# 古斯塔夫·瑟德斯特倫：Spotify > Spotify 首席研發官談音樂推薦演算法、播客佈局與產品背後的實驗文化。 - 原標題：Gustav Soderstrom: Spotify - 期數：特別節目 - 釋出日期：2019-07-29 - 嘉賓 / 主題：古斯塔夫·瑟德斯特倫與 Spotify - 網頁版：https://lex.qiaomu.ai/tw/ep/gustav-soderstrom/ - 官方頁面：https://lexfridman.com/gustav-soderstrom/ - 精讀字數：約 9509 字（閱讀約 21 分鐘） > 本文為 lex.qiaomu.ai 基於原始訪談的 AI 改寫中文精讀，非官方翻譯；引用請註明出處並連結網頁版。 Lex Fridman 在節目開頭丟擲一個看似無厘頭的問題：史上最偉大的歌曲是哪一首。坐在他對面的古斯塔夫·瑟德斯特倫（Gustav Söderström）是 Spotify 的首席研發官，管著產品、設計、資料和工程團隊，按說他最該給出一個統計學意義上的答案。 他的答案是《You're So Cool》，出自電影《真實羅曼史》的配樂，作曲是漢斯·季默。他結婚的時候專門跟管風琴手坐在一起，把這首曲子改編成管風琴版本在婚禮上演奏。Lex 說這部電影也是他心裡的前三名，兩個人就著這個話題聊了將近兩個小時。 這首曲子本身不重要，重要的是它為什麼會被選出來。瑟德斯特倫在音樂品味成型的那幾年反覆聽它，於是它成了他個人歷史的一部分。Spotify 後來做的所有事情，本質上都在處理同一個問題：每個人的音樂品味是怎麼長出來的，機器能不能學會它。 ## 音樂是私事，社交發生在很小的圈子裡 Lex 說自己聽音樂是很私密的事。他的曲庫裡有一堆 guilty pleasure，除了極親近的人沒人知道，而且知道的也只是其中一部分。瑟德斯特倫同意這個說法，又補了一層：音樂確實私密，只不過它的社交屬性發生在很小的群體裡。 > 音樂有很強的社交性，但場景是小群體。它是一種親密關係，不是那種你隨手就分享出去的東西。（瑟德斯特倫） 他提到 Spotify 試過在社交網路上做音樂分享，結果發現人們對朋友在聽什麼興趣不大。人們真正想知道的是：我和這個人有沒有共同點。共同點這個資訊有價值，朋友的完整收聽記錄沒有。 至於音樂的功能，瑟德斯特倫給了兩個方向相反的說法。一個是逃離，把自己放進另一種精神狀態裡待一會兒。另一個是專注，用音樂把大腦調到適合當前這件事的頻道上。後者更有意思：如果把大腦看成一整套神經網路，音樂大概是把它調進某個狀態最省事的辦法。講故事也能做到，但慢。 ## 三分鐘這首歌，是一個物理限制的遺產 Lex 請瑟德斯特倫用儘可能短的時間講一遍人類聽音樂的歷史，順帶提到三萬五千年前洞穴裡就出現了類似笛子的樂器，用在狩獵儀式和原始聚會里。瑟德斯特倫的這段回答裡藏著一個很少被提起的因果關係。 在錄音技術出現之前，音樂沒法被記錄下來，創作和消費必須同時發生。你要聽音樂，就得走到有音樂的地方去。這件事讓音樂的傳播極其困難，但它也帶來了兩個今天已經消失的特性：創作者始終能直接看到聽眾的反應，以及音樂的長度不受任何限制。 早期的古典作品動輒幾十分鐘，瑟德斯特倫認為這不是巧合。後來蠟盤唱片出現，一面只能裝下三分鐘。**三分鐘從此變成了音樂的標準長度，它的來源是一個物理載體，跟藝術判斷沒有關係。** > 你本來可以寫一首幾十分鐘的作品，現在只能寫三分半，因為唱片那一面的蠟用完了。