AI 每天生產 1000 萬首新歌，Spotify 等平臺最終會消亡丨100 個 AI 創業者

文 丨 祝穎麗

編輯 丨 趙磊

高中時，郭靖只會唱歌，第一次聽到別人錄的有完整編曲的歌時，整個人像 “被雷劈了一下”。他問對方，能不能教我編曲？對方說，這不是一般人能學會的，不是從小學音樂不可能理解樂理和編曲規律。後來這句話像一個思想鋼印，刻在他腦子裏。

直到他 gap year 去硅谷，自學英語、高等數學、coding 後，突然意識到，音樂創作或許沒有那麼難；或許只是這個領域的工具不夠好。這變成了他做 AI 音樂的起點。

今年 5 月，郭靖創辦的 ACE Studio 年化收入近 2000 萬美元，付費用戶來自全球，以歐美爲主，用他自己的話說 “人均格萊美”。電影音樂之神漢斯·季默、百大 DJ 之首的 Martin Garrix 團隊、美國傳奇音樂人 Stevie Wonder 、R&B 教父 Teddy Riley 都是 ACE Studio 用戶。這個在 Suno 和 Udio 的光環下相對低調的 AI 音樂工具，因爲定位嚴肅的專業創作者，從開始就有不錯的商業化成績。

早些年，郭靖和他的 AI 音樂夢想不太受資本市場的關注。直到 2025 年，隨着音樂大模型的上線、收入的增長，以及新產品的規劃，這家公司才逐漸被頭部投資機構熱捧。據我們瞭解，ACE Studio 即將完成新一輪融資，算上這次，近期兩輪融資近 5000 萬美金，是目前 AI 音樂賽道融資最多的中國團隊。

現在，郭靖的目標已經不只是工具。他認爲 AI 帶來的音樂供給爆炸會摧毀 Spotify 這類流媒體平臺存在的根基，他要做的是下一個形態：一個住在耳朵裏的 music agent，知道你的記憶、情緒和品味，會給你放歌，也會給你寫歌。如果說 ACE Studio 是 AI 音樂的 “剪映”，之後他的目標是成爲音樂類別裏的 “抖音”。

晚點 ：一句話介紹一下 ACE Studio。它和 Suno 最大的區別是什麼？

郭靖 ：它是一個面向音樂創作者的 AI 工作站。

和 Suno 的共同點是都擁有自研的基礎模型，都是既做模型又做產品的閉環公司，靠產品的用戶偏好反饋，構成模型的數據飛輪。差別是 Suno 更傻瓜式，面向小白、愛好者，輸入 prompt 輸出一首歌，門檻更低；ACE Studio 則是一個 AI 音樂的工作站，一個音樂畫布。

我們最早 1.0 的時候，是做歌聲合成，用戶輸入音符和歌詞，我們生成一個歌聲。2.0 之後，它變成一個通用音樂畫布，可以承載完整的詞、曲、編曲，也可以承載局部編輯。最近也在加入視頻化的功能，讓用戶通過 AI 製作 music video，或者給已有的視頻配樂。我們是希望把音樂創作涉及到的場景做的更全，更深，成爲一站式的 AI 音樂創作平臺。

晚點 ：所以差別在可控性嗎，相當於一個定位大衆，一個定位專業用戶？

郭靖 ：我不太希望用專業和業餘去區分用戶，更想用嚴肅和玩票。二三十年前，視頻創作非常專業，一臺剪片子的電腦可能要 20 萬。但今天剪映 PC 端對很多人來說也是專業工具，同時它又有很大的用戶規模。

專業這個事情，最後不是門檻劃分，而是目的劃分。ACE Studio 的門檻其實是可以很低的，它也有一鍵生成的功能，如果你傻瓜式的用，也能生成很不錯的音樂。

但質量不是最稀缺的東西，獨特性纔是。我們認爲 serious user 需要的不止這些。嚴肅創作者需要可控，需要參與，需要把自己要表達的東西做出來。

晚點 ：但很多人會覺得，一鍵生成已經足夠了，爲什麼還需要工作臺？

郭靖 ：“足夠好” 這個事情其實不好定義，尤其在創作上。因爲創作不是數學題，沒有一個終極的 yes or no 的答案。

今天我們感受到的一鍵生成足夠好，其實是 “音樂質量” 好。但是我們思考一下，現在每個人都能一鍵生成質量很好的音樂了，大家都好，那什麼纔是更有價值的？嚴肅的創作者需要做什麼，才能脫穎而出？

