最近我一直在思考一个很久以前就产生的问题——我们这代人的青春背景音乐，好像还是周杰伦、陶喆、王菲、陈奕迅那批千禧一代。二十年过去了，新的"全民级"音乐人似乎再也没有出现过。喜剧类节目也同样让我明显感受到娱乐降级。小时候看的综艺节目似乎多少能够产生一些“高级”的笑点，而现如今打开的多数喜剧类节目似乎都被网络热梗以及十分低智的段子所充斥。春晚更是将大众的这一心理体现的淋漓尽致。以前的春晚小品是全国人民等一年的段子源头，赵本山和宋丹丹的《昨天今天明天》、陈佩斯和朱时茂的《吃面条》、沈腾玛丽的《扶不扶》——放到今天看，剧本结构和表演水平依然是顶级。现在的小品核心矛盾大概是"年轻人不想结婚"或者"老年人需要陪伴"。结尾必然是煽情 + 大团圆 + 一句正能量总结。“人型机器人”专场更是让我疑惑这真的是国家一年一度最高的艺术水平了吗？
“经济大环境不好，各行各业都在走下坡路，***越来越不如以前了”。这是一个几乎所有人都有的感觉。
这个结论没错，经济下行确实会拖累各行各业的磅礴发展，但今天我希望从数据上，分析一下。是否还有其它原因呢？
“这一届创作者不行了”
2023 至 2024 年，美国院线发行量为 500 到 600 部 (MPA THEME Reports, 2024)，但打开任何社交平台，你都会看到一种统一的叙事。好莱坞只拍续集和超级英雄，华语乐坛再没出现周杰伦级别的现象级新人，春晚小品从赵本山时代之后再无全民名场面。推论很直接：创作者不行了，资本只看流量，短视频毁了一切。
诚然，豆瓣top250里的前十的电影，光1994年就有三部。《肖申克的救赎》《阿甘正传》《这个杀手不太冷》《低俗小说》《狮子王》等等。
2000 年代的周杰伦的《七里香》、陶喆的《黑色柳丁》、王菲的《寓言》、陈奕迅的《U87》二十年后还在被反复播放。
好莱坞：IP 的胜利，故事的失败
先说电影。好莱坞现在的商业模式可以用一句话概括：如果有现成的观众认知，就不要冒险创造新的。漫威第四阶段之后一共上了多少部电影我说实话已经数不清了，但能记住的剧情不超过两部。迪士尼的真人翻拍更是离谱——《小美人鱼》《白雪公主》《狮子王》“真兽版”，一部比一部让人觉得"原版动画挺好的，你为什么要重拍一遍？"
这里面当然有经济逻辑。一部中等成本原创电影的制作成本大概在 5000 万到 1 亿美元之间，营销成本通常是制作成本的 50%。也就是说，一部原创电影要回本，全球票房大概得冲到 2-3 亿美元。而续集/IP 电影有导致了即使你拍的再烂，也总会有一批"保底观众"，使得首周的票房不会太难看。从资本的角度看，选 IP 不是 creative decision，是 risk management。
但问题在于，这套逻辑正在消灭"中等体量"的电影。流媒体不会为它们开绿灯，院线不愿意给排片。曾经好莱坞的生态是“大片赚钱，养活一批中等成本的类型片（剧情片、喜剧、惊悚片），这些小体量的片子偶尔会冒出一个爆款，孵化出新的 IP”。而现在呢？大片越来越大（一部《阿凡达 3》的预算顶 50 部独立电影），中等体量急剧减少。
《星球大战》《侏罗纪公园》《黑客帝国》这些电影都是原创 IP 赌出来的——赌赢了，才变成经典。现在大家大多愿意在已经是经典的东西上继续下注，少数人愿意赌下一个经典。
华语乐坛：为什么 2000 年代成了回不去的孤例
现在这个年代，基本每隔一段时间都会有爆款单曲，短视频平台上的热歌换个不停。但仔细想来，这些歌的"生命周期"大概就是三个月——火一阵，然后被下一首替代，很少有人会在潮流过去后还翻出来听。而十几年前甚至几十年前的老歌似乎被越来越多的年轻人反复播放。
为什么会这样？我觉得几个因素叠在一起了。
一是制作逻辑的根本性变化。以前的专辑是有"整体性"的——曲序是设计过的，十首歌之间有情结起承转合，听完一整张的体验和单曲循环完全是两回事。现在是单曲时代，大多数人听歌的场景是算法推荐 + 15 秒副歌判断是否滑走。
