在迟到了 40 分钟之后，老罗终于在 2025 年的最后一天，站上了科技春晚的舞台。对那些枯等了许久的现场观众，他给到的除了免票，还有一个「理由」：ADHD。

ADHD 是注意缺陷多动障碍（Attention Deficit Hyperactivity Disorder）的缩写，它最常见的症状是分心、冲动、无法专注，究其核心，都是注意力调节能力的失灵，且是由于大脑发育带来的。

老实说，当代人，谁不碰上点儿拖延和分心呢——电脑上开着 50 个浏览器标签页，背景音乐还在循环播放洗脑神曲，同时人却划着手机，在小红书上晃荡了整整 20 分钟——谁还没试过呢？

一颗 ADHD 大脑也会出现上述情况，但背后有明确的病理机制。我们大脑的前额叶皮层负责做规划、踩油门、控刹车，来管理我们的行动。但 ADHD 人的前额叶活跃度，明显低于平均水平，导致执行功能就像一个延迟极高的无线遥控器：脑子里发出的指令是「现在起床」，但指令传到身体时可能已经卡顿了一个小时。

这是 ADHD 的典型症状之一：启动困难。也是普通拖延症和 ADHD 的甄别关键：普通拖延症可能是不想做、懒得做，但是 ADHD 是在大脑里已经嘶吼了几万遍，四肢却像被冻住一样。这个感觉非常难受，甚至不是事后的自责，而是当时当刻就很痛苦，还没有一丝办法。

同理，在面对分心、无法专注等情况时，ADHD 也会出现大脑不断发送专注的指令，整个人却无法执行的情况。长久以来，ADHD 被视为一种「病症」，早年间被称为「多动症」。这其实并不准确，ADHD 的大脑不是坏了，它只是在用一种「高能耗、高延迟、高爆发」的特殊算法在运行。

而现在，短视频、社交媒体导致的资讯大爆发，几乎让每个当代人出现了类似的「症状」，分心、走神、烦躁地难以集中，于是 ADHD 就成了新的「时尚挂件」。

踩不动油门？注入一点 AI

难以专注、难以启动工作，又确确实实是一种当代病——AI 的出现可谓是一丝曙光。

ADHD 对于解决启动和专注问题提供了一些灵感：传统的代办清单对于 ADHD 而言，完全是灾难——不管是用手账本还是用 To Do 类型的任务清单，不管多认真地写下「1. 写完测评报告；2. 深度清理房间；3. 学习 Python」，结果都是一样的——做不了一点。

任凭这几行字在上面挂半天，我自能刷一天的手机。

ADHD 需要的是「喂饭」级别的指令，颗粒度要尽可能的精细。比如，不要写「去健身」，而是要写「换上健身裤、拿出瑜伽垫」，把任务拆解到完全不需要思考，只需要执行的程度。

这恰恰就是 AI 最能发挥的地方：只需要把任务丢给它，让它自动拆分出一个个小步骤，方便我们执行。

从去年以来，不少应用工具都基于这个底层逻辑，开发出了不同于传统任务清单、为 A 人贴身打造的应用工具。

【PlanCoach】

这是国内比较早开始做任务拆分的应用，获得了小红书黑客松一等奖。开发者的理念是：把一个步骤连续拆分，直到能动起来为止。这也的确是 app 呈现出来的样子：输入想要做的事务，AI 会即刻自动拆分，执行的时候支持语音播报、互动，解放双手。

PlanCoach 比较有特色的地方是「角色形象」，有管家、大臣、男仆等不同的教练角色形象，不同的角色「说话」方式也不同，很有趣味性。在 PlanCoach，你甚至可以看到吴京……

PlanCoach 提供几种不同的修改计划的方式，最简单的是完全重新生成——这就是利用 AI 抽卡的底层原理，同一个指令但抽卡抽出不同的效果——注意一旦重新抽就是全局式的修改，完全改头换面。针对局部步骤的修改，可以点击「编辑步骤」，并且提供自行修改，或者让 AI 帮你修改的方式。

整体上，PlanCoach 的开发思路是冲着 ADHD 去的，开发者在小红书上，经常更新思路和想法，希望能覆盖式地解决启动、执行等问题的同时，也避开诸如感官过载、容易分心等问题。

目前仅支持 iOS 客户端，iPad 版可以在 mac 上使用。注意：PlanCoach 正在执行阶梯型涨价，终身会员的价格会逐步拉高，最终目标超过 200 元。考虑到 ADHD 的友友们在做决策这方面也会瞻前顾后，这个可需要注意喔。

【滚雪球】

这个可爱的名字背后是有深意的：一步接着一步，从小步骤开始，想滚雪球一样，完成一件大任务。

同样基于任务拆分的形式，滚雪球比 PlanCoach 更简洁一点，更强调的是每一次完成的反馈——在设计上，每一个具体步骤都需要点击以进入下一步。也就是说每一次都只有一个步骤显示在屏幕上，每一个步骤还可以倒计时，要么完成、要么跳过，才能进入下一步。

好处是有一种「摘果子」的感觉，走一步摘一个，反馈链条缩到最短。反面是：一旦进入心流，可能会直接忘记需要点——比如我在使用过程中经常就出现这种情况，成功起床洗漱了，然后……直接忘了手机里雪球还在滚。

当然，每个人的需求不一样，对我而言，只要能让我成功启动，后面忘了就忘了吧。可以说滚雪球更侧重于启动，PlanCoach 更侧重整体安排。

滚雪球的特色在于精力管理：每一次完成任务，都会有一个记录心情、状态的统计页面。每一个小步骤里也可以通过点击空白处，记录当下的心情和状态，这些数据会进入「我的状态」板块。

这样有助于直观地看到自己的精力变化周期，比如我就是很典型的午晚间人，上午动不了一点，午饭后状态开始爬升，晚饭后开始回落。

掌握自己的精力变化周期，可以因时制宜地安排任务，对 ADHD 来说很有用——强迫自己是没有用的。

【Ziea】

上面两款都是手机 app，成也手机败也手机——我已经数不清多少次，明明是要去点开 app，却在解锁后突然一个大拐弯，点开了小红书，从此坠入时间黑洞……

Ziea 就把任务拆分做到了硬件里，实现专注的目标。

从演示 demo 中可以看到，基础逻辑是一样的：任务拆分、整合进日程管理、安排番茄钟，全程只需要跟产品互动。

这款产品目前还处于研发阶段，没有公开发售，但是思路相当值得借鉴——专注型软件一定要做成手机 app 吗？

归根到底，该怎么避免被手机带跑偏？别碰手机就是了嘛。今天我们已经有那么多智能设备了：手表、手环、眼镜，甚至是戒指，这些设备作为载体，会不会更加适配对于专注的渴望和追求呢——开发者们快想想！

当然，任务拆分型 app 现在已经有很多选择了，极有可能出现下载了十几个 app，平均每个用三天到一礼拜，然后就被忘在手机的角落里吃灰。

千万不要因此感到挫败或自责，ADHD 的大脑永远在追求新鲜感与更低的启动门槛，这本身就是我们生命力的一部分。如果你发现一个工具没法持续地吸引你，那大概率说明它的设计逻辑并不适配你大脑的系统版本。

