關停五年後，蝦米被阿里用AI“復活”了
30分鐘前 在數位音樂產業的漫長演進中，有些名字即使消失多年，依然會被樂迷反复提起，蝦米音樂無疑是其中最具代表性的存在。這個曾經以「小而美」著稱的音樂平台，在2021年正式走入歷史，當時讓無數忠實用戶感到惋惜。然而距離關停整整五年之後，阿里巴巴決定以一種全新的方式讓蝦米重生，而這次的關鍵詞不再是版權收藏或播放器體驗，而是人工智慧。蝦米音樂的死與生，某種程度上就是中國線上音樂產業變遷的縮影。成立於2008年的蝦米，以精準的音樂推薦和深度的社群氛圍吸引了大量高黏性用戶，在當時的市場中走出了完全不同於QQ音樂、酷狗音樂的路線。2013年，蝦米被阿里巴巴納入麾下，成為阿里在文娛內容板塊的重要棋子。
然而好景不長，在騰訊音樂集團憑藉龐大版權庫迅速攻城掠地的時候，蝦米逐漸陷入內容匱乏的困境，用戶流失淪為難以逆轉的趨勢，最終在2021年2月正式停止服務，讓蝦米徹底變成了時代的眼淚。時隔多年，正當所有人以為蝦米永遠只會留在記憶裡時，阿里卻在AI熱潮席捲全球的當下，重新打開了這個塵封已久的品牌。根據最新消息，阿里這次並非單純恢復舊日服務，而是以人工智慧技術為核心，對蝦米進行一次徹底的「數位重生」。這個計畫從一開始就沒有打算走回頭路，而是希望賦予蝦米一個迥異於以往的互動模式與內容體驗，讓老品牌在新的技術語境下找到自己的位置。從產業背景來看，蝦米的復活並非一時興起。
近年來，AI生成音樂的技術發展速度驚人，從旋律創作到人聲模擬，再到整首歌的編曲與混音，人工智慧已經有能力參與音樂生產的每一個環節。海內外各大科技公司都在搶攻這個賽道，市面上也陸續出現了多款AI音樂創作工具，正在改寫音樂生產與消費的底層邏輯。對阿里來說，重新啟動蝦米，既是一次品牌資產的再利用，也是對AI音樂應用場景的一次具體落地方案。實際上，阿里在音樂領域的布局一直沒有真正停歇。蝦米關停之後，阿里旗下的音樂業務並未完全退出市場，而是以另一種形式持續運作。
這次選擇在AI浪潮中讓蝦米重新登場，或許可以視為阿里音樂戰略的一次方向性調整，從過去被動追趕版權，轉向主動擁抱技術創新，試圖在下一階段的音樂產業競爭中奪回話語權。不過，對於曾經的蝦米用戶來說，情感上的期待顯然比技術層面的討論更加強烈。許多老用戶在得知復活消息後，第一時間想到的並非AI能創造多少新歌，而是那些年精心收藏的歌單、評論區裡深刻的共鳴，以及在深夜反覆播放某一首歌時的私密體驗。他們想知道的是，過去的數據能否被找回？那些熟悉的介面元素會不會保留？蝦米獨特的音樂品味推薦機制，能否在新一代AI的加持下表現得更為出色？從目前透露的資訊來看，阿里對蝦米的期許顯然不止於打造一款普通的音樂播放工具。
在生成式AI大行其道的今天，音樂平台的角色正在從「內容載體」向「創作夥伴」轉變，蝦米的重生正是這個轉變的重要案例。想像一下，未來的蝦米可能不再只是被動播放你喜歡的歌曲，而是能夠根據你的心情、場景、甚至創作需求，即時生成專屬於你的音樂作品。這將徹底顛覆過去以曲庫規模取勝的競爭思維，讓音樂平台成為主動參與內容生成的智慧系統。當然，AI音樂的發展仍然伴隨著諸多待解的問題，包括版權歸屬、創作倫理、以及AI作品能否真正打動人心等諸多層面的討論。蝦米想要以AI之姿重返市場，勢必會面對來自用戶與產業的各種檢驗。
但無論如何，一個曾經象徵著音樂理想主義的品牌，能夠在五年後以全新的面貌重新出發，這本身就已經是一件足以令人期待的事情。時代改變了技術，技術也在改變音樂，而蝦米的「復活」，或許正是這兩者交匯的最佳見證。
Related
相關文章
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。
2026年20款Jev替代方案：挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev，這是一款決策模型而非聊天機器人。使用者可定義允許的答案，Jev將回傳標籤、分數或是否的機率。約4週內，至少20款Jev替代方案相繼問世，來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要：規模範圍從287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider），Jev規模未公開。執行環境：Von和Laya等編碼器可在CPU上運行，4B適配器適用24 GB GPU或32 GB Mac。效能：多數開源模型在困難推理上落後Jev，但在狹窄分類任務上數款與之匹敵或超越。最佳表現：Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億；阿里加碼AI硬件品牌，天貓、速賣通聯動；國行版蘋果AI有望12月上線，百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障！DeepSeek發放宕機補償，有人拿到3000元3.阿里加碼AI硬件品牌，天貓、速賣通聯動4.國行版蘋果AI有望12月上線，百度、阿里參與合作5.可靈AI新一代模型Kling 4.