美国男子用AI批量造歌刷流媒榜 7年骗千万美元版税认罪

2026年3月，美国北卡罗来纳州52岁男子迈克尔·史密斯向曼哈顿联邦法院认罪，其在7年间利用AI工具批量生成数十万首低质歌曲，配合数千个机器人账号在Spotify、Apple Music等主流流媒体平台分散刷取播放量，累计骗取版税超1000万美元（约合人民币7250万元），该案是目前已披露的涉案金额最高的AI音乐欺诈案件之一。

根据曼哈顿联邦检方公布的调查文件，史密斯的作案模式已经形成了可复制的成熟链路：他借助开源AI音乐生成工具，每天可产出3000首以上时长1-2分钟的短旋律，这些歌曲大多仅由简单和弦拼接而成，没有歌词、人声，也不具备艺术创作的独创性。

他将这些AI生成内容批量上传至Spotify、Apple Music、Amazon Music三大主流流媒体平台后，并没有选择将流量集中到少数歌曲上，反而用数千个机器人账号将每天的刷量需求分散到几十万首上传的歌曲中，每首歌的单日播放量仅为个位数到数十次，完美规避了平台早年针对“爆火单曲异常刷量”设计的反作弊规则。

检方数据显示，史密斯靠这套模式每天可稳定产生约66万次有效播放，年均版税收入稳定在120万美元左右，连续作案7年累计获利超千万美元，直至2025年底平台升级AI内容识别系统后才被发现异常。

此次案件曝光后，流媒体行业的规则漏洞也随之浮出水面。当前全球主流流媒体平台普遍采用“播放量占比”的版税分配规则：平台每年划出固定比例的营收作为版税池，各类内容的播放量占比越高，分到的版税就越多。

在AI生成工具普及之前，刷量黑产还需要先采购真人创作的音乐内容，上游生产成本高、产能有限，很难形成大规模的欺诈。而AI音乐生成工具将内容生产的成本降到了近乎为零，黑产仅需要支付极低的算力成本就能无限产出可供上传的内容，相当于直接打通了黑产的上游产能，旧有只盯流量异常的反作弊逻辑彻底失效。