我認爲是 “獨特性”，是你想表達什麼，你有什麼獨特的想法。這就是爲什麼一個人機共創的環境很重要。它可以讓用戶自由探索、迭代想法，把一個作品持續改到獨特。

Claude Code 做一個明確任務，最理想的體驗是你完全不用管，token 消耗越多、你參與越少越好。洗衣機也是一樣，最好的洗衣機就是你按一下，衣服洗完了，不需要任何用戶時長。但創作工具不是這樣，創作是強 human in the loop 的事情。你要看自己到底想表達什麼，要判斷效果是不是你想要的。尤其是在今天，好這個事情已經越來越被解決了，關鍵是在都好的情況下，你要的是什麼。這就是爲什麼工作臺仍然重要。

晚點 ：ACE Studio 的核心用戶是誰？你們一直說用戶 “人均格萊美”，這是什麼意思？

郭靖 ：我們開玩笑這麼說，當然沒有那麼誇張。但確實有很多頂級音樂人。比如小馬丁 Martin Garrix 的團隊，美國 R&B 製作人 Teddy Riley，Stevie Wonder 的團隊，Michael Jackson《Thriller》的製作人，都是我們的用戶。這些用戶一方面會付費，另一方面他們給我們非常好的反饋，這些反饋能幫助我們改進模型和產品。

晚點 ：但 2.0 之後，用戶是不是也開始變得更泛化？

郭靖 ：對，持續泛化。最早最大的類別是行業裏的音樂製作人。他們需要歌手，需要做 demo，所以使用我們。音樂製作人裏面又分流行音樂製作人、做影視配樂的人。

現在我們看到很多新的羣體。比如音樂教育者，音樂老師和傳統音樂製作人已經不是一個畫像了。還有合唱團、Beat Maker、Bedroom musician。歐美有很多人把音樂當副業，用自己的音樂變現，給廣告、遊戲、影視寫歌，或者自己發歌賭爆款。

還有一類是泛領域內容創作者。Video Composer 上線後，很多做視頻的人需要配樂，也會來用 ACE Studio。

晚點 ：爲什麼歐美市場更適合做這個？

郭靖 ：一個簡單數字，歐美所有流媒體平臺加起來，註冊音樂人大概有 6000 萬。中國加起來大概只有 50 萬。

你在國內問朋友裏有沒有音樂人，大家會覺得這個問題很奇怪，好像朋友裏有個音樂人是很特別的事情。但在歐美，朋友裏有人靠做音樂喫飯，或者賺系統性收入，非常常見。就像你在國內朋友裏有設計師一樣常見。

不過澄清一下，我們不是不做國內市場，是全球市場一起做。我們的服務器在美國、歐洲還有中國大陸都有，只是全球市場，尤其是歐美 tier1 國家，確實是更廣闊的。

晚點 ：目前的付費情況怎麼樣？

郭靖 ：我們現在有五六萬付費用戶，月收入近 200 萬美金。海外沒有免費版，主要是年卡和兩年卡；國內有月卡。

我們也開始做 Team Plan。前段時間官網上了一個 Enterprise/Education 的入口，如果你有企業、教育或團隊需求，可以聯繫我們。現在已經收到 2000 多個諮詢，裏面有索尼、拳頭遊戲，還有很多大中小企業。

晚點 ：說一下你們商業化的增長吧，現在月收入近 200 萬美金，這個曲線是怎麼樣的？這個增長背後有什麼有效的手段嗎？

郭靖 ： 我們是 2025 年 12 月音樂大模型上線後，四五個月翻了幾番快速漲到了這個數據。

AI 產品沒有自然增長。AI 是一種能力，不是一種網絡。它不像社交產品，用戶之間天然會形成網絡效應。今天所謂的 go viral（短時間內快速傳播），很多時候是你的概念火了、演示視頻火了，大家跳進來試一下。

所以你必須主動 push，把 feature 告訴真正想用的人。我們做廣告、KOL、SEO，也做大量素材測試和歸因。2024 年在 HF0 （美國的一個增長加速孵化器）的時候，我們第一次把增長當成一個獨立事情來做，像做產品一樣做增長。

但長期看，最重要的是形成用戶數據反饋閉環。你把用戶買進來，虧着買進來也行，但他要能改進你的產品和模型。AI 產品本質是交付 AI 效果，效果越強，增長效率才越高。