作為交換，你得到了驚人的分發能力。（瑟德斯特倫） 再往後是廣播。廣播一開始不是音樂媒介，是用來播新聞的資訊媒介。電臺需要找東西把時間填滿，好塞進更多廣告，而音樂是免費的，於是音樂被大量塞了進去。這套生態製造了金曲這個概念，也製造了一個極度集中的收聽結構：所有人都聽同樣的東西。 集中有它的好處。瑟德斯特倫舉的例子很直白：如果大家都在看最新一集《權力的遊戲》，那隨便找個人聊天都能聊起來。個人選擇的時代裡，這種共同文化背景會變薄。 接下來是 CD。CD 的意義在於音樂第一次變成了數字檔案，雖然分發還是物理的。檔案可以被下載，於是 Napster 出現了。瑟德斯特倫在這裡指出一個有意思的現象：**音樂長度重新被放開之後，真正突破三分鐘格式的是 EDM。**這種音樂從誕生起就是數字檔案，下載和播放都不受載體限制，所以它可以是八分鐘、十分鐘。不過他也承認，打破格式的作品比他預想的要少得多。原因可能很簡單：所有人的訓練資料都是三分半的歌。 ## 盜版是一份寫得很難看的商業計劃書 Lex 說他來自俄羅斯，對盜版這個話題有切身體會。他認識的人裡有很多盜版過音樂、軟體、電視劇、體育賽事。這些人並不是付不起錢，他們只是選了體驗更好的那一方。所以盜版這件事真正的含義是：**它標出了一個商業機會。** 瑟德斯特倫完全同意。盜版的體驗其實很爛：沒有後設資料，下載慢，管理麻煩。可它解決了訪問問題。iTunes 之類的下載商店把商業模式補上了，但沒解決訪問問題，因為每試聽一首新歌要付 99 美分。這個邊際成本會改變人的行為。 > 很多人是聽著音樂入睡的。如果三分鐘要收你 99 美分，你大概不會這麼做。有真實的金錢成本壓著，你探索音樂會保守得多。（瑟德斯特倫） 當時還有一個流傳很廣的現象：使用者用 Spotify 找到喜歡的歌，然後再去 BT 站下載一份，只為了拷到手機上。這個畫面說明分發和消費在當時是斷開的。 Lex 補了一個軟體領域的例子：Adobe 轉向按月訂閱之前，盜版 Adobe 的動力要強得多。改成訂閱制以後，他認識的那些人開始心甘情願付月費。瑟德斯特倫的說法是，產品市場契合有時會先於商業模式出現，盜版就是那個訊號。 瑞典的情況特殊。那裡甚至有一個正經註冊的盜版黨，社會上普遍認為資訊應該免費，認為對一串 0 和 1 收費在道義上說不通，藝術家應該靠演出賺錢。這種社會共識逼著 Spotify 從一開始就必須跟免費正面競爭。瑟德斯特倫說，這件事在世界任何其他地方都不太可能發生。音樂產業得慘到一定程度才敢冒這個險，而瑞典正好是一個完美的試驗場：政府鋪了高頻寬低延遲的寬頻，產品跑得起來；而且那裡本來也沒什麼音樂產業可以失去。 他的結論是：**Spotify 這個產品不可能在美國誕生。**美國是全世界最大的音樂市場，那裡的產業沒有動力接受這種實驗。 ## 250 毫秒，把世界裝進硬碟的感覺 跟免費競爭，價格已經降到零，剩下的只能靠體驗。Spotify 當年贏下的那個點，是延遲。 當時的寬頻已經很快，但下載一首歌仍然要三十秒到一分鐘。Spotify 把起播時間壓到了人的感知閾值以內，大約 250 毫秒。**這個數字帶來的效果是：使用者感覺所有音樂都已經下載在自己硬碟上了。**實際上沒有，但感覺上是這樣，而且它還合法，還免費。 技術上這件事靠一支很強的工程團隊完成。其中一個人叫 Ludvig Strigeus，uTorrent 的作者，寫出了全世界最小的 BitTorrent 客戶端。