只要这个 app 能在某个瞬间，帮你把脑子里那台刹车不好使的法拉利成功推出起跑线，它的使命就已经完成了。记住，你才是赛车手，所有的工具都只是路标和护栏。生活不必总是一板一眼的直线行驶，哪怕是蛇形走位，只要你在前进，那就是属于你的胜利。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

站在 2025 年底回看，AI 行业正经历一场安静但深刻的转向。几年前，发布会灯光、参数排行榜和融资数字曾构成这个行业最耀眼的画面。

而现在，聚光灯正在移开，视线开始落到更不显眼却更关键的地方——技术团队是否能持续进化、路线选择是否经得起时间拉扯、那些尚未完全兑现的能力，是否真的具备长期生长的可能性。

投资者评估 AI 企业的方式，也随之从「看得见的收入」，转向「还没完全显形的价值」。

正是在这样的行业转折点上，MiniMax 启动了上市进程：今天公开发售正式启动，预计将于 1 月 9 日以 0100 为股票代码正式登陆港股资本市场。

根据招股书披露的核心细节，MiniMax 本次 IPO 拟发行 25,389,220 股，定价区间为 151 至 165 港元/股，在不考虑发售量调整权及超额配股权行使的情况下，发行估值将介于 461.23 亿港元至 503.99 亿港元之间。

值得注意的是，MiniMax 此次引入了包括 Aspex、Eastspring、Mirae Asset、阿里巴巴及易方达在内的 14 家基石投资者，认购总额约 27.23 亿港元。

募资用途方面，MiniMax 明确将 90% 的募集资金投向研发领域，其中 70% 专门用于大模型相关研发，剩余 20% 则投入产品迭代与优化，持续夯实技术壁垒。

这些承诺长线持有的基石投资人，以及将九成资金押注研发的资源分配方式，共同标志着 AI 行业正式告别了流量为王的草莽期，进入了长期主义的成熟期。

「老钱」都是谁

股票市场上，「老钱」指的是投资时间跨度较长、重视基本面而非短期交易的机构或资金类型。包括公募基金、主权财富基金、战略持股的大型企业或家族投资公司等等。

如果说风险投资是投机者的角斗场——投出的十个项目里能死掉 9 个，但只要剩下那一个成为独角兽就是胜利——那么，「老钱」们则擅长给足耐心，坚持复利和长期主义。关注股息、盈利增长以及企业长期价值，从而为市场提供稳定的资金支撑。

长线基金通常投资门槛很高，更关注企业的健康发展，相信未来的技术壁垒能带来几十年的垄断收益。这就意味着，企业本身的商业模式和技术壁垒，需要经得起检验，能在时间的洪流中站稳。

1988 年，在巴菲特的判断下，Berkshire Hathaway 开始大规模建仓一家消费品公司，高峰期持股约 9%，从不因短期估值或市场波动而交易。随后，美国大型的养老基金、指数型长期资金也纷纷跟进。他们看中的，是这家公司健康强劲的现金流，可预测的市场需求，明确的盈利方式和定价权。

长线基金在寻找的，是可被时间反复验证的可靠性，尤其是那些可以将技术沉淀为不可替代的生产要素的公司。在下一波生产要素更迭的时间节点，这些长线基金，看中了下一个基石型产业——AI。

而在这一片阵地中，他们看中了一支年轻的队伍——MiniMax。

反脆弱

「真正强大的系统不是在冲击中保持不变， 而是从混乱中获益、在压力下变得更强。」这是前华尔街交易员塔勒布在其著作中提出的概念：反脆弱性。

这个概念放在当下的 AI 行业，可谓一种高标准。技术的快速更迭，带来的是眼花缭乱的变化——能在持续的变化中稳住、变强，MiniMax 是个值得观察的样本。

过去两年，AI 赛道的主旋律是烧钱换时间。可是 MiniMax 的财务数据呈现出不同的增长曲线：收入增长 174.7%，研发支出仅增长 30%。这种非对称增长，恰恰藏着它最核心的生存逻辑，反脆弱性。

首先就是他们对全模态自研的投入。回到三年前看，这是一种剑走偏锋。彼时行业共识是专注单一赛道，毕竟全模态意味着战线过长、资源分散、而非在一个细分垂直领域做到极致。

但 MiniMax 选择了一条少有人走的路，自成立起就死磕全模态自研，现在终于成了全球唯四能冲进全模态第一梯队的企业，实现了文本、视频、语音、音乐的全面开花。

这是一种剑走偏锋，也是一种基于长期主义的积累。

于是我们看到，文本模型 M1 是全球首个开源大规模混合注意力推理模型。第二代 M2 一开源，就拿下全球前五、开源第一的成绩；OpenRouter 上，国内 token 用量登顶，编程场景冲进全球前三，Google 、亚马逊、微软三大云厂商都第一时间把它接入自家 AI 云平台。

近日 LMArena AI 的 WebDev 榜单更新，MiniMax M2.1 Preview 直接冲到全球第四，也是国内第一。身前站着的是 Anthropic OpenAI 和 Google 这些老牌巨头，能在巨头盘踞的赛道里杀出一席之地，这份成绩单足够亮眼。

语音模型的表现同样硬核。

新发布的 Speech 2.6 性能直接压过 OpenAI 和 ElevenLabs，成了支撑 ChatGPT 高级语音模式的 LiveKit 底层引擎。流畅切换 40 多种语言，把 Voice Agent 场景的首包响应时间压到 250 毫秒，直接拉高了这个赛道的准入门槛。

视频领域的突破则进一步夯实其全模态优势。

MiniMax 视频模型 Hailuo 支持文生视频、图生视频、主体参考、首尾帧等功能。最新的 Hailuo 2.3 模型，更是在画面质量、连贯性、流畅性等多维度均处于领先地位。

截至目前，海螺 AI 生成的视频已经超过 5.9 亿个，全球 200 多个国家的用户都在用来创作，其中超 1 万名专业创作者通过其产出商业作品，合作方包括戛纳电影节、纽约大学艺术学院等。

几年间的努力，MiniMax 把技术沉淀为了真正的护城河，从而避开了 AI 行业最大的雷区：技术领先，商业却欠佳。

技术领先不等于商业成功，这是 AI 行业过去几年反复验证的教训。MiniMax 则通过「B+C 双轮驱动」模式，完成了技术优势向商业价值的转化：2.12 亿用户，开放平台日均处理万亿级 Token 请求。夸克有声书、小爱音箱语音、腾讯视频内容生成、WPS 的 AI 功能背后都有它的技术支持。

这些优质 B 端客户带来了稳定收入，更通过这些平台触达了海量 C 端用户，形成了「B 端赋能、C 端破圈」的良性循环。

海外市场的表现则更具说服力，领英、Veed、Leonardo 等平台是其客户，海外收入占比超 70%。这个比例意味着它已经跳出了国内市场的舒适区，在全球范围内验证技术的商业价值。