晚點 ：你之前在採訪裏說，有一個增長策略是直接把定價提高了，然後收入就提高了。但我看社交媒體上也因爲定價被用戶罵過，這個策略是怎麼定的？

郭靖 ：其實是 A/B test 測出來的。我們發源於最開始做免費的 beta 測試。後來付費時，因爲國內定價看起來比較高，所以有很多負面聲音。但我們觀察到，國內收入也在上漲。大多數付費用戶可能都是沉默的。

另外還是參考 Anthropic 的啓發，高成本高價格，嚴肅用戶會爲好的產品買單，也會提供更好的數據反饋，幫助更快改進模型和產品。

我們也出過很便宜的 tier，後來取消了，大家開始罵，但收入蹭蹭漲。很多時候，社區聲音很大，但你要看實際付費和留存。

晚點 ：這個產品到現在遇到過比較大的波折是什麼？

郭靖 ：會有些老用戶對我們 “因愛生恨”。這個圈子跟二次元、創作者很近，本來就對 AI 非常敏感。今天任何一個乙女遊戲、二次元遊戲，只要敢用 AI，都會被粉絲衝爛。

我們做 AI 歌聲的時候，他們覺得這個不是生成式 AI；但當你更明確地做生成式 AI 音樂時，矛盾就出來了。

我們以前有過一個很典型的事情。原先每個 AI 歌手有頭像，來自不同創作者，有的很精美，有的像簡筆畫。Midjourney 火了之後，我們想統一風格，用 Midjourney 重畫了一版。上線後，國內海外一片罵聲。我們一天內改回去了，但這件事在各種地方被罵了兩年。

晚點 ：音樂人對 AI 的牴觸，好像比程序員對 AI coding 的牴觸更強。你怎麼看這個差異？

郭靖 ：音樂確實有點不同，但不影響大的趨勢。我們上 Video Composer 的時候，有些影視配樂用戶會反感，說你這是代替我們的工作。有一個歐洲作曲家也跟我抱怨，但兩三個月前，他還很得意地給我分享自己用 AI 視頻工具給音樂做 MV，還問我們什麼時候上 AI 視頻功能。

你會發現，當 AI 視頻加持他的工作，他接受；當 AI 配樂衝擊他的工作，他反對。很多人可能沒有認真想過，自己到底是因爲什麼抵制。

這件事情在音樂歷史上發生過無數次。留聲機出來之前，音樂人最主要的賺錢方式之一，是去有錢人家裏現場演奏。留聲機出來後，他們也會覺得這東西毀掉了生意。但最後它促進了音樂產業，催生了版權。

晚點 ：你們現在是訓了自己的音樂模型，爲什麼有自己的模型很重要啊？不能像很多 AI 工具一樣，把別人的模型整合進來嗎？

郭靖 ：音樂這個領域沒有別人給你開發好的模型啊。像視頻 agent 產品，它可以喫世界的紅利，世界上不斷有新的圖像、視頻模型出來，它整合進去就好了。但音樂領域沒有這個條件。別人的模型不給你開放 API，也沒有成熟的開源模型。你如果不自己做，就永遠沒有閉環。

晚點 ：但音樂這一塊，你訓練模型就是會面臨版權的問題。你們是怎麼解決這個問題的？

郭靖 ：我們之前收集了大量歌聲和樂器演奏數據。這些數據是實打實購買的，有版權的，或者簽約分成、買斷的，大概 100 萬到 200 萬條。

這些最開始都是單軌音頻。比如一段小提琴、一段吉他、一段人聲。歌曲本質上就是各種單軌音頻排列組合出來的。當然中間沒有那麼簡單，還涉及混音、母帶、段落結構、標註。

我們組織了一套 synthetic pipeline（合成數據流水線），可以用這些授權基礎數據產生大量合成音樂。合成數據不一定都好聽，所以我們再用 evaluation model 把音樂性好的篩出來。預訓練的目的不是讓每一條數據都完美，而是讓模型對音樂有比較通用的理解能力。

晚點 ：那把音樂生成變成了一個多模態語言模型任務，這和上一代專家模型的差別是什麼？

郭靖 ：專家任務就是輸入 prompt，輸出音頻。你可以理解爲膝跳反射。

但語言模型任務不一樣。它會有 instruction，有 thinking。它會先理解這首歌應該有什麼樂器，段落結構是什麼，風格是什麼，甚至知識淵源是什麼，再生成。上一代音樂模型的訓練還是有點像本能反應；今天更像訓練一個大學生，讓他真正學會寫音樂。