Spotify 的兩位創始人 Daniel Ek 和 Martin Lorentzon 很早就把他招了進來，把 uTorrent 賣給了 BitTorrent 公司，人留了下來。所以 Spotify 早期積累了大量點對點網路的經驗。 最初的創新本質上是分發創新。Spotify 自建了一整套媒體分發系統，直到幾年前還在自己託管全部音樂，服務端和客戶端都在自己手裡。這種端到端的控制讓他們能做很多事：在客戶端做本地快取，把桌面端變成一張巨大的分散式硬碟；繞開 TCP 裡那些為頻寬最佳化的機制，比如 Nagle 演算法那種指數退避式的緩慢爬升，直接全速跑起來，**犧牲頻寬換延遲**。 這套東西在 2007 年做出原型，2008 年在瑞典上線，只有桌面版。iPhone 那年剛釋出，App Store 還要再等一年。瑟德斯特倫說，趨勢已經寫在牆上了，但當時還沒有手機。早期他們還做過一個邀請制內測計劃，本意是控制擴容節奏，結果順便製造了大量期待感。美國上線時這套打法又被複用了一遍。 今天 Spotify 跑在 Google Cloud 上，不再自建機房，全世界的網速也快得多，那套技術優勢早就用完了。但在當年，它就是產品的全部。 ## 一場關於佔有的集體心理治療 從買唱片到訂閱流媒體，中間隔著的其實是一道心理門檻。Lex 把這件事形容成一次心理治療：他以前的聽歌方式是囤積，一首一首攢，一張專輯一張專輯收，擁有感是體驗的一部分。用上 Spotify 之後，他需要接受的是把自己收藏的音樂全部扔掉。 瑟德斯特倫說他跟很多人做過同一場心理治療。Spotify 剛上線的時候，使用者的行為模式跟以前一模一樣，照樣囤積，好像音樂隨時會消失。他們給歌單設過一個幾十萬首的上限，當時覺得不會有人碰到這個數字，結果真的有人去把整個曲庫塞進去。 他給出的那個心理轉換是這樣的：**你沒有扔掉你的音樂，你只是把硬碟寄存在了一個地方，而那個地方現在裝著全世界的曲庫。**按這個思路想，你得到的音樂變多了，不是變少了。 真正讓這件事成立的關鍵設計是免費層。**只要用過 Spotify，你的歌單就永久屬於你，停止付費也不會消失。**如果一開始的規則是停止付費就失去一切，使用者不可能願意投入時間去建歌單，這個產品也就起不來。瑟德斯特倫認為這一點正是很多競爭對手的軟肋。 Lex 順帶說了囤積的另一個副作用：因為他反覆聽同一小批歌，很快就聽膩了。流媒體帶來的多樣性反而讓他對喜歡的歌更耐受，可以一直聽《Stairway to Heaven》而不至於厭煩。 ## 三億個歌單，一個撞上的資料集 Spotify 的曲庫有 5000 多萬首歌，歌單數量超過 30 億個。歌單比歌多出六十倍。 瑟德斯特倫的解讀是：如果把曲庫看成一個空間，每個歌單就是一條穿過這個空間的路徑。幾千萬個原子單元之間，存在幾十億條走得通的路徑，而且他們很可能還遠遠沒有找全。 他把 Spotify 早期形容成搜尋框加一門叫歌單的程式語言。懂音樂的人知道新發行、知道老唱片、知道自己要聽什麼，可以給自己編一張貫穿人生的原聲帶，而且個性化程度完美，因為是他自己編的。問題是大部分人不懂音樂，也沒時間。**所謂推薦演算法，就是替這些人僱一個懂音樂的朋友。** 真正的轉折來自一次意外。公司裡有人發現，使用者在給自己分組歌曲的時候，其實是在按某種語義維度分組，而且還會給這個分組起名字。這些名字和分組本身就帶著資訊。 瑟德斯特倫承認，**歌單資料被拿來訓練推薦，是運氣，不是戰略。**回頭看顯得很聰明，當時其實就是撞上了。早在 2007、2008 年，團隊裡就有人在認真做機器學習，那時候主流方法還是協同過濾。