关于AI 音乐生成的商业模式，在《中国文化元宇宙AIGC发展研究报告：《文化元宇宙评论》（内刊特辑）》中有提及，更多内容可以查找原报告了解。
关于 AIGC 音乐生成商业模式的理解，对比传统的人工，AIGC 会有一个劣势，即模型效果需要训练数据持续迭代优化。不管做任何分支领域，其前期都需要用大量的人工进行问题的解决。当人工产生足够的内容之后，机器的效率会越来越高，这时候人工才能从高投入到降本增效。比如在音乐生成上，前期制作了 500 首模型就逐渐达到可用的状态，这需要前期加大投入。但是在应用的方向，需要尽量细分并选择天花板比较高的行业。从优势的角度看，当机器效果达到应用门槛后，每一次的应用中，AI 生成的内容在成本层面就有巨大的优势。在积累到足够的数据后，它的效果会持续地变好。且可能由于音乐内容有共通的特点，不同类型的数据之间会具备比较强的迁移能力。例如假若国风游戏或者二次元游戏中有新音乐的数据增多时，也会提高这个国风类型游戏音乐的输出效果。
现阶段 AI 音乐应用的方向，主要有智能汽车、时尚快消的品牌营销，游戏客户、政府单位、研究机构、教育机构。随着 AIGC 概念的快速传播，越来越多机构意识到它的优势与便捷性，其适用范围会越来越广。具体实用案例如把 AIGC 原创的音乐提供给海外版 K 歌平台上的比赛优胜选手，让他们进行选择，选定后推进录音。这样就能够帮网红以回馈粉丝的名义进行站内和站外的发行推广。又如北京东城区文旅局需要为每一个骑行路线定制一条专属的音乐，AI 能够自动生成当前的风格配乐，形成分段的乐章。其同时也能应用在政府相应的商业配套中。
对游戏行业而言，要提供整包的游戏服务、符合特定风格的背景，工作量是非常大的。曲库级采购，从承接需求到交互。AI 音乐能够比较完美的这一类的问题，生成最适合传播的主題曲。
另一方面，从制作工具的角度看，现在有一些 IP 由内容生产者做成剧本杀，AIGC 能支持剧情游戏的生产者，帮助这类作者大大减少和节省筛选配乐的时间，从而提升生产效率。还有一些教育类的游戏厂商，可以让小朋友通过外接设备弹一些音，为他生成三十秒至一分钟的音乐片段作为他自己练习的作品。它最终生产的内容是跟用户相关的。
从品牌营销的角度来说，其在汽车行业会有很不一样的应用，如根据自己品牌的调性和车系的风格生成对应的公播音乐。在智能座舱内通过驾驶员的动作，进行多模态的生成和音乐的响应。比如有一个新能源汽车与我方合作方案，伴随着驾驶员在行车过程中的加速、减速以及转弯，系统会根据他的动作，调度智能汽车内的灯光和音响，去驱动生成对应的有交互式的音乐。在这一条件下，驾驶员在驾驶的体验中会更有沉浸感和适配的感知。另外，还有一种在车企上实践较多的品牌营销类型。疫情期间，一些车厂将销售场景放在线上，这个过程中会利用虚拟的解说员。而在线上介绍元宇宙车系的时候，少不了 AI 音乐的配合，有时需要一些游戏性的互动。这时我方也是从音乐的角度丰富线上视听体验落地的方向。同时，AI 音乐生成模块化的软件能为客户在不同的驾驶阶段生成音乐，预防疲劳驾驶。
教育行业目前有 AI 音乐协同的制作。例如，当前老师辅助学生作业的批改，一直是一对一的关系。而经过目前一些头部的教育企业探索，AI 音乐已经被输入了大量的乐理知识。对于非创新性的，有一个基准性的音乐生成来说，其已经具备了助教的资质。在这个过程中，刚入门级别的学生，其作业完全可以由模型去批改，指出他在哪些音符或者段落有问题。在功能性上面，其能够做一定的指导，给出教育的评价以及生成音乐创作的灵感，这是AI音乐在教育方面的场景。
同时，正在构建的 AI 音乐生态能够提供多模态化的输入和标签化的输入，也可以提供整套的音乐技术支持。后续随着 AI 音乐的普及和技术的优化，在应用模式上面会有更大的想象空间。不同于技术的应用，技术的底层研究在金钱的投入和时间的投入上都是非常大的，数字标注规范化的算力支撑以及模型迭代，每个方向都需要资源的长期加码，才能让一线研究者的研究走到质变的关键点。相信 AIGC 这个技术本质上是生产力提升的工具、这种提升可能会在五到十年内改变整个行业的格局的想法，支持着研发与创新的不断进行。像现在图像和文本领域阶段性的成功，初步验证了这种想法。作为音乐领域从业者，可以认为未来当 AI 音乐能够大规模产出头部音乐的时候，音乐内容产业由于内容爆炸式的输出，流量可能会进一步分散，这样可以破除当前版权垄断的行业格局，像音乐、流媒体商业模式会被系统性的颠覆。现在的 AI 音乐技术初步可用，但距离实现这个目标还有很多难题要解决。随着技术的发展，大家对这个前景还是充满信心的。