晚點 ：這個事情聽起來需要很多資源。大廠如果進來，是不是會做得更好？

郭靖 ：大廠當然可以做，但它要找到關鍵的人。這有點像馬化騰要做移動 IM，關鍵不是堆多少資源，而是要找到 “張小龍”。

音樂模型不能說 100% 是這樣，它畢竟還涉及算力、數據和 scaling law。但裏面有相當大比例，是需要一個人或者一支團隊對這件事有信仰、有靈性、有綜合 know-how。既要懂模型，又要懂音樂。

大家可以觀察，在 LLM、視頻、圖片領域，巨頭的優勢是很大的。LLM 不用說了，視頻現在是 Seedance 斷層領先，曾經 Keling、Veo、Sora 都斷層領先過，圖片是 GPT-image 和 Nano Banana 斷層領先的。但音樂模型好像很不同，無論是 Suno，還是我們 ACE，做到世界第一梯隊的模型，都是創業公司。這背後的原因可以從預訓練、後訓練兩個維度分析。

首先說預訓練，LLM、視頻、圖片，這些領域的預訓練數據規模是遠大於音樂的，scaling law 的空間更大，巨頭資源優勢就更大。而音樂模型的預訓練數據集大概上億首歌，按照每首歌 3 分鐘，每秒 25 個 token 這個比較常見的配方，1 億首歌也就是 450B 的 token 量，算上輸入 token，各種任務構建，預訓練也就是 1 到 3T 的 token 吞吐，世界上有意義的音樂就那麼多。

然後說後訓練，LLM、圖片、視頻的人類反饋往往更廣泛、也更明確。比如視頻中的物理關係是否正確，人物是否一致。圖片是否 follow 用戶 prompt 中的 “香蕉在猴子左手”。但是音樂的後訓練數據，往往是審美性和音樂性，不嚴謹的講，類似樂評人說的話。而且音樂後訓練的數據不需要很多，萬分之幾的佔比，就可以達到非常好的效果，多了也沒意義。但是，數據的 “品味” 更重要。

所以音樂模型涉及的算力、數據成本雖然也不小，但是它不是一個無腦砸資源就能提升的領域，它不完全是個規模的東西，它太垂直，太需要專有管線，也太需要品味。

晚點 ：什麼叫專有管線？

郭靖 ：舉個例子，標註。圖片模型的標註，可能是美學好不好，follow 不 follow instruction，找一些專家或外包公司還能做。但音樂理解模型的標註，有非常深的 know-how。比如我要標這一段，它是一個偏 Funk 風格的原聲吉他掃弦肢體。這個東西你去組織資源，會發現短時間交付不出結果，也不是簡單堆資源能解決的。

我們最近的標註團隊，是十幾個伯克利學生常駐，再組織幾十個、上百個兼職。打造這個東西，需要大量注意力投入。大廠通常不願意做這種短時間看不到結果、資源又堆不起來的事。

晚點 ：你們怎麼找到這些懂音樂又懂模型的人？

郭靖 ：我們很早做虛擬歌姬，誤打誤撞進入了一個圈子。這個圈子裏的人，可能是二次元頭像、逛 B 站、喜歡初音未來、會說日語、很宅。他們和 AI 音樂、AI 聲學、MIR、DSP、虛擬歌手這些領域高度重合。裏面有大量被傳統技術領域低估的人。

很多大廠 HR 不知道這些人強，因爲他們背景可能不好看，不一定是名校，也不一定有大廠經歷。但他們從小就每天十幾個小時寫代碼，像網癮少年打遊戲一樣投入。如果這些人在語言模型、視頻模型領域，早就被挖走了；但他們恰好在音樂這個領域，市場沒有發現他們。

我們因爲做了這麼多年，在 AI 音頻音樂領域，基本上所有人都認識我們，我們也幾乎認識所有人。

晚點 ：現在你們的模型團隊是什麼規模？

郭靖 ：模型現在有 8 個人在做，主要還是最早那兩個人是主力，其他人偏數據工程、基建，還有音頻理解模型。

晚點 ：你們怎麼判斷自己做得怎麼樣，音樂模型好像沒有特別權威的 benchmark。

郭靖 ：音樂確實沒有特別好的 benchmark。有一個 benchmark 叫 SongEval，大家都在用，在那個 benchmark 上我們贏過 Suno V5。但坦白說，benchmark 會有偏見，arena 也很容易刷。我們沒有特別執着去刷這些。更重要的是用戶反饋。頂級音樂人真的在用，而且持續付費、持續反饋，這個對我們更重要。