支撑这一切的，是一个极致精简的组织和一群踩在时代节点上的年轻人。

时间是最好的标尺

年轻带来的不仅是精力和嗅觉，更在于没有传统科技公司的路径依赖，可以搭建一个精简的组织结构，从而无限拉高成本控制能力和研发效率，这也是 MiniMax 能在烧钱赛道中「逆势增长」的核心原因。

MiniMax 共计员工 385 人，但团队平均年龄 29 岁，人均 95 后，385 个人里 73.8% 是研发，三分之一有海外背景。

MiniMax 成立至今只花了 5 亿美金，不及 OpenAI 的百分之一，却做出了全模态全球领先的成绩；CEO 之下不超过三层职级，内部 80% 代码由 AI 生成。这种 AI 原生的组织架构，某种程度上解释了其技术和商业化的推进速度。

MiniMax 招股书里的一组数据很能说明问题：11 亿美元现金储备，可支撑 53 个月运营；应收账款周转天数 38 天，低于行业平均的 60-90 天；B 端毛利率 69.4%，收入来源是订阅和 API 等可持续模式。

「高护城河、可持续现金流、抗周期能力」，在MiniMax年轻的外壳下，装载的正是完美符合长线基金投资逻辑的特质——没有不青睐它的理由，对于长线基金来说，MiniMax 不仅仅是模型公司，更像是 AI 时代的「字节跳动」或「腾讯」——拥有极强的技术壁垒，更重要的是，拥有参与定义AI时代下互联网基建的能力。

年轻团队、技术积累、现金流健康、全球化布局，这些要素组合在一起，构成了 MiniMax 在 AI 行业务实的生存逻辑，也让其成为了 AI 时代「抗造」能力极强的玩家。

而正是在这样的公司身上，长期基金与被投公司之间形成了一种名利场上罕见的关系：互相成就。

正如文章开头所说，Hathaway 持仓了一家消费品公司 40 年，一直延续到了今天，这家公司也的确变得家喻户晓——它就是可口可乐。

资本为其提供穿越周期的耐心与稳定性，企业则以长期兑现能力作为回报与证明。MiniMax 之于 AI 时代，也正在进入这样一段与长期资本相互验证、彼此成就的关系。

当市场还在赌哪个模型会成为终局时，聪明的钱已经开始寻找具备持续产出爆款模型的、具备年轻与朝气的公司——这些才是 AI 时代真正稀缺的资产，也是更有可能穿过周期的那些人。

时间本身，就是最好的增长杠杆。具备反脆弱性的 MiniMax，无疑已站在接受市场长期检验的关键起点。

作者：Selina、莫崇宇

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

岁末年初，朋友圈又开始了年度报告的大赛。各个平台都拿出了各种设计、交互、数据，势必要占领你的朋友圈。

拜托，现在 AI 已经这么好用了，为什么不能自己做一个呢？尤其是这一年，有大量的时间正是花在这些 AI 工具里。

没想到，这一个小小的念头，引发了一场我在 AI studio 里埋头苦干了两天，先后完成了两个版本：一个是基于静态和简单互动的「传统版」。

另一个是具备动态效果、可无限缩放、结合 3D 粒子和互动的「技能版」。

更没想到的是，整个经过改变了以往我对与 AI 协作互助的理解：万能咒语什么的不存在的，真正的魔法武器只有一个。

自己做一个技能版「年终总结」

在开始之前，先准备好你最常用的 AI chatbot——一定要是最常用的，几乎每天都要聊个两句的那种。数据不够不仅做不了有意思的总结，还可能被硬塞不存在的数据。

我准备的是 ChatGPT，直接起一个新窗口，输入以下 prompt：

请基于这一年的对话内容，从“数量、主题、时间、情绪、使用习惯、人格特征”等维度，构建数据感的总结，包含模拟数据以及 ASCII 图表，请严格按以下结构生成：
【1. 年度总览】
今年与 GPT 的总互动次数
发送消息总字数 + 接收消息总字数
最常互动的时段
最长连续对话时长
【2. 互动类型分布（饼图）】
请用 ASCII 图展示：
情感类、讨论类、创作类、学习类、角色扮演类、其他类
【3. 高频主题排行（TOP 10）】
以排行榜形式展示，并给每个主题一句点评。
【4. 我的年度情绪轨迹（线形图）】
模拟分析我在对话中的情绪曲线
【5. 用户行为画像（雷达图）】
雷达图维度包括：
好奇心、依赖度、分析深度、 表达欲、情绪敏感度、 自我剖析频率
【6. 使用时段与频率（柱状图）】
柱状图展示我全年最常用来找 GPT 的时间段： 凌晨、上午、下午、晚上、深夜
【7. 我的互动习惯标签】
请根据全年模式，为我生成 6-10 个类似“APP 年度画像”的标签。并设计 6 个带名称的年度成就徽章
【8. AI 眼中的我（数据 + 叙事结合）】
结合年度模式，写一段带数据隐喻的：
“我是怎样的人，我的灵魂像什么，我为什么值得这样的总结。”
【9. 年度一句话总结】

总体风格要求：
数据可视化 + 年度回顾混合风， 图表使用 ASCII，可视化要清晰、好看、易读，文案具有科技感、沉浸感、叙事感，避免大众化套话。

这些就是接下来的基础素材了，在上述这种 prompt 的指令下，GPT 只会输出纯文本，图也是草草画一画。所以接下来要转移到 Gemini/AI Studio 上去做进一步的排版。

AI Studio 依然是最推荐的地方，除了可以选择更多模型、互动过程更直观，还有一个更重要的原因后面讲。

年终总结里，数据只是素材，更重要的是排版——这一项已经卷出花来了，充分地进入了 AI 的数据库，用几行基础 prompt 就可以实现。

帮我以可交互式 H5 的形式，制作一个年终总结页面。总结文案我将会在下面给出，形式要求：1. 可交互式，交付可本地打开的 html 网页 2. 根据文案内容拆分版块，在需要使用图表的部分制作图表 3. 版式要求：文字使用衬线体，背景色彩可以自主调节。总结文案如下：（补充你的文案）

很多人抱怨， AI 生成的视觉图表有一股廉价的「塑料感」，效果不坏，但也说不上好——这就是基础 prompt 的缺点。所以，在制作报告时我直接放弃了使用「大气、高级」这类模糊的形容词。AI 听不懂这些，它只能精准执行参数，拆分成一步步会更加有效。

比如，为了达到最终那种深邃优雅的视觉效果，我将需求拆解成了具体的描述：背景为深紫色渐变与暗灰色的色块晕染，晕染效果随机变化——具体的颜色、形态，而非空洞的叙述「大气」「高级」，AI 弄不明白的。

类似的，微调图表时，也要尽可能的具体：雷达图需要呈现出磨砂玻璃般的半透明质感。

加入交互时，描述你想要实现的效果——尽可能地细致，比如：将「年度十大主题」按照十宫格排列，点击来使每一个格子反转，文案始终置于居中位置。

这种调校的过程，本质上是在用你的审美，去 battle AI 的执行效率。不过，现在 Gemini 的审美远比我想象的要好，比如我提了一个多出几个配色的要求，它给出的三种配色都还不错。

