在 AI 应用公司普遍依赖外部基础模型的今天，ACE 选择了一条更重、但也更少见的路线：自己训练音乐基础模型，同时自己做应用，并通过应用产生的数据持续反哺模型。
ACE 希望最终建立一个从模型、专业生产到大众消费完整闭环的 AI-Native 音乐平台——「重新发明音乐本身，打造 AI 时代的 Spotify。」
我们将通过「AI 产品市集」、内容报道、社群分发等方式，帮你触达早期用户、获得真实反馈，以及建立关键连接。
如果你正在做 AI 相关的事，欢迎和我们聊聊。01
一家应用公司，
为什么要自己训练模型？
ACE 最早从应用出发。
其核心产品 ACE Studio 是一款面向专业音乐人的 AI-Native 音乐创作平台。目前拥有近 10 万付费创作者，用户包括 Hans Zimmer、Teddy Riley、Stevie Wonder、Martin Garrix 等世界顶级音乐人，以及大量格莱美获奖制作人。产品月收入达到数百万美元，约 90% 来自海外市场。
但 2025 年初，ACE 做了一个重要决定：开始自己训练音乐基础模型。
在 ACE 看来，如果只是调用第三方模型，应用能够做的事情最终会被模型能力定义；而真正 AI-Native 的音乐产品，需要模型和产品共同进化。
一年多后，ACE 自研音乐生成模型已经进入全球第一梯队。在常用评测指标上领先绝大多数音乐模型，目前仅略落后于 Suno v5.5，而生成成本约为后者的 1/5。
团队同期将部分技术以 ACE-Step 系列开源，目前在 GitHub 累计获得超过 18,000 Stars，Discord 聚集超过 2,000 名开发者，成为 AI 音乐领域最活跃的开源项目之一。
但 ACE 认为，真正重要的并不是某一次 Benchmark 上的领先，而是模型进步的速度，以及这种进步能否持续。
而这背后，是 ACE 过去几年做应用时意外建立起来的一项稀缺资产：专业音乐人的真实创作数据。
02
300 万条创作轨迹，
构成 ACE 的数据飞轮
今天训练音乐模型并不缺最终的歌曲。
真正稀缺的是：一首好歌究竟是怎么被做出来的。
一位专业制作人写下旋律之后，为什么修改某个音符？为什么换掉一个和弦？为什么这里增加弦乐、那里重新设计鼓点？面对 AI 生成的结果，他保留了什么，又删掉了什么？
这些过程包含大量关于音乐结构、审美和创作决策的信息，但它们不会出现在最终导出的音频里，也几乎无法通过传统的数据采购和外包标注获得。
ACE Studio 恰好处在这个过程之中。
过去几年，全球专业音乐人在 ACE Studio 里真实地创作、生成、修改和导出音乐。目前平台已经积累超过 300 万条专业创作轨迹，其中包括大量来自格莱美体系、好莱坞、百老汇以及伯克利、CalArts 等专业音乐圈层的用户。
这让 ACE 形成了一个很难复制的闭环：
更好的模型，带来更好的专业工具；更好的工具吸引更好的音乐人；音乐人的真实创作产生更高质量的数据；这些数据又继续训练更好的模型。
这是 ACE 决定自研模型的重要原因。
在通用 AI 领域，模型公司往往拥有模型，应用公司拥有用户；而 ACE 希望在音乐这个垂直领域，同时拥有模型、应用和数据飞轮。
03
从专业音乐人，
到每一个普通用户
ACE Studio 解决的是专业音乐生产的问题，但 ACE 认为，AI 音乐真正巨大的机会并不止于「让音乐人效率提高几倍」。
它可能第一次改变：谁能够创作音乐。
短视频出现之前，视频创作同样是专业工作。智能手机和短视频平台把制作和发布门槛降到足够低之后，视频才从一种「作品」变成普通人的日常表达，并最终产生了完全不同的内容供给、推荐机制和商业生态。
音乐还没有经历这个时刻。
Spotify 改变了人们获取音乐的方式，却没有改变音乐由谁生产。几十亿人仍然消费由少数专业音乐人创作的有限曲库。
生成式 AI 第一次有可能改变这个前提。
因此，在 ACE Studio 之外，ACE 近期开始 Beta 测试新的消费级产品 Miya（miya.fm）。
Miya 试图把音乐创作进一步简化成聊天。用户不需要 Prompt，不需要 Setting，更不需要理解乐理和编曲。吐槽老板、diss 前任、逗女朋友开心，甚至只是讲一件今天发生的小事，Miya 都可以理解上下文，并把它变成一首歌。