他們拿這些歌單資料試了試，效果出奇地好。 他後面說的一段話有點反直覺。如果從外面看這個問題，你大概會猜演算法應該先在主流聽眾身上表現好，因為主流品味看起來是更容易的問題。**實際結果完全相反：推薦系統在自認品味獨特的人身上效果最好，在主流聽眾身上反而一般。**原因大概是那些自認獨特的人聽的東西更集中、更有規律，而主流聽眾的收聽行為更雜。 所以 Spotify 是被迫先解決最難的問題，再回頭去啃主流。 另一個資料來源是 2014 年收購的 Echo Nest。這家公司沒有播放資料，他們做的是另一套：分析歌曲的聲學結構，翻維基百科找文化關聯。Spotify 有使用者行為資料，Echo Nest 有基於內容的資料，兩邊合起來才完整。一首剛上線的新歌沒有播放記錄，只能靠歌手是誰、聲音像什麼、跟什麼相似來判斷。 瑟德斯特倫承認使用者資料捕捉的是社會文化層面的東西，這是單純分析音訊永遠看不到的。但音訊裡也有資訊。他們設在巴黎的研究團隊發現，**光憑歌曲本身的結構，就能預測使用者會在哪一秒跳過。**這個結論聽起來玄，其實不玄，因為音樂本來就是一種對心智的操作，有結構才會有效果。 ## 測試集是新的線框圖 瑟德斯特倫引用了吳恩達的一個說法。做機器學習產品的時候，這個推薦要好根本不是一句可執行的產品描述。產品經理的新工作是**構造一個能代表目標場景的測試集**。想要開車時適合跟著唱的歌，就得先攢出一批符合這個描述的樣本，工程團隊才有東西可以逼近。 Spotify 內部的實踐是編輯加演算法的組合，他們內部叫 algo-torial。一個懂靈魂樂或者嘻哈的資深編輯，先想清楚一個概念，比如洗澡時適合吼的歌，取個名字，配張圖，再從曲庫裡手工挑出幾千首符合條件的歌。這批歌交付給使用者的時候，再根據每個人的品味向量篩出屬於他的那二十首。 這套流程同時有編輯判斷和個性化。瑟德斯特倫強調，編輯比演算法聰明得多，他們能理解文化背景，能理解一首歌是不是出現在某部電影裡。演算法做不到這些。**但一個人沒法每小時為兩億使用者做兩億次判斷，演算法不夠聰明，卻足夠便宜。** Lex 追問：既然文化語境這麼難編碼，機器學習真的做不了嗎。瑟德斯特倫的回答是，機器學習擅長複製模式，前提是模式已經存在。而開車時適合唱的歌這個定義的規格說明書本身就寫不出來。它是不是夠響？和聲夠不夠多？是不是出現在某部電影裡？寫到第三行就亂了。 他提到的另一個產品經驗是**期望管理**。Discover Weekly 這個名字本身就設定了期望：這裡的東西大部分你都不會喜歡，所以每週能撈到一首寶貝你就滿足了。Daily Mix 的暗示完全不同：這裡面應該全是你的菜，十首裡有九首不對你就會覺得這個產品很爛。演算法上，Discover Weekly 可以放得很野，Daily Mix 必須保守。產品好壞有時候取決於名字。 ## 給音樂人一套軟體工程的工具鏈 Lex 說他最近接觸了一些 YouTuber，這些人盯著後臺資料看觀眾在第幾分鐘關掉影片，然後在下午改內容。瑟德斯特倫認為，音樂創作這邊幾乎沒有這種反饋迴路。 他把音樂人跟軟體開發者做對比，這個對比相當扎心。音樂人用 DAW 做出分軌檔案，相當於原始碼，然後反覆試聽、調整，滿意之後編譯成一個成品，分發出去，之後就聽天由命。**換成軟體開發者，沒有人會這樣幹活。**沒人會只發一個版本、不做 A/B 測試、不收集 issue、不看反饋再迭代。 > 音樂人手裡的工具鏈，跟軟體開發者手裡的工具鏈比，顯得相當古老。為什麼音樂人不能有 GitHub 這樣的東西？