晚點 ：ACE Studio 是工具，你說接下來要做的是平臺，很多做創作者工具的創業者都會這麼想。但爲什麼音樂也會有自己的下一代內容平臺？

郭靖 ：因爲音樂的供給正在爆發。AI 出現之前，全人類每天創作的新歌大概 7000 首。AI 出現之後，這個數字變成了 1000 萬，而且還在漲。

這個供給爆發會催生兩件事。第一，以版權爲核心的商業模式會被衝擊。第二，音樂需要一種極度個性化的分發，不再是傳統流媒體平臺依靠歌單、編輯推薦和一點推薦算法。

從我的幾個觀察來看，AI 音樂可能是第一個誕生下一代內容平臺的領域。

首先是內容的 “可消費性”，像我之前說的，AI 音樂已經大踏步跨過 “可聽” 這條線了。相比之下，AI 視頻、遊戲等，還有很遠的距離。雖然今天 AI 短劇可看性很強了，但是這裏面需要大量人類的策劃、剪輯、挑選。而僅僅 AI 短劇，對於視頻這個大類來講，也僅僅是滄海一粟。如果考慮到內容質量、多樣性和可看性，今天的 AI 視頻可能還不足當年短視頻的供給的零頭。

另外，新的內容平臺一定誕生在新的用戶場景上。互聯網是眼球經濟爲主的，它的核心商業模式是廣告，耳朵注意力的廣告轉化率天然低，後續轉化行爲更麻煩（掏出手機來點）。但是 AI 時代，耳朵經濟可能越來越重要，因爲人與 AI 的接觸點通常是對話，所以有 CUI 的說法。

而且 AI 時代廣告不再是核心商業模式了，“忠誠” 纔是，AI 有多懂你，有多讓你離不開，變成最重要的事。無論是生產力還是娛樂服務，都是這樣。耳朵裏的東西，天然更直達人的情緒，更容易構建 “忠誠”。住在耳朵裏的 AI，可能 CUI 大趨勢下的一個新場景。而音樂是這個新場景最完美的選擇。

晚點 ：但爲什麼不是 Spotify、QQ 音樂、網易雲音樂自己做這件事？

郭靖 ：因爲它們的根基是版權。

今天流媒體平臺最大的議價方是版權方，比如三大唱片，比如周杰倫。大量 AI 音樂進來後，用戶播放量分流到這些沒有傳統版權分成的歌上，版權方分成變少，就會要求平臺給說法。平臺動作就會變得極度擰巴：接納 AI 音樂，會得罪版權方；打壓 AI 音樂，又錯過新的供給。

短視頻早期也類似。最開始快手是 GIF 快手，是個生成工具。用戶做出短視頻後，想分享到優酷土豆或微博。但老平臺的用戶場域不對，它們也會打壓。最後只能自己做分發，才長成今天的短視頻平臺。AI 音樂今天也在經歷這個階段。

晚點 ：你說的這個新產品具體會是什麼形態？一個 App 嗎？

郭靖 ：我們今天還在定義它的形態，但我更願意把它想象成一個住在耳朵裏的 agent。

它像一個好朋友，也像一個懂音樂的 DJ。它知道你是誰，有你的長期記憶，知道你最近在看什麼、做什麼、爲什麼焦慮。你想聽歌，它給你放；你想表達，它給你寫一首。它不只是放歌，還可以在間奏裏跟你說話，告訴你這首歌背後的故事，或者爲什麼適合你現在聽。

當創作音樂這件事的門檻極低之後，音樂的功能就會發生變化，就像幾十年前你不會覺得拍張照片僅僅是因爲覺得自己今天很美，想炫耀一下，收穫幾個贊，因爲那時候拍照要去照相館的。你想想，文字、圖片、視頻曾經都是奢侈品，現在都變成普通人自我表達的工具了，唯獨音樂還沒有。所以我們相信在 AI 時代，音樂創作也會變成一個極度個人化的事情，變成普通人表達心情的媒介。

晚點 ：也是一個雙邊平臺邏輯的產品嗎，只是沒有廣場。

郭靖 ：對，短期內它還是雙邊平臺。創作是低頻的，收聽是高頻的。你有心情要表達，它給你寫一首歌；平時你只是想聽，它就根據你的記憶和語境，從別人創作的歌裏給你找。

我們過去總覺得平臺必須是一個界面，一個貨架。但內容無限之後，貨架已經不重要了。抖音看起來也沒有一個傳統貨架，它就是 feed 給你。到 agentic 時代，尤其是音頻這種產品，用的是耳朵注意力，你還關心界面在哪嗎？只要它足夠懂你，給你的東西你喜歡，你就不關心它在哪裏呈現。