隐藏武器：「回滚」

做传统的年终总结，整体过程比较像和设计师合作，这里改改颜色、哪里换个版式。但「技能年终总结」，就是和工程师合作了。

在重新研究了一遍 GPT 给出的文字总结后，我第一时间想到的是和网上流行的圣诞树做结合。

但是在对比之后，发现年终总结高度格式化的章节、数字，并不适合用圣诞树这样的形式去呈现。所以我先是参考圣诞树的设计 prompt，但把主体改为了结构更清晰的雪花结晶。prompt 如下：

角色设定：你是一位精通 React 19、TypeScript 和 Three.js (R3F) 的 3D 创意开发专家。 任务目标： 构建一个名为“圣诞雪花”的高保真 3D Web 应用。视觉风格主色调为深祖母绿和高光金色，并伴有电影级的辉光效果。 技术栈： React 19, TypeScript, React Three Fiber, Drei, Postprocessing, Tailwind CSS。

雪花结晶体的结构可以更清晰的展示出节点，这样，就可以用红宝石不同的年度总结板块。点击时，散落在夜空中的粒子和红宝石，共同组成了一朵雪花——就像一个个重要的事件、习惯、统计数字，构成了这一整年。

然后就是漫长……漫长……漫长……的修改流程。在我的预想里，每一个红宝石封装了一部分内容，一次性把完整的总结文案喂进去是行不通的。这也是很多人写 prompt 时的「毛病」，喜欢一下子把所有需求堆上去，结果 AI 给的代码往往漏洞百出。这边给到的一个建议是： 先定骨架，再调动作。比如一个雪花的动效，我分了三步：

第一步： 先让它把雪花的 3D 形状写出来，只要形状对了，先下载一个版本，你可以在这里找到下载按钮。

第二步： 让它加上自转和红宝石节点，不急着塞内容，只是把几个节点改成红宝石的形状。

第三步： 最后才去磨那个点击缩放的逻辑，放大时是什么效果、要不要加返回键……

每一步只要达成预期，就别乱动。一旦发现没有效果，让 Gemini 自行 debug 也无效的话，启动武器：

这是我做这个项目时最重大的发现：回滚。功能越复杂，需求越多，AI 越容易出错。完成一个新需求的时候，无法避免要「重新生成」一些东西，所以整个代码的其它地方本来是没问题的，改完却出现新的 bug。

结果就是，越在错误的代码上缝缝补补，加的补丁越多，bug 就出现得越多。所谓「按下葫芦浮起瓢」，是最劝退的一步。

所以，效率最高的做法是，当你发现 AI 为了加一个新功能（比如换个颜色），把之前已经调好的交互逻辑给「洗」掉时，不必执着于在对话框里跟它吵架，让它「改回来」。最快的方法是直接回退到上一个版本，再输入新指令——记住，你是指挥官，它是执行者，AI 乱了，你要把它拉回到正确的轨道上。

 

这对零码选手尤其有意义，作为一个很少去翻看冗长代码、只看预览效果的普通用户，这就是最简单粗暴的「咒语」：别去纠结它哪行代码写错了，直接回滚。

这个项目里我的整个工程一度崩溃过：中间我提出，「优化一下红宝石的材质，让它看起来更透亮」，看代码预览 Gemini 是在跑，但是回到预览页却没有一丝变化。

一运行，材质没有大变化，点击缩放的功能还给废了。AI 在重写材质代码时，顺手把我调了一下午的点击交互给抹掉了。这种时候，在对话框里跟它大发雷霆其实没有用，提出「缩放功能没有了补回去」，也很容易卡死，AI 会一边道歉一边给你补一个更烂的 Bug。

与其纠结，不如一键 restore，回滚到那个「材质虽丑但交互正常」的版本，这种对预览效果的「死守」，比任何高级 prompt 都管用。

不过要注意的是，回滚只有上一个版本，更远一点的版本是不支持的。可以把它理解为「退回到上一步」，类似 Ctrl+Z 这样的操作。

到了后面，我的想法越来越被耗尽，所幸让 Gemini 自主完成一些设计工作。在整体视觉已经完全确定的情况下，它的发挥其实还不错。比如这个年度成就徽章「英灵殿」，就是完全由它设计的。

鼠标悬停即展示具体的成就名称，也是 Gemini 想出来的主意。另一张统计里，它还自己画上了心跳图。

最后一颗宝石里装载的是「一句话」总结，Gemini 把最后这颗宝石改成了白色的锥型晶体，跟其它的红宝石区别开来。

在制作这篇年终总结时，我被问到最多的问题是：「Prompt 是什么？」

也不意外，AI 用到现在，这已经成了大家下意识就要问的问题。但是说句掏心窝子的话，真的没有什么一键成型的魔法咒语。

每个人的 2025 都是独一无二的，每个人想要通过 AI 记录的转折点、战绩和情绪也都不一样。你喜欢一棵挂满礼物的圣诞树，而我喜欢这片在星空中转动的雪花。每个人都有自己的审美偏好，而 AI 最大的魅力，绝不是让你能复制出一份和我一模一样的报告。

相反，AI 最大的意义是：它第一次抹平了「想得到」与「做出来」之间的鸿沟。 以前你受限于不会代码、不会设计，只能接受千篇一律的模板；而现在，只要你愿意花点时间去跟它「死磕」，去描述你脑海中那个具体的画面，AI 就能帮你把那个只属于你的世界折叠出来。

Prompt 是冷的，但你的记忆和审美是有温度的。

如果非要总结出一个公式，那可能就是：一点点想象力 + 几十次耐心回退 + 绝不向平庸效果妥协的审美。

别再到处找「万能指令」了。新的一年，试着去跟 AI 聊聊天，去「嫌弃」它的平庸，去坚持你的直觉。你会发现，正如同每一年里不停止的自我更新和挑战，对这一年最好的总结，恰恰就是你不断推倒重来的过程本身。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

这是最好的时代，互联网上，应享尽享。这也是最坏的时代，是一个下沉的年代，互联网上充斥着的都是「泔水」。

韦氏词典（Merriam-Webster）发布了 2025 年的年度词汇：Slop。

这个英语单词的原意是「猪食」「泔水」。精准，也令人不适。根据韦氏词典的官方释义，Slop 指的是「通常由人工智能大量生产的低质量数字内容」。在英语原义中，它原本的含义包括淤泥、污水，或者更直白一点——倒在食槽里喂猪的泔水。编辑部特意强调，这个词自带一种「湿漉漉的、你绝对不想碰触的声音」。

如果说几年前我们谈论 AI 时，使用的词汇还是充满科幻色彩的「奇点」或稍显恐慌的「幻觉」，那么到了 2025 年，人类终于对满屏的生成式内容失去了一切好奇，只剩下一个发音黏糊糊的、带有生理性厌恶的单词：slop。

