newsroom.spotify.com
Spotify Levels Up Our Podcast Experience With New Features for Fans and Creators
At Investor Day 2026, Spotify shared new AI-powered podcast features including Q&A, personal podcasts, and Studio by Spotify Labs.
Spotify 知道你比你自己更了解你的耳朵，现在它要把这件事变成产品
2026年5月21日，Spotify 在 Investor Day 上发布了以「Large Taste Model」为核心的 AI 产品战略，股价当天涨幅超过 16%。本文拆解 Studio by Spotify、Prompted Playlists 和 AI Covers & Remixes 背后的产品逻辑：当所有人都在做 AI 助手时，Spotify 把十三年用户口味数据变成了用户可以主动调用的个人媒体 Agent。
2026 年 5 月 21 日，Spotify 在纽约举办第三届 Investor Day，联合 CEO Alex Norström 和 Gustav Söderström 上台时，台下等的不是财报数据，而是一个问题：AI 对 Spotify 到底是威胁还是机会？
结论公布后，Spotify 股价当天最高涨幅超过 16%。1
这不是一个常见的 AI 功能发布日——Spotify 试图回答的是：当所有人都在做 AI 助手时，一个拥有十三年用户聆听数据的平台，应该拿这些数据做什么？
不造大模型：Spotify 选择了一条不一样的路
Gustav Söderström 在开场演讲里说得很直白：Spotify 不打算自研通用大语言模型。
理由不是没钱，是没必要。2 通用 AI 推理能力是全行业密集投入的领域，竞争最终会把它变成商品，谁都能以合理价格采购。
Spotify 真正难以复制的东西是另一类数据：用户的口味。
不是用户点过什么，而是用户在什么时间、什么情绪、什么场景下点过什么。这份数据已经积累了十三年，来自全球 7.61 亿月活用户每天产生的 3.4 万亿行为信号。1
这就是 Spotify 押注的东西，他们给它起了一个名字：Large Taste Model（大口味模型）。
不训练「什么都会」的通用模型，只训练「比你更懂你耳朵」的专属模型。这个模型结合了用户行为、授权元数据、创作者工具和文化语境，目标只有一个：把推荐引擎升级为能实时生成个性化体验的媒体 Agent。
早期部署数据已经说话：自动播放的歌曲被收藏量增长了 9%，首页播客发现率提升了 9%，DJ 功能的消息互动量增长近 20%。1
三个落地产品，三种不同的设计决策
Loading link preview…
1. Studio by Spotify：把「个人 AI Agent」内置进播放器
Studio by Spotify Labs 是一个桌面端独立应用，功能是让用户生成专属于自己的私人音频简报，内容可直接存入个人 Spotify 曲库。即将以研究预览版形式面向全球 20 余个市场的 Premium 用户开放。3
但它有意思的地方不在「生成播客」这个功能本身，而在于它把 Agent 权限交给了用户。
用户可以授权 Studio 调用电脑上的浏览器和个人应用服务，让它完成搜索内容、整理信息、跨平台调度任务这类工作流——然后把结果变成音频输出。比 Google NotebookLM 更偏向「私人简报生成器」，而不是「文档研究助手」。
使用场景的设计也值得注意：你可以告诉 Studio「每周一早上 7:30 给我生成一个 15 分钟简报，覆盖本周 AI 领域新动态，搭配我最近在听的那几种曲风」——结果存进 Spotify，打开 App 直接播。它不只是一个聊天入口，而是把「触发词 → 调度 → 输出到我的媒体库」这整条链路自动化了。
这是一个产品理念上的重要选择：媒体平台做 AI，不等于把 AI 界面放到播放器旁边，而是让 AI 直接成为用户的个人媒体生产线。
2. Prompted Playlists：把口味数据变成可调用的自然语言接口
这个功能更像是 Large Taste Model 的直接外露。用户用自然语言描述场景或需求，Spotify 结合历史聆听数据生成对应的个性化播放列表——可以是一次性的，也可以是定期触发的。
示例对话已经很具体：「每周一早上生成一个主角气场歌单帮我提振状态」。2
目前已面向播客上线，今夏将扩展到有声书。配套的还有 Taste Profile（口味档案）功能——用户可以主动告诉 Spotify 自己的身份和偏好，对推荐结果做更细粒度的校准。
两个功能合在一起的设计逻辑是：让用户从「被动等待推荐」转向「主动配置媒体口味」。Spotify 把自己定义为生成时代的第一个「可配置媒体播放器」，而不只是算法最好的流媒体服务。
3. AI Covers & Remixes：第一个主流平台×大厂的版权协议产品
Spotify 与环球音乐集团（UMG）及其旗下出版公司签署了授权协议：Premium 用户将可以基于 UMG 曲库创作 AI 翻唱和 AI 混音，这些内容可以流式播放和分享，参与的艺术家和词曲作者从一开始就获得署名和版税分成。4
功能以付费附加组件形式推出，艺术家保留退出权。
这个产品的创新不在技术本身，而在于它终于把「AI 生成音乐」和「版权合规」放进了同一个产品里。
过去两年 AI 音乐工具（Suno、Udio 等）大量出现，但流媒体平台和唱片公司之间的授权谈判一直是行业堵点。这次 Spotify 做通了 UMG 这笔交易，等于建立了一个可复制的先例：消费者可以用主流曲库做 AI 再创作，平台和版权方都拿到收益分成，创作者保留选择权。4
Sony 和 Warner 是否跟进，是这个产品未来能做多大的关键变量。
一个值得借鉴的产品哲学
Spotify 这次 Investor Day 展示出来的产品逻辑，有三点值得产品和设计从业者直接带走：
第一，护城河不是你拥有什么功能，而是你积累了什么数据。 Large Taste Model 不是一个比通用 LLM 更强的模型，而是一个被专有数据喂饱的专属模型。同样的技术栈，数据护城河决定体验天花板。对任何有长期用户行为数据的产品来说，这个逻辑都适用。
第二，AI 的介入点不是「替代推荐算法」，而是「把算法的积累变成用户可以主动调用的工具」。 Prompted Playlists 和 Taste Profile 把原本被动发生在后台的个性化逻辑变成了用户可以主动配置的接口。这是一个方向性选择：不是让 AI 更懂你，而是让你更懂如何使用 AI 对你的了解。
第三，版权协议本身也是产品设计。 AI Covers & Remixes 的核心设计决策不是用了什么模型，而是「同意、署名、报酬」三原则的落地机制。产品合法合规地运行，是用户信任建立的基础，而不是之后再考虑的法律问题。
这三个方向都不是只属于音乐流媒体的思路，它们可以被投射到几乎任何有长期用户数据积累的产品类别里。
Add more perspectives or context around this Drop.