（瑟德斯特倫） Spotify 為此做了幾筆收購。Soundtrap 是一個瀏覽器裡的數字音訊工作站，主打音樂界的 Google Docs，讓多人在分軌格式上協作。Anchor 是播客領域最大的創作工具之一，移動優先，把建立門檻壓到最低。更早之前還有 Spotify for Artists 和 Spotify for Podcasters，讓創作者驗證身份之後看到自己的作品在哪些城市被聽、聽眾構成如何、表現怎麼樣，這些東西軟體開發者在十幾年前就有了。 這一整套東西連起來，就是一個從創作到消費的閉環。瑟德斯特倫順帶比較了一下 Adobe：Photoshop 幫攝影師和畫師做了很多創新，但 Adobe 手裡沒有分發渠道，你在 Photoshop 裡做的東西，拿不到釋出之後觀眾什麼反應這種即時反饋。**Spotify 如果能把創作工具和分發渠道接在一起，就有了一個 Adobe 沒有的東西。** ## 播客是一個六十年沒變過的格式 Spotify 的公司使命是讓一百萬個創作者靠自己的作品活下去。瑟德斯特倫說這個使命把創作者放在了第一位，儘管 Spotify 面向的是消費者。 他們幾年前把業務定義從音樂擴成了音訊。這個擴充套件是被世界推著做的。**戴上耳機的那一刻，你要在音樂和一期新播客之間做選擇，這個選擇在你手裡，不在產品分類裡。**有聲書也在漲，音訊這塊的機會被普遍低估了。 Spotify 內部把自己定位成音訊服務。瑟德斯特倫說人花在音訊上的時間和花在影片上的時間差不多，但影片的商業價值高得多，音訊被嚴重低估。他們也存了音樂影片，但定位是背景影片，幫你認識一個藝人的身份，而不是敘事主體。YouTube 上有大量人純粹把它當音樂播放器用，某種程度上是個奇怪的競爭對手。 Spotify 進入播客的時候，Apple Podcasts 已經絕對主導，而 Spotify 兩年前一個播客都沒有。他們的打法是先看消費者問題：調研發現人們希望播客和音樂待在同一個應用裡。所以他們沒有另做一個播客 App，而是把播客塞進已有的音樂應用，**等於一上來就有兩億使用者，而不是從零開始。**這個策略讓他們在很短時間內成了僅次於 iTunes 的第二大播客消費平臺，差距還不小，但增長很快。 瑟德斯特倫對播客格式本身的評價是：**一期播客就是一坨一兩小時的不透明檔案，沒有互動，沒有反饋迴路，2019 年還這樣其實說不通。**他認為真正能贏的地方在於為創作者和聽眾都做出更好的產品。同時他也很小心，因為播客是一個脆弱生態，進去之前必須搞清楚創作者現在怎麼獲得分發、怎麼賺錢，不能上來就把東西內部化。 Lex 提了一個他關心的問題：音樂裡專輯的地位被歌單部分取代了，播客會不會也出現類似的重新組織。瑟德斯特倫的回答是，專輯在音樂裡仍然重要，因為它是創作格式，可以跨若干首歌講一個更長的故事。播客更像 Netflix 的劇集，你會喜歡某個主持人和某檔節目，會同時追好幾檔，但不太可能把一期《毒梟》和一集《紙牌屋》混著看。**主持人和節目本身不會消失。** 真正缺的是發現。播客目錄現在只有五六十萬檔節目，而 YouTube 上的創作者內容大概有幾十億條。創作工具在變簡單，目錄會爆炸式增長，發現的問題會變得非常大。而且播客的發現比音樂更難，因為沒有標準答案：有的節目必須按順序聽，有的可以隨便跳，有的同一檔節目裡不同集聊的完全不是一個話題。瑟德斯特倫說他們現在花很多時間在建立這個領域的知識圖譜，搞清楚這些物件之間是什麼關係、人是怎麼消費的。 