更进一步，Miya 也在尝试改变「听音乐」。
当它知道用户正在凌晨两点工作、刚刚失恋，或者正和朋友开 Party，它可以根据聊天理解此刻的场景和情绪，主动播放甚至生成最适合当下的音乐。
当音乐可以无限生成，音乐的消费逻辑也可能从「在有限曲库里找一首歌」，变成「此时此刻，为我出现一首歌」。
这是 ACE 所理解的「AI 时代的 Spotify」：不仅重新定义音乐如何被生产，也重新定义音乐如何被消费。
04
一支同时懂 AI 和音乐的团队
支撑这条路线的，是 ACE 一支近 40 人的跨学科团队。
创始人兼 CEO 郭靖大学期间曾担任乐队主唱，创业前长期从事产品与增长，曾参与从零到一的多款亿级用户产品及游戏增长。相比典型的算法创业者，他更关注的问题一直是：技术能力最终如何变成大众用户愿意使用的产品。
联合创始人兼 CTO 赵文骁拥有机器学习、语音合成、音乐技术和复杂软件系统经验，曾在腾讯从事游戏引擎、高性能物理与游戏 AI 研发；联合创始人兼 CPO Conger Sheng 则来自音乐产业，曾是华纳音乐中国最年轻的签约词曲作者之一，并参与多位一线歌手的音乐制作。
ACE 的算法团队则聚集了一批音乐 AI 领域的研究者。
核心算法研究员 Ruibin Yuan 拥有 CMU 硕士及香港科技大学博士学位，是音乐表征基础模型 MERT 的作者之一。MERT 在 Hugging Face 累计下载超过 740 万次，并被全球大量音乐 AI 研究使用。他还打造了 ChatMusician，并参与建立被 OpenAI、Anthropic 等机构采用的多模态 Benchmark MMMU。加入 ACE 前，他曾在 Qwen 负责音乐模型研发。
团队中还有 SheetSage 系列模型作者、来自腾讯和字节等公司的工程师，以及 CalArts 教师、职业音乐制作人和词曲作者。
这也构成了 ACE 认为自己在音乐 AI 领域最重要的优势之一：它既不是一个给音乐行业提供技术的纯 AI 团队，也不是一个采购 AI 能力的传统音乐公司，而是从模型、工程、产品到专业音乐能力都建立在内部。
ACE Studio 在 AI 音乐赛道上的判断和成绩，也正是 ACE 能成为 AI 音乐赛道融资额最高的华人团队的原因。参与本轮融资的几家机构投资方，也谈到了他们为什么押注 ACE：
创世伙伴创投创始主管合伙人周炜表示：「AI 音乐的核心不只是『一句话生成一首歌』，而是让音乐真正变得可控、可编辑，并进入专业创作者的工作流。团队从专业音乐人切入，持续打磨 ACE Studio，又推出面向大众用户的 Miya，正在形成从模型、工具到内容社区的数据闭环。我们欣赏团队长期坚持 AI 音乐方向，并在产品和模型上持续自我迭代的能力。音乐是人类最普遍的表达方式之一，我们相信 AI 会显著降低创作门槛，让更多普通人能够用音乐表达自己。CCV 将继续坚定支持 ACE，也会持续投入真正重构内容生产和消费方式的 AI 原生公司。」
顺为资本合伙人程天表示：「ACE 团队是一只足够专注且非常有韧性的团队，我们投资 ACE 不仅是看中其全球领先的音乐基础模型训练能力，独特的数据飞轮，也同时押注团队对下一代内容表达方式的判断。团队在 ProC 和 C 端同步积极探索 AI 改变音乐创作与消费的方式，相信 AI 音乐有机会成为继文字、图片和短视频之后，新的大众表达方式」
Alphaist Partners 创始合伙人陈哲表示：「从 2018 年第一次见到郭靖时，我就被他所描绘的「用 AI 重新发明音乐」愿景所触动。过去几年，无论行业和公司经历怎样的起伏，他始终保持着少见的信念和坚持。我们期待 ACE 继续突破 AI 音乐的技术与产品边界，让更多人自由地用音乐表达自己，成长为一家全球领先的 AI 音乐平台。」
新一轮融资完成后，ACE 将继续投入下一代音乐基础模型，同时推进 ACE Studio 与 Miya 两条产品线。
从专业音乐人的工作台，到每个人都可以使用的音乐 AI，ACE 想验证一个更大的判断：
当 AI 真正消除音乐创作的门槛，音乐可能迎来自己的「全民表达时刻」。