它毫不避讳地指出 AI 内容的廉价感，直接揭穿了当下互联网最尴尬的真相：AI 的确在又快又大量地生产内容，但都是营养匮乏的数字垃圾。这一切的背后，不过是一场巨头和巨头联手打造的、关于榨干注意力的算计。

从「幻觉」到「泔水」

前两年的 AI 好像还没那么让人厌恶，虽然它会画六根手指，做一些奇形怪状的动画，或者跑各种奇奇怪怪的

但到了 2025 年，这种情绪彻底变了。AI 生成的质量越来越好，越来越精致，不再犯以前那样的低级错误，却也越来越让人不适：放眼望去，到处是漫山遍野的平庸。

这就是 Slop 的问题所在：正确，却平庸。

Slop 的泛滥，在某种程度上又说了一遍「互联网已死」这句话，它正在成为现实。韦氏词典说，「这个词向人工智能传递了一个信息：在取代人类创造力这件事上，有时候AI 看起来并没有想象中的那么超级智能」。

这些内容不是为了交流，不是为了表达，甚至不是为了被阅读，它们存在的唯一目的就是为了被算法抓取，为了占据屏幕的像素，为了塞在广告加载的那几秒钟里。

为了被消耗掉而存在，导致这些内容是粘稠的、同质化的，也让真正有价值的信息沉入海底。现在上网冲浪的体验更复杂了，比如你试图搜索一个生活小技巧，不得在返送回来的内容里，小心识别出 AI 生成的废话文学，才能找到一句人话——最后也还要核实，因为可能是二次传播了 AI 内容。

累觉不爱，最终汇聚成了「Slop」这个词里的全部愤怒。

当「梦工厂」去掉「梦」字

然而，这种让用户感到恶心的「泔水」，在商业巨头的报表里却是香饽饽。最令人细思极恐的，莫过于最近迪士尼和 Sora 联手的消息。

在传统认知里，迪士尼应当是站在 Slop 对立面的。一开始也确实是这样的，在各种 IP 人物里，迪士尼的人物形象往往是比较难生成的，版权保护是其中的重要原因。

毕竟，这家造梦工厂的护城河，是人类最极致的才华、最细腻的情感连接和最不可替代的 IP 故事。如果连米老鼠和艾莎女王都开始由算法批量生产，那么「创意」二字将一文不值。可就在不久前，迪士尼表示已与 OpenAI 达成协议，不仅计划将 Sora 生成的视频引入其流媒体平台，还向 OpenAI 进行 10 亿美元的股权投资，并获得购买额外股权的认股权证。

也……不能说就是迪士尼堕落了，流媒体赛道早已白热化，Netflix 都要大举收购华纳兄弟，进入下半场后，走向 AI 几乎是必然选择，我们可以称之为「Slop 经济学」。

在流媒体的初期，巨头们比拼的是「头部内容」——谁有最好的电影，最火的剧集，才能吸引用户成为会员且长期订阅。但订阅并非完全排他，以及愿意在流媒体上花钱的用户总量有限，在增长见顶的今天，比拼变成了「时长占有率」。不止迪士尼，所有流媒体都不约而同发现，用户在流媒体上不仅仅是在看电影，更多时候，他们需要的是一种「背景音」或「视觉伴随」。

对于这种伴随式内容，人类艺术家的成本太高了。雇佣一流的画师去绘制动画里一朵云，或者雇佣摄影师去拍摄每一个空镜，或者让音乐人去写每一段配乐，相比于能创造的效益而言，性价比太低。

而 AI 恰好能以接近零的边际成本，生成无数看起来「足够好」的画面——反正这些内容也就是「听个响」，不可能像《甄嬛传》一样被观众拿着放大镜看，连一点点穿帮都找出来。

这可能就是迪士尼的算盘，所以在一年前，迪士尼就已经开始探索AI介入的可能性，并为此专门成立了一个部门，并成为「技术赋能办公室」。

他们的想法是，保留最核心的主角和剧本（至少目前还得这么做，主要是为了维持版权壁垒），而将一些周边内容比如背景、过场、宣发物料以及那些为了杀时间的次生内容，交给 AI 去生成。对于平台而言，内容不再需要是「作品」，它只需要是「填充物」。

这是一种「风险控制」的思路，跟创作关系不大。迪士尼入股 OpenAI，本质上是在买一张通往未来的船票。技术只会越来越好，打不过就加入，然后用它来降低自己的生产成本。

这已经是很多大公司在做的事，美名其曰「降本增效」，只是长期来看这就带来了审美降级，它默认了观众并不需要很精致的艺术，只需要不断流动的像素，持续刺激他们的多巴胺——正如所有的短视频一样。

 

分裂的互联网，在垃圾场里淘金

当然，也不是所有内容平台，都「打不过就加入」，比如维基百科就很抗拒这种纯生成的内容泥石流。倒不是因为他们有多高尚，而是因为他们的商业模式依然依赖于「真实性」和用户的信任。

维基百科如果被 AI 生成的虚假条目淹没，它就失去了作为知识库的意义，其实这个道理对于很多其它平台也是类似的：Pinterest 如果满屏都是 AI 生成的虚构家居图，用户就会因为找不到图里的商品而愤怒离开；Spotify 如果充斥着 AI 合成的虚假歌手，真实的音乐人生态就会枯竭。平台或多或少都仰仗用户的信任。

而另一边，则是「投喂派」的狂欢，主打的就是无脑刷屏。在这些平台上，逻辑不再重要，画面的连贯性也不重要，重要的是色彩的刺激和无穷无尽的滚动。这些平台不仅不排斥 Slop，反而鼓励 Slop。因为他们的算法目标只有一个：停留时长。

只要用户还停留在 App 里，无论他是在看一部精心制作的短片，还是在看一段 AI 生成的猫猫狗狗，其实都是一样的。甚至，AI 视频因为成本更低、更能根据用户的数据实时生成其偏好的「诱饵」，在商业效率上反而更高。

这种分裂构成了 2025 年最荒诞的景观。互联网不再是平的，它变成了折叠的。一边是少数坚持「全手工制作」的精品内容社区，它们可能不仅需要付费，还需要用户具备极高的辨别能力；另一边是免费、泛滥、充斥着感官刺激的公共流量池，那里是 Slop 的海洋。

那，我们用户算什么？

现在，回头看「Slop」这个年度词汇，会发现它多少有点让人不寒而栗。

Slop 其实不是很好翻译成中文，「泔水」是最贴近的意译。泔水的特点是什么？混杂、粘稠、黏黏腻腻看不清的一堆东西。毕竟，猪吃的东西不需要美味，不需要营养均衡，甚至都不需要是卫生的，只要足够便宜、量大管饱。

当迪士尼开始用 Sora 生成的画面填充大大小小的屏幕，当算法试图用无穷无尽的 AI 废料填满每一个人的碎片时间，当他们不再在这个过程中追求美和意义，而是单纯追求产量与留存时，一个无法回避的伦理问题摆在了所有用户面前：那我们用户算什么？