Lex 補了一個具體的低垂果實：大部分播客沒有順序，而且不是每一集都好，使用者其實很想知道該從哪一集開始試。現在幾乎沒有關於單集質量的資訊，沒有贊踩，什麼都沒有。 ## 手指比按鈕更誠實 推薦系統的訊號從哪來。瑟德斯特倫列了幾種，而且它們的性質完全不同。 第一種是播完和跳過。**音樂在這件事上有一個天然優勢：單個物件只有三分鐘左右。**反饋迴路的週期是三分鐘，而不是兩小時。代價是訊號噪聲大。很多收聽發生在手機裝在口袋裡的場景，跑步、開車、音箱外放。你沒有跳過，可能只是因為這首歌沒有爛到值得你掏出手機關掉它。 第二種是儲存到曲庫，相當於音樂裡的點贊，是明確的喜愛訊號。 第三種是建歌單。你花了時間把一首歌放進歌單，它對你的重要性幾乎沒有疑問。而且歌單還告訴系統這首歌跟哪些歌有關係。 三種訊號的處理方式必須完全不同，因為一種量大但噪聲大，另一種稀少但幾乎可以完全信任。 Lex 提到一種沒法被任何訊號捕捉的感覺：某首歌正好是此刻該聽的，但除了把它完整聽完，你沒有任何方式表達這件事。瑟德斯特倫說他們在試豎起大拇指這類直接反饋，但他不確定這是不是人和演算法最好的互動方式。**如果使用者把 Spotify 當成一個人，一個坐在旁邊試圖服務你的助手，那對它說一句幹得好就很自然。**另一個思路是讓它隱形，從你主動建歌單這個行為裡學，就像特斯拉從你實際怎麼開車裡學一樣。 ## 當介面只剩下詞彙 智慧音箱的爆發給 Spotify 帶來了新的產品形態。瑟德斯特倫說這事解決的是一個聽起來很小的需求：從房間另一頭控制裝置。摩擦對消費者很重要，能隔著房間說一句播放，效果比想象中大得多。 他們多年前就判斷過，家庭會從 CD 直接跳到流媒體音箱，中間那一代網路附加儲存加功放的方案太麻煩，大部分消費者搞不定。這個判斷當時兌現得比預期慢，直到語音音箱出現才真正引爆。他觀察到音箱的頭號使用場景就是音樂和播客。 下一步的形態可能不是語音音箱。Google 的智慧屏加了攝像頭，鬧鐘響的時候揮一下手就能關掉。瑟德斯特倫覺得這些裝置會演變成真正的助手，一個能看見你的助手會比一個看不見的助手有效得多。但音訊仍然會是它們最大的用例。 音箱的介面只有詞彙，沒有畫素，所以約束很強。而且人對自然語言理解失敗的容忍度極低，錯一點點就放棄。Spotify 的應對是設計容錯的介面：常見的幾個操作，播放、暫停、下一首，語音確實更省事；遇到複雜的需求，比如幫我找那首歌，使用者還是會拿起手機用鍵盤搜尋，然後再投到音箱上播。**產品要停在剛好幫上忙的位置，太笨幫不上，太聰明擋路。** Lex 講了一個具體例子。他對著某個音箱說播放《Stairway to Heaven》，很大比例的時候放出來的是一個翻唱版本。瑟德斯特倫承認這是個真實且棘手的問題，因為它橫跨了多家公司。語音識別那一層輸出的是一個候選列表，Spotify 拿到之後才能用個性化資訊判斷你要的是哪個版本。如果使用者最近連聽了五十遍翻唱版，那翻唱版才是他要的，此時如果按預設放原版，Spotify 就顯得很蠢。**問題是 Spotify 的個性化判斷必須發生在那句他到底想要什麼的猜測過程裡，而那一層通常不在 Spotify 手裡。**所以 Spotify 自己做了語音識別能力，還要在共享資料和保護使用者資料之間跟合作伙伴反覆談判。使用者的感受很簡單：我說了五十遍，它還是放錯，能有多難。 ## 跟一群有錢的貓打交道 Lex 丟擲的問題很直接：Spotify 怎麼在唱片公司、藝人、使用者之間周旋，還能賺到錢。