晚點 ：你怎麼判斷它是不是一個新的媒介形式，而不是傳統音樂 App 加了 AI？

郭靖 ：核心是它有沒有新體驗、新場景和新的交互方式。

比如手機相對於電腦是一個新場景，這個場景中有新的交互方式，手指滑動、點擊，但看視頻的需求還在，而這個新場景新交互方式下，最優解是豎屏快節奏的短視頻。移動攝像頭讓視頻供給爆發了可能有十萬倍，需要新的分發邏輯（推薦算法），因此抖音這樣的新媒介容器誕生了。

如果 AI 生產出來的東西可以完美放入上一代的媒介容器中，那就不會有新平臺的機會。Sora 就是典型例子，模型很強，但最後創作者還是拿它做一個短視頻，發到 TikTok 上。它本質還是工具。

下一代內容平臺的必要條件，是你發明下一代媒介形式。它不一定充分，因爲你可能發明了一個很爛的新形式，用戶沒留存。但如果形式被老平臺兼容，那必然會被吞沒。

音樂的機會在於，Spotify 們的容器本質還是個有限曲目的曲庫 + 編輯推薦邏輯，更像長視頻平臺。AI 時代，CUI 趨勢下，用戶的聽歌界面會變，交互方式會變（自然語言），供給的量級也在因爲 AI 暴增，這些都是 Spotify 這類容器沒有觸及過的議題。

晚點 ：你爲什麼一直對音樂這件事這麼執着？

郭靖 ：我前半生是被專業性嚇唬到，後半生是被專業性祛魅。

我小時候很喜歡音樂，高中時我自己彈吉他寫歌，後來想編曲、製作，但別人告訴我，編曲不是一般人能學會的，我就接受了。我覺得自己沒天賦，不會就是不會。後來上班之後，有一年我 gap year，我在 MIT Open Course 上學高數、coding、machine learning，發現很多東西都是紙老虎，複雜東西是由簡單 building blocks 組成的，只是你願不願意拆。

那時候我突然想，音樂創作真的那麼難嗎？還是這個領域的工具不夠好？音樂本來是人類最底層、最自然的情緒表達方式，卻被現代製作流程包裝成很專業、很高深、很藝術的形式。那一刻，我決定改變這件事。

晚點 ：你中間做過 ACE 虛擬歌姬，做到 20 萬 DAU 後被下架。爲什麼沒有清算老公司重新開始？

郭靖 ：因爲我覺得我還沒有輸，我的願景也沒有變。

我們創辦時，pitch deck 裏寫的就是讓普通人用 AI 創作音樂並分享。雖然產品形態一直在變，從 ACE 虛擬歌姬，到 ACE Studio，再到未來的新產品，我一直在做這件事。

老股東投的是這個願景。儘管中間遇到挫折，我不應該清算掉老股東，重新開一個主體。所以我們一直是同一個主體。中間確實有很多死亡時刻，比如 SVB 爆雷，賬上的錢一度全部清零，後來又回來了。但最後都扛下來了。

晚點 ：你說自己是 “不得不創業的人”，這是什麼意思？

郭靖 ：我沒法爲別人工作。我以前在遊戲行業做增長運營，做得還不錯。那時米哈遊還只有 20 人左右，挖我去做《崩壞三》的市場負責人。我最後沒去，核心原因是我問了一句：我能不能不做增長運營，做遊戲策劃？他們拒絕了。

現在回頭看，這個 moment 很重要。它說明我不是想 sell 一個東西，我是想從底層 build 一個東西。我在大系統裏看不到直接觸點，看不到我推一下，世界就往我想要的方向走一下。

這個世界上我有很多不能接受的東西，這種感覺像光着膀子穿了一件很扎的毛衣，很刺撓，你就想把它脫下來。音樂這件事也是一樣。我沒法接受這個世界沒有這樣的產品，所以只能自己去做。

晚點 ：如果最後這件事做成，你希望別人怎麼描述你們？

郭靖 ：如果真的做成，今天描述它的詞還沒有出現。30 年前，你怎麼描述抖音？你沒有辦法描述。今天我們說 music agent、music companion、AI 音樂平臺，這些詞都只是臨時的。如果未來它真的成了一個新的東西，它一定會長成今天還叫不出名字的形態。

題圖來源：Ace Studio 創始人郭靖

- FIN -