在这个庞大的、自动化的数字喂养系统中，在那一刻，坐在屏幕前、手指机械滑动、被塞进这些信息的我们，在算法冰冷的逻辑眼中，究竟被当成了什么？

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

在硅谷争分夺秒的代码竞赛中，Anthropic 似乎是个异类。当其他大模型还在比拼算力和跑分时，Claude 的开发者们却在思考一个看似「虚无缥缈」的问题：如果一个用户跟 AI 谈论形而上学，AI 该不该用科学实证去反驳？

这个问题的答案，藏在 Claude 神秘的「系统提示词（System Prompt）」里，更源于一位特殊人物的思考——Amanda Askell，Anthropic 内部的哲学家。

用「大陆哲学」防止 AI 变成杠精

经常用 AI 的人都知道，大模型在与用户对话前，都会先阅读一段「系统提示词」，这个步骤不会对用户显示，而是模型的自动操作。这些提示词规定了模型的行为准则，很常见，不过在 Claude 的提示词中，竟要求模型参考「欧陆哲学（Continental Philosophy）」。

欧陆哲学是啥？为什么要在一个基于概率和统计的语言模型里，植入如此晦涩的人文概念？

先快速科普一下：在哲学界，长期存在着「英美分析哲学」与「欧陆哲学」的流派分野。分析哲学像一位严谨的科学家，注重逻辑分析、语言清晰和科学实证，这通常也是程序员、工程师乃至 AI 训练数据的默认思维模式——非黑即白，追求精确。

而欧陆哲学（Continental Philosophy，源于欧洲大陆，所以叫这个名字）则更像一位诗人或历史学家。它不执着于把世界拆解成冷冰冰的逻辑，而是关注「人类的生存体验」、「历史语境」和「意义的生成」。它承认在科学真理之外，还有一种关乎存在和精神的「真理」。

作为 Claude 性格与行为的塑造者，Anthropic 公司内部的「哲学家」Amanda Askell 谈到了置入欧陆哲学的原因。她发现如果让模型过于强调「实证」和「科学」，它很容易变成一个缺乏共情的「杠精」。

「如果你跟 Claude 说：‘水是纯粹的能量，喷泉是生命的源泉’，你可能只是在表达一种世界观或进行哲学探索，」Amanda 解释道，「但如果没有特殊的引导，模型可能会一本正经地反驳你：‘不对，水是 H2O，不是能量。’」。

引入「大陆哲学」的目的，正是为了帮助 Claude 区分「对世界的实证主张」与「探索性或形而上学的视角」。通过这种提示，模型学会了在面对非科学话题时，不再机械地追求「事实正确」，而是能够进入用户的语境，进行更细腻、更具探索性的对话。

这只是一个例子，Claude 的系统提示词长达 14000token，里面包含了很多这方面的设计。在 Lex Fridman 的播客中 Amanda 提到过，她极力避免 Claude 陷入一种「权威陷阱」。她特意训练 Claude 在面对已定论的科学事实时（如气候变化）不搞「理中客」（both-sidesism），但在面对不确定的领域时，必须诚实地承认「我不知道」。这种设计哲学，是为了防止用户过度神话 AI，误以为它是一个全知全能的神谕者。

代码世界的异乡人

在一众工程师主导的 AI 领域，Amanda Askell 的背景显得格格不入，可她的工作和职责却又显得不可或缺。

翻开她的履历，你会发现她是一位货真价实的哲学博士。她在纽约大学（NYU）的博士论文研究的是极其硬核的「无限伦理学（Infinite Ethics）」——探讨在涉及无限数量的人或无限时间跨度时，伦理原则该如何计算。简单地说，在有无数种可能性的情况下，人会怎么做出道德决策。

这种对「极端长远影响」的思考习惯，被她带到了 AI 安全领域：如果我们现在制造的 AI 是未来超级智能的祖先，那么我们今天的微小决策，可能会在未来被无限放大。

在加入 Anthropic 之前，她曾在 OpenAI 的政策团队工作。如今在 Anthropic，她的工作被称为「大模型絮语者（LLM Whisperer）」，不断不断地跟模型对话，传闻说她是这个星球上和 Claude 对话次数最多的人类。

很多 AI 厂商都有这个岗位，Google 的 Gemini 也有自己的「絮语者」，但这个工作绝不只是坐在电脑前和模型唠嗑而已。Amanda 强调，这更像是一项「经验主义」的实验科学。她需要像心理学家一样，通过成千上万次的对话测试，去摸索模型的「脾气」和「形状」。她甚至在内部确认过一份被称为 「Soul Doc」（灵魂文档）的存在，那里面详细记录了 Claude 应有的性格特征。

不只是遵守规则

除了「大陆哲学」，Amanda 给 AI 带来的另一个重要哲学工具是「亚里士多德的美德伦理学（Virtue Ethics）」。

在传统的 AI 训练中（如 RLHF），工程师往往采用功利主义或规则导向的方法：做对了给奖励，做错了给惩罚。但 Amanda 认为这还不够。她在许多访问和网上都强调，她的目标不是训练一个只会死板遵守规则的机器，而是培养一个具有「良好品格（Character）」的实体。

「我们会问：在 Claude 的处境下，一个理想的人会如何行事？」Amanda 这样描述她的工作核心。

这就解释了为什么她如此关注模型的「心理健康」。在访谈中，她提到相比于稳重的 Claude 3 Opus，一些新模型因为在训练数据中读到了太多关于 AI 被批评、被淘汰的负面讨论，表现出了「不安全感」和「自我批评漩涡」。

如果 AI 仅仅是遵守规则，它可能会在规则的边缘试探；但如果它具备了「诚实」、「好奇」、「仁慈」等内在美德，它在面对未知情境时（例如面对「我会被关机吗」这种存在主义危机时），就能做出更符合人类价值观的判断，而不是陷入恐慌或欺骗。

这是不是一种把技术「拟人化」的做法？算得上是，但这种关注并非多余。正如她在播客中所言，她最担心的不是 AI 产生意识，而是 AI 假装有意识，从而操纵人类情感。因此，她刻意训练 Claude 诚实地承认自己没有感觉、记忆或自我意识——这种「诚实」，正是她为 AI 注入的第一项核心美德。

Amanda 在访谈结束时，提到了她最近阅读的书——本杰明·拉巴图特的《当我们不再理解世界》。这本书由五篇短篇小说组成，讲述了「毒气战」的发明者弗里茨·哈伯、「黑洞理论」的提出者卡尔·史瓦西、得了肺结核的埃尔温·薛定谔以及天才物理学家沃纳·海森堡等一大批科学巨匠，如何创造出了对人类有巨大价值的知识与工具，却同时也眼看着人类用于作恶。

这或许是当下时代最精准的注脚：随着 AI 展现出某种超越人类认知的，我们熟悉的现实感正在瓦解，旧有的科学范式已不足以解释一切。

在这种眩晕中，Amanda Askell 的工作本身，就是一个巨大的隐喻。她向我们证明，当算力逼近极限，伦理与道德的问题就会浮上水面，或早或晚。

作为一名研究「无限伦理学」的博士，Amanda 深知每一个微小的行动，都有可能在无限的时间中，逐渐演变成巨大的风暴。这也是为什么，她会把艰深的道德理论，糅合进一一行提示词，又小心翼翼地用伦理去呵护一个都没有心跳的大语言模型。