截至 2018 年 8 月 31 日，Spotify 向版權方支付的累計金額超過 110 億美元。Lex 說自己當年剛用 Spotify 的時候，第一反應是這家公司大概一個月內就會破產，因為好得不像真的。 瑟德斯特倫說，回頭看，押注 Spotify 會死是統計上非常理性的判斷，音樂流媒體的屍骨擺在那裡。他自己當年如果真搞懂了音樂產業的複雜度，大概也會得出更理性的結論。**所以他說自己當時是無知者無畏。** 他梳理了幾個關鍵條件。第一個是瑞典和北歐本來就是失守的市場，唱片公司試一下沒有風險。如果市場當時是健康的，這套模式不會有機會。 第二個是模式本身的認知差。在下載和 CD 時代，藝人拿的是預付，一次性拿到未來所有播放的錢。流媒體模式初期幾乎一分不給，**要等到增量收入的曲線跟第一天的付款相交，行業才會明白這個模式更好。**這個交叉花了很多年才出現。一旦想通，邏輯就很清楚：一首大熱單曲會被播放很多年，按實際使用量收錢，比按發售當天的預期收錢划算得多。現在音樂產業的收入已經回到上升通道。 第三個是策略選擇。當年有些競爭對手的做法是繞開版權，先做大，大到唱片公司不敢動自己。Spotify 沒有走這條路，第一天就談授權，一輪一輪談，很慢，很煩，看著別人走捷徑還沒事，心裡很不平衡。**瑟德斯特倫把這形容成重複博弈：玩很多輪之後，守規矩才是統計上正確的策略。**十年下來，雙方建立了一種很奇怪的信任：你坑過我一次就完了，但你沒有，我也沒有。 這種信任有一個更硬的基礎：**Spotify 的商業模式和音樂產業是完全對齊的。**音樂不變得足夠大、不夠多的人願意為它付錢，Spotify 就沒有生意可做。其他公司哪怕音樂賺不到錢，照樣能靠別的業務賺錢。這種對齊讓雙方敢一起做冒險的產品決策，比如免費層，那對唱片公司來說是一次巨大的風險，他們理應得到這份功勞。 Lex 提到喬布斯當年在 iTunes 上一首歌賣一美元，唱片公司同樣不舒服。瑟德斯特倫承認那是同一類事情：信任、博弈、關係，都需要很長時間才建立起來。區別在於蘋果承受得起這個過程的失敗，Spotify 一開始承受不起。 至於為什麼是 Spotify 活了下來，他不認為有什麼魔法。他給的解釋是外界對這套商業模式的誤讀：很多人看到 premium 模式，覺得 9.99 美元一個月賣音樂，使用者會付。**實際情況是使用者先在免費產品裡把使用量養起來，用著用著才覺得這件事可能值 9.99 美元。付費意願是隨著使用深度長出來的。**同時運營廣告和訂閱兩套模式，這件事的複雜度被低估了。只做訂閱的，撞上沒人願意付錢的牆；只做免費加廣告的，收入不夠養活音樂產業。他半開玩笑說這套組合拳其實是從外面看不透的，本來不該在節目裡說出來。 ## 兩個關於未來的賭注 瑟德斯特倫認為音樂、播客、有聲書屬於少數幾種核心的人類需求，沒有理由不能做到訊息應用或者社交網路那個量級。他希望最終是幾十億使用者，全世界每個人都能拿到全世界的音樂。 消費方式上，他更關心的是格式能不能再變一次。他拿簡訊做類比：簡訊靠的是運營商之間的標準，好處是分發和互通性，壞處是格式極度受限。想往簡訊里加圖片變成彩信，從八十年代末拖到兩千年出頭，**一個產品週期走了十五到二十年。**而一旦創作和消費被收進同一個軟體棧，比如 Snapchat 或者 WhatsApp，創新的速度就完全不一樣：第一週做了閱後即焚，兩週後加了 Stories。 他的判斷是，現在人類第一次有足夠多的使用者和創作者集中在一批流媒體服務上，格式這件事可以重新開始動了。三分鐘這首歌是一百年前的分