二是注意力分配的结构性偏移。2000 年代没有算法推荐，没有短视频。一帮人坐在一起听一张 CD 整晚是真实的社交场景。大家对音乐的注意力是"沉浸式"的。而现在，音乐更多是背景音——写作业、通勤、刷手机间隙。当一个文化产品不再是注意力的中心，它被认真对待的程度自然会下降。
三是搜索空间爆炸导致信噪比崩塌。信噪比，顾名思义就是信号强度和噪声强度之比，通常是指信号与噪声的功率之比。而1990 年代一个听众年接触新歌不超 500 首，好歌率 1% 意味每年 5 首值得记住的歌，每首都高度可见。而截至今天，仅声破天平台（Spotify）日上传的歌曲就高达 12 万首，搜索空间直接扩大了三个数量级！分子——好作品的产出，是线性增长的。好剧本需要时间打磨，好旋律需要灵感，这个速度不会因为技术变快而变快。分母爆炸，分子缓慢增长，信噪比自然就崩了。
搜索空间每扩大一个数量级，信噪比就以同样比例下降。噪音的增长远超信号的传播速度。在体育馆里找针和在客厅里找针，难度完全不同。
你拿来对比的，本身就不是一个公平的样本
现在我们需要诚实地面对一个问题：你对"过去更好"的判断，到底有多可靠？
你觉得 1994 年是电影的黄金年代。但 1994 年不只有《肖申克的救赎》，还有海量你叫不出名字的烂片。你之所以不知道它们的存在，是因为时间已经帮你把它们过滤掉了。
你觉得 2000 年代的华语乐坛是神仙打架。但那个年代也不只有周杰伦和林俊杰，还有海量的网络口水歌。你能说出十首 2003 年的烂歌吗？不能。因为它们没能活到你的面前。
这是一个经典的幸存者偏差。
从统计学的角度看，"经典"就是长尾分布里的极端 outlier。一个时代能穿越周期的作品，永远是个位数。 2000 年代经典好歌多，实际上可能是十年里你记住了二十首，平均每年也就两首。
而最近两年，大概率每年也有一两首好歌——只是它们还没有经过"时间"这一步的筛选，还混在每年几千万首的噪音里，你看不到它们。
你觉得过去"全是经典"，是因为那些不经典的东西在接触到之前就被淘汰了。你用被三十年过滤过的精选集，对比还没被打扫过的全量数据，这两个数据集根本不在同一个统计分布里。
那么问题又来了：如果仅仅是时间还没筛选，是不是说明再过十年，现在的好东西就会自动浮现了？
不完全是。
有些东西确实在变差
算法对多样性的挤压是真实存在的。当推荐系统的目标函数是最大化停留时长，能被你看到的内容种类确实在收窄。
不管你喜不喜欢，你大概率会被推向那些已经被验证过能留住人的内容。而这些东西往往是公式化的——一个你熟悉的 IP，一个验证过的叙事结构，一个安全的和弦进行。
20% 到 30% 的 Netflix 用户浏览到一半直接放弃，什么都不看就关掉了 (Nielsen / Deloitte, 2022-2023)。这是因为现在的内容太太太多了。多到你的决策成本超过了任何一部具体电影对你的吸引力。
与此同时，每天还有约 75000 首 AI 生成的曲目被上传到 Deezer，占日上传量的 10% (Music Business Worldwide, 2025)。AI 正在把内容生产的成本推向零，信噪比会进一步恶化。
所以电影、音乐、小品之所以不如以前了一部分是由于真实的统计偏差（幸存者偏差 + 信噪比崩塌），另一部分是真实的结构性退化。
这两件事互相放大，让你产生了一个比实际情况更糟糕的主观体验。
我们能做什么
我们改变不了推荐系统的目标函数。但我们可以改变获取内容的方式。
第一，减少被动推荐，增加主动搜索。每周花十分钟翻翻非算法来源——朋友推荐的歌单、电影节的获奖名单、独立书店的推荐书架。
第二，降低你的期待阈值。不是每部电影都必须是《肖申克的救赎》。有时候一部 7 分的电影，在合适的心情下比一部 9 分的电影更有价值。
你现在站在一座前所未有的数据垃圾山里，试图用肉眼挑出金子。而1994 年的观众也站在一座垃圾山里，只不过那座山只有今天的千分之一。三十年后，自然会有人帮我们把今天的山筛一遍。
但在那之前，你得自己动手翻。
不要再刷推荐页了。去翻下一块石头。