果 Suno 在审判中败诉，“公司不会死，但显然对我们不利”——尽管他认为败诉不太可能；他把这场较量框定为音乐行业的“固定蛋糕思维”，与把蛋糕做大到游戏行业规模之间的对抗。
新的商业模式才是可交易的部分。 包括艺人授权的个人模型（选择加入的 Ariana Grande 可以无限量生成以自己为主体的内容——不过在她的合同下“她甚至可能无权这么做”）、Spotify Radio 从不支付的提示词级版税、Patreon 式的青少年创作者模型分叉，以及很可能达成的 Timbaland 合作——不以现金支付，而是让他担任顾问；这会“给新晋艺人提供掩护”，因为绝大多数艺人“私下都承认自己在使用并喜欢 Suno”。
在分发端，他认为 TikTok 赢在短视频发现，Spotify 赢在算法驱动的 Discover Weekly。 他认为内容可能先在 TikTok 上爆发，再在 Spotify 上走红。按广告 ARPU 衡量，YouTube 的参与度高于 Spotify。人们远没有意识到，音乐的流行在很大程度上是推荐算法的产物，而不只是质量的结果。Suno 拒绝绝大多数来申请 API 的生成式 AI 视频公司：把音乐当成背景，“并不会让音乐更有价值”。
与共识相反，他说：“所有人都相信 AI 不可避免，但我不这么认为——我们需要主动把它做出来。” 如果西方袖手旁观，他设想的两种反乌托邦是：境外参与者让艺人冒充变得无限制——“源源不断生成 Ariana Grande 的歌曲，却不给 Ariana Grande 一分钱”；以及了解你心率和情绪的超个性化反社交信息流——“直接击中你大脑里的那根神经，就像毒品一样”。他的另一个反共识判断是：量子计算“会很惊艳，但你仍然不应该做它”；这需要政府资金，而不是风险投资，因为“我不认为你能在合理时间内收回投资”。

精读

1. 规模化解决不了音乐——品味才是关键，模型仍将保持小型

Shulman 与 LLM 共识的核心技术分歧在于：文本模型的规模化有效，是因为问题有客观标准——“我想取得更高的 SAT 分数，我想在这个基准测试上表现得更好”；但“音乐完全是主观的，因此规模化并不能解决所有问题”（scale is not the answer to all the problems），模型会保持相对小型，需要靠其他技术赋予模型良好的品味。
Suno 使用 Transformer，对此“并不避讳”；护城河在于音频表征，而非架构：音频 tokenization 并不显而易见，但如果夜以继日地做这件事，再基本上“把开源文本社区在模型构建和规模化上的一整套方法都拿过来”，就是一套相当不错的配方。
把模型对齐到人类品味，而不是客观真理，是 Suno 的招聘卖点：“别处没有这样的机会。”Suno 的使用量让团队能够进行大量 A/B 测试，但 Shulman 也明确指出存在真正的不确定性：用于让 LLM 对齐到古怪人类品味的技术，是否也应当用于音乐模型，“完全没有显而易见的答案”。

2. 最后一次模型发布——此后全部都是产品

这一集最尖锐的预测是：“某个时候——我不知道是4还是5——会有最后一次以模型形式发布的模型，此后所有发布都只是产品发布”，因为“人们不会在乎背后是什么驱动的，只会在乎这段音乐让自己产生了某种感受”。Harry 的平行判断是：5年后，没有人会为访问更新的模型支付更多。
他抨击了行业默认的界面：“OpenAI 很厉害，但它给所有 AI 公司帮了一个大倒忙”，因为大家都以为，像一个空白输入框那样的界面如今就是正确界面；对 ChatGPT 是，对基本上其他所有东西都不是。
他完全不希望提示词时代延续下去：“希望6或12个月后，我们已经不再使用 prompt 这个词……我们不该引导你，而应该倾听你。”当 Harry 提到此前的嘉宾（可能是 Bsky 和 Gustav）曾说会用提示词质量来衡量候选人时，Shulman 回应：“如果需要一个非常复杂的提示词和1,600次迭代，那是我产品的失败，不是候选人的失败。”

3. 音乐应该像电子游戏——这才是市场规模的论证

支撑整个论点的框架是：电子游戏具有互动性和参与感，和朋友一起玩会更好；“没人会像把音乐放在后台那样半玩电子游戏”。如果音乐也能达到这种参与度，人们就会像为游戏付费一样付费，而这个行业“比音乐行业大得多……音乐竟然不应该像 Fortnite 一样让人投入，实在说不过去”。
Harry 提出“无限供给会压低价格”的经济学反驳，Shulman 先承认再重构：“它会降低任意一条内容的平均价值，却会大幅提高音乐对社会的价值。”他的口号是：“我们不是在做音乐，而是在造音乐人”（we’re not making music, we’re making musicians）。
今天之所以只有这么少的人做音乐，是因为它像跑步：难、痛，大多数人会从这条路上退出。要服务10亿人，关键是消除这种痛苦，而不是只让现有创作者快10%。