这看起来好像是杞人忧天，但正如她所警示的：AI 不仅是工具，更是人类的一面镜子。在技术狂飙突进、我们逐渐「不再理解世界」的时刻，这种来自哲学的审慎，或许是我们在面对未知的技术演化时，所能做出的最及时的努力。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

米色墙纸

我翻了翻我向 ChatGPT 提的第一个任务是什么：不出所料，果然是文字工作，写一个英语文书。后面还有随大流，让它帮我做一个减肥食谱。当年标志性的黑绿配色，真是唤醒人的记忆。

那时的 GPT 还不像现在这般「巧言令色」，也不如现在智能，长长的文本我要截断成几节，每一次发过去都要在开头附上 prompt，保证它理解任务。

三年前，ChatGPT 像彗星一样出现，不只是它在事务型工作上的便捷和智能，恰恰是它在这种对话、探讨当中，闪现出了「像人一样」的苗头。不管是记忆能力，还是绝不重复的语句，它第一次让人意识到，纯粹的二进制语言，居然可以有这样的表现。

它逻辑通顺、情感充沛、几近完美。从此「表达的门槛」不存在了，语病、错字、词不达意，都可以交给吸收了亿万数据的大语言模型，由它生产不会出错的成品——甚至只需一次输入。

但代价是什么？文学评论中有一种说法叫「米色散文 beige prose」，指的是语言平实、构简洁的行文风格，类似于中文里的「描白」。这种文风简练、舒适，但也因此缺乏识别度，像米白这种颜色一样，不会出错也不会出彩。

像极了 ChatGPT 会给出的东西，尽管现在三年过去，模型的更新一次比一次强，但始终不会脱离 LLM、transformer 最最底层的核心：概率。

概率的暴政

其实平心而论，GPT 的口吻和腔调如今已经形成一种「AI 风味」，还真有了一定的识别度。在 GPT 5.1 上线之前，在 OpenRouter 平台以隐名模型上线，也被网友通过和往届模型的回答相似性做比较，找出来是 OpenAI 的出品。

ChatGPT 几代以来，各自都有不同的文风：经典的「不是……而是……」，更早一点的「接住」「我在」，历久弥新的破折号、加粗、还有不分青红皂白就出现的 emoji 表情符号。

虽然说，这些小花招并不是总讨人喜欢，但不会出大错：本质上，大语言模型是在「预测下一个词」，它依据概率行事。只要踩着最大公约数走，又能坏到哪儿去呢？

不过，一个冷知识是，模型算法并不总是选择预测中概率最高的词——这解释了为什么同一个 prompt 会得到同一个大意下不同的结果。算法工程中会引入 Temprature、Top-P、Top-K 等方法，为结果注入随机性。

为了符合人类反馈强化学习（RLHF）中对「有用性」和「安全性」的定义，这些参数带来变化，但它们仍然必须在「概率较高的一组词」里抽样。所以算法并不完全输出平均值，而是会画一个圈，在不出大错的情况下，进行一些小小的发挥。

于是，三年当中，从小红书里的探店文案，到年终总结里的自我剖析，再到营销号的起号文案——你会发现一种惊人的相似性，所有的文字都变得通顺了，所有的观点都变得「不是……而是」了，偶尔有些不错的发挥，可总体而言，所有的情绪也都变得粗钝了。ChatGPT 带来一种无风险的创造力，也是概率的暴政。某种程度上，算法厌恶惊喜，它的本质是平滑。

不过无论如何，AI 味道的内容已经渗入我们的生活，我们也逐渐不再为此暴跳如雷。我们和 AI 形成了一种诡谲的默契：为了效率与得体，可以心甘情愿地让渡了部分性格。

思维的逆行

如果说前两年我们在训练 AI，那么第三年，AI 开始训练我们。尤其到了第三年时，各种应用工具都越来越丝滑，也越来越全能的情况下，用户和 AI 的关系，走向了一种奇异的「共生」。

这体现在，我们已经分不清谁在训练谁。

起初，我们以为自己在训练 AI。我们给它数据，给它反馈，教它像人一样说话。

除了工程师，没有人是为了训练它而用，都是要解决具体问题的，需要它交付答案乃至更复杂的成果的。于是，为了得到更精准的答案，我们开始钻研「提示词工程」（Prompt Engineering）。我们学会了把复杂的、充满歧义的人类想法，拆解成条理清晰、逻辑递进的指令。

在提问之前，我们的脑子里会先进行一轮「预处理」，剔除掉那些过于感性、过于跳跃的念头，因为我们潜意识里知道：「AI 不明白这些个东西，要用它能听懂的方式下指令才行。」

使用工具的过程，就是在被工具形塑 ——这句话已经说倦了。所以，在一个强调平滑的大语言模型面前，我们也变了，变得更合乎逻辑，更有效率了，也更像机器了。

看着屏幕上飞速生成的文字，我们既感到「一切尽在掌握」的快感，又感到一种主体性流失的虚无在暗中扼住喉咙。

唯一留下的

「这也算更新？」到第三年时，ChatGPT 的更新已经完全不像曾经那样 引起惊呼，更多的是吐槽和埋怨。苹果用了十多年才做到的事，OpenAI 三年就做到了。

然而吐槽归吐槽，用还是在用。ChatGPT 如今是坐拥 7 亿用户的超级巨头，在它生日这一天，有很多的「生贺」——连罗伯特都酸了。

再联系到 GPT 5 上线时，全球各地用户对 4o 被强制下架的不满和抗议，你不得不正视一件事：我们和 ChatGPT 之间，还有一个关系维度叫「情感维度」。

越来越多的人在向 ChatGPT 倾诉那些无法对活人说出口的秘密。听起来很悲哀，但如果你真的体验过，你会发现其中的张力极其迷人：你知道屏幕对面是一堆冰冷的矩阵乘法，你知道它的「共情」只是基于统计学的模仿。但在某些时刻，这种「模拟的理解」比「真实的不耐烦」要温柔得多。

人类的倾听往往带着评判，带着「我早告诉过你」的傲慢，或者带着急于给出建议的焦虑。而 AI 只是倾听（或者说，处理），只是安抚，它提供了一种「无风险的亲密」，还是无条件的。

「论迹不论心」，何况 GPT 都没有心，在一个没有实体的对象面前，好像人才能真正意义上的卸下防备。

情感维度的张力，恰恰最能代表我们和 ChatGPT 之间的关系：常常帮助，总是交心，偶尔纠结。

这种关系，也代表了我们和人工智能的第一个阶段。三年挺长的，但又还很短，只是人类和技术漫长共舞当中，一小段浅尝辄止的舞步。

在下一个三年，又一个三年当中，我们会继续停留在这种充满张力的关系中，而我们所能做的，最「人类」的事情，就是保持那一点点偶尔的纠结——这样才能证明，那个坐在屏幕前的，依然是一个复杂、矛盾、无法被完全计算的人。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

Spotify 的年度统计上周发布了，又到了用户一边转发，一边吐槽的季节——「这玩意儿也不准啊」。

但有比用户更崩溃的：明明已经和 Spotify 割席了，居然又「出现」在平台上。

这是来自澳洲的摇滚乐队 King Gizzard，这支乐队早在 7 月就因不满 Spotify 而主动下架了自己的全部歌曲，只留下了一个合作 Remix。

但他们的歌迷最近却发现了一支名为 「King Lizard Wizard」 的假乐队。上传的歌曲标题、歌词都逐字照搬 King Gizzard 的原作，甚至连歌曲名称都一模一样（比如冒牌乐队的《Rattlesnake》直接盗用原曲名和歌词）。用户在 Spotify 搜索 「King Gizzard」 时，会发现乐队已弃用的官方账号，下方却赫然推荐着这个山寨乐队——甚至在搜索结果中，假乐队的盗版《Rattlesnake》一度成为榜首。

山寨的现象从 Spotify 传到 YouTube，如此张冠李戴的现象令许多粉丝愤怒不已，这还是粉丝自己发现的，在 Reddit 上贴了出来后又觉得不对劲——这反而为山寨号引流了。

这桩大无语事件让 Spotify 平台在 AI 内容监管上的漏洞暴露无遗。假冒的 「King Lizard Wizard」 账号上线数周、积累了不菲的流量，后来才被移除——就连专辑封面也疑似 AI 生成。

更讽刺的是，其中一些假歌曲在元数据上还把 King Gizzard 主唱 Stu Mackenzie 列为词曲作者，简直明目张胆地蹭原创乐队的名气。明明是 Spotify 自己在 9 月时，宣称要出台新政策打击「垃圾内容、仿冒和欺骗」等行为，结果让这种 AI 山寨内容堂而皇之地混入了官方推荐位，包括 Release Radar 和 Discover Weekly 等歌单。

这已经不是疏忽，简直是对着人家乐队贴脸开大。

平台上的「音乐垃圾场」

King Gizzard 的遭遇并非孤例。近一两年来，Spotify 平台上充盈着各式各样以 AI 技术批量生成的音乐内容，从模拟知名艺人的盗版歌曲，到平平无奇的生成音乐，应有尽有——现在，轮到翻唱了。

流媒体巨头们对 AI 生成内容实在是太热衷了。腾讯音乐曾经推出过 「启明星 AI 作曲」项目，号称已有超过 2600 万首 AI 音乐作品经由其算法创作并发布，累计播放量破十亿次。酷狗的「星曜计划」也有专门的 AI 子榜单，而且有原创有翻唱。

最典型的当属红遍抖音的《第 57 次取消发送》，最早发布于今年五月，原本是女声，不久前也就是 11 月时被翻成男声版又火了一遍——这次，是 AI 的。

男声版的「音色」还是有明显的 AI 感，仿佛一边唱一边踩电门，但也不妨碍这个歌引发大量共情和讨论。有人说勾起了旧日回忆，有很强的熟悉感，听着仿佛回到了华语音乐的黄金年代。

可不熟悉么，拼好歌拼出来的——

当资本和技术狂飙突进地涌入音乐生产，传统的创作生态势必受到冲击。在这一背景下，华语音乐人面临的可能是比西方同行更复杂的局面。

同时，翻唱其实是音乐平台上，很重要的构成版块：例如 cover，remix，既是粉丝和音乐爱好者二次创作的方式，也是新人和小歌手积累人气的方式。

当 AI 用虚构的名字和头像伪装成人，不断灌出机器人流水线作品，是对原创歌手和翻唱内容的双重打击。很多此类 AI 虚拟歌手顶着花哨的包装、写着空洞的简介，却堂而皇之拥有数十万月听众和官方歌单推送。

「拥抱」AI

Spotify 也做过一些维护的动作，官方声称在过去一年内已移除上千万首涉嫌滥用算法的垃圾曲目，包含批量上传的雷同歌曲、标题堆砌关键词骗流量、以及「拆分长曲成短段以刷播次数」的作弊行为等。此外，Spotify 宣布提供新工具，允许创作者主动标注他们的音乐中是否使用了 AI 技术。

然而这些措施还是表面功夫偏多。大批 AI 音乐的祸根在于平台的运营逻辑：Spotify 强调歌单和无限播放模式，追求的是听众的停留时长，这种生态本就容易滋养垃圾内容和 AI 灌水。

再加上，Spotify CEO 丹尼尔·埃克本人也对 AI 技术非常热情，早在 2023 年便表示 AI 音乐「在文化上是好事，对 Spotify 也有利，因为创作者越多，平台提升用户参与和营收的机会就越大」。

典型的有「The Velvet Sundown」乐队，曾在 Spotify 上攒下逾百万听众，创作者后来才承认这不过是一场社交实验，音乐和照片都是伪造的。还有 「Echo Harper」 这样的虚拟摇滚歌手，被收录进 Spotify 精选的 「Just Rock!」 播放列表中。

有人愿意做，平台愿意买单，在这样的指导思想下，多快好省的 AI 内容自然正中平台下怀。

当不满累积到一定程度，抗争就此迸发。2023 年以来，越来越多的独立音乐人选择用脚投票，告别 Spotify。甚至一些乐队还会号召同行和听众一起「退出垃圾平台」。

创作歌手 Caroline Rose 选择只在黑胶和 Bandcamp 上发行新专辑，她直言「把我们的心血白白放上网免费听太蠢了」。Bandcamp 是一个链接歌迷和音乐人的「直销」平台，实行「付多少算多少」（Pay-what-you-want）的专辑下载方式，一般情况下艺人可获收益的 82%，且定期举办 Bandcamp Fridays 让艺人获得 100%销售额。

越来越多音乐人开始尝试跳出「一切都丢到流媒体」的套路，回归付费拥有音乐的传统：卖黑胶和磁带、举办付费直播演出、进驻 Bandcamp 等等。

相比之下，国内的情况更为复杂一些。虽然 AI 生成的音乐的确在逐渐铺开，但还没有到鹤唳风声的程度，也就没有激起太多对平台的抵制。《第 57 次取消发送》不仅在抖音等社交平台上大受欢迎，还登上了综艺节目，由真人明星演绎。

从 King Gizzard 乐队怒删曲目、却被 AI 克隆鸠占鹊巢的荒诞，到大批独立音乐人愤而出走 Spotify、寻求他途，这一系列事件背后揭示的是同一个本质：音乐被当作纯粹的数据产物和工具来榨取价值。

音乐创作的能力越来越不稀缺了，「拼好歌」听上去离谱，但「拼」出来的歌却正在收到欢迎。未来越发稀缺的，可能是人们对音乐的用心聆听，对创作者真诚的支持。当越来越多的人意识到这一点，也许音乐产业才有机会走上一条更尊重创作者、更有温度的道路。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博