4. 从第一天收费，让付费墙变成研究工具

从 Discord 机器人上线起，Suno 就开始收费，逆着硅谷“先免费、规模化、规模化”的传统做法；团队“不想把产品做成新奇玩具”。付费墙除了抵消 GPU 消耗，还帮助团队找出真正认为产品有价值、值得访谈的用户；没有它，“我会像迷失在沙漠里一样”不知道谁真正看重产品。“也许我们的规模会大一点，但产品也会更差。”
一个不寻常的成功指标是：用户第1天是否遇到付费墙——即便没有真正跨过去，只要享受了刚刚过去的10或12分钟。触达付费墙的用户占比“相当高”。
团队会刻意注入人为延迟，观察满意度如何下滑——“10秒比8秒更差”。
成本结构说得很直白：GPU 支出远远是最大项，是工资总额的“几倍”，其中包括一个大型研究集群。ML 团队的扩张速度也会慢于软件团队，回报呈次线性：研究问题不能靠规模解决——多投入人手只能带来相对有限的额外成果。

5. RIAA 诉讼：一次承认，以及工程师与律师之争的底层逻辑

对于2024年6月的诉讼，他的表述谨慎但直接：“我们知道训练数据里有一些受版权保护的作品。这并不违法。”这在行业里是标准做法——每家 AI 公司都这么做。“这场诉讼并不完全令人意外”：每家 AI 公司都会被起诉，音乐行业里的每个人也都会被起诉。
他借用可能来自 Andrei Shleifer 的增长研究来描述这种浪费：“工程师越多，增长越多；律师越多，增长越少”——而音乐行业深陷“固定蛋糕思维”。他希望唱片公司做的是：“大概应该先和我们谈谈……先决定起诉、再事后提问，在我看来效率很低。”
下行情景的规模也要诚实面对：如果案件进入审判且 Suno 败诉，“公司不会死，但显然对我们不利——我认为这不太可能”。他也不接受创始人关于诉讼的逞强：声称自己“靠痛苦获得能量”的创始人在撒谎；诉讼会耗费金钱和时间。他对唱片公司逻辑的反问是：“即便你能让 Suno 这样的公司消失，你真的希望如此吗？音乐行业为什么不能像游戏行业一样大？”

6. 新商业模式：授权艺人模型、提示词版税，以及可能担任顾问的 Timbaland

关于 Ariana Grande 的场景——推出独家授权、由艺人完全控制的模型——答案明确是可以；但合同还有一层问题：“她甚至可能无权这么做”……她并不拥有自己全部音乐的权利，但拥有自己的姓名和肖像权。如今 Suno 会屏蔽用户在提示词中输入她的名字（“Suno 面向原创音乐，不是用来模仿他人”）；但一个服务超级粉丝的模型，等同于粉丝小说，只是价值和参与感都高得多，远胜于和她做一场 AMA。
Harry 的 Dean Lewis 例子揭示了当下经济模式最尖锐的缺口：Spotify Radio 播放“像他的歌”，但他拿不到钱；未来，如果艺人选择让用户通过提示词调用自己，就可以从中分成。Shulman 说：“我很希望看到这样的未来。”更大的问题是：“现在人们付费是为了创作音乐——这与聆听无关”；按播放量分成的有限蛋糕无法合理计入数千名粉丝在比赛中 remix 很可能属于 Timbaland 的音乐这种互动——这比在后台见面酷得多。
可能达成的 Timbaland 合作本身：“我们不以现金支付给他”——他会担任顾问，而且在双方见面前就已经是 Suno 的粉丝（“这种东西装不出来”）。其真正作用是：一个已经成功、并不需要做这件事的人，公开说“是的，我用 Suno，而且它很棒”，这会给新晋艺人提供掩护；因为 Shulman 接触的“绝大多数、绝大多数艺人，私下都承认自己在使用并喜欢 Suno”。

7. Spotify、TikTok 与 YouTube——以及 Suno 为什么不卖背景音乐

他认为 TikTok 赢在短视频内容发现，Spotify 赢在算法驱动的 Discover Weekly；但他认为，内容可能先在 TikTok 上爆发，再在 Spotify 上走红。更大的误区是：人们没有意识到，音乐受欢迎在多大程度上是推荐算法的产物，而不只是质量的结果。
按广告 ARPU 衡量，YouTube 的参与度高于 Spotify，因为视频更能吸引注意；他希望 Spotify 的视频化尝试奏效，因为大量听歌本来就是刻意不去注意——过去2年他访谈的学生工程师中，可能100%都在听歌写代码，而这些音乐“存在的全部意义就是不让人注意”。
拒绝 API 是一项战略表态：生成式 AI 视频公司经常希望把 Suno 音乐放在视频背后，但答案“永远是否定的”——“给你的视频配背景音乐，并不会让音乐更有价值。你完全可以用非常便宜的价格去找 Epidemic Sound 的音乐。”
流行音乐变得无聊，有其结构性原因：歌曲更短，旋律、和声、歌曲结构也“同质化得多”，这是数字制作工具、流媒体和 TikTok 共同作用的结果；他以 Olivia Rodrigo 为例，说她在按算法安排歌曲结构。他没有下判断：“这显然谈不上好或坏，它就是这样。”

8. “AI 不可避免”是推脱——以及建设者袖手旁观的两种反乌托邦

他的反共识快问快答是：所有人——既包括在位者，也包括颠覆者——都说“我们知道它会到来”；传统公司是为了不显得像卢德分子，AI 从业者则把它当作一条“安全毯”。两边其实都只是在举手投降：“如果我们只说它不可避免，它并不会因此自动到来；我们需要主动把它做出来。”
第一种反乌托邦：一个不受美国法律约束的境外团队，可以无许可地冒充艺人——源源不断生成 Ariana Grande 的歌曲，却一分钱也不给 Ariana Grande。它已经不是假设：Drake ghostwriter 事件就是例子，而且这种内容会做得很好，只会越来越好、越来越容易生成。
第二种反乌托邦是把超个性化做到局部最优：一个了解你的短信、情绪和心率的应用，持续播放“只有你会喜欢的无尽音乐”，直接“击中你大脑里的那根神经——就像毒品一样”。这会极度反社交。Harry 为女友写歌则是反例：它是为某个人创作的，比现在存在的东西社交性强得多。
创作的去向是：“在艺术中，品味越来越成为唯一重要的东西，而技能的重要性会大幅下降。”摇滚明星→DJ→歌单策展人的演进，会继续走向“我不会弹钢琴，但我很擅长从 Suno 音乐中挑选作品——这就让我成为创作者”。收尾类比是 Instagram 前后的摄影：每张照片的价值下降了，但靠此谋生的人多得多；总体而言，这是一个好得多、好得多的未来。

9. 运营者的旧伤：Discord、远程办公、聚焦，以及读懂 VC 黑话

他承认的错误是：因为看到 Midjourney“在印钞”，Suno 在 Discord bot 形态上停留太久。11月上线的简陋 Web 应用在5天内拿走了90%的流量——“无论如何都不能说我做对了”。Discord 的40万成员如今承担的是社区和反馈职能。
尽管代价不低，远程办公仍可作为例外获准：“例外本身就是判断力的体现”；但公司做大后，逐人做判断会“非常、非常难”。他引用一位 CEO 朋友的话：“我知道远程办公正在毁掉我的公司，只是我没法让大家回办公室。”
工作最难的是聚焦：在任何时点，都有30件可能产生巨大影响的事，但只能选3件。明确被放弃的是所有人都在要的 API——“它并不能真正构建我想要的音乐未来”。对应的招聘原则是：“良好判断比良好技能更重要”——公司知道怎么评估技能，却不知道怎么评估判断力，所以所有人都在围绕考试训练。
谈到融资额“略高于125”，他的判断是：“资本是一种武器”，它应该带来跨越式变化，而不是只给资产负债表补上10%。他希望自己早知道的一句 VC 黑话是：“我们会保留相当一部分基金，以备你需要”其实意味着：“我会拿我的按比例份额，你对此无能为力——情况不好时，我不会给你钱。”这被包装成对创始人非常友好，实际恰恰相反。

10. 量子、人才套利与1阶思维

最尖锐的旁支判断是：量子计算的前景惊人，“但你现在仍然不应该做它”。基础物理研究还在继续；围绕它兴起的公司表现都不算好；这需要“大规模政府干预”，而非风险投资：“我不认为你能在合理时间内拿回投入。”Harry 认为这是公地悲剧，这个异议没有得到解决；Shulman 仍坚持，现在加入量子初创公司是糟糕的职业建议。
由于 Suno 无法匹配 OpenAI 的薪酬，他选择了另一种人才套利：经济学家和物理学家是很强的 ML 招聘对象——经济学家擅长第一性原理推理，以及在数据稀缺环境中做自然实验；实验物理学家则因为“AI 是一门经验学科，谁能更快地运行更多高质量实验，谁就会赢”。
他最深的担忧是认知层面的，而非技术层面的：“人们不擅长判断1阶影响。”在 MIT Sloan 课程上，批评者称 ChatGPT 会终结教育；但1阶影响其实是“世界上每个人都拥有一名中位水平的合格导师……这显然对教育大有裨益”。2阶应对在教师身上：“我需要改变我教给人们的东西”，因为雇主反正会允许员工使用 GPT。
对于 Harry 担心 AI 寒冬（一次银行活动上有人说“回报率还没有出现”），他的回应是：“我住在 Cambridge 的泡沫里，你住在 London 的金融泡沫里——那些人可能会感到幻灭，但整个世界都会如此吗？大多数人仍然没有在期待任何东西。”

Meta 进入 MAGA 模式 | EP 117 Vol.151 为什么今天还有人去开书店：与风入松丁永勋聊实体书店经营