“AI的训练数据正像石油一样面临耗尽的危机，我们已经达到数据峰值，不会再有更多数据了。”

——OpenAI联合创始人Ilya Sutskever

“到2028年，80%的AI训练数据将来自合成数据；到2030年，合成数据甚至可能超越真实数据，成为商业决策的核心基石。“

——全球知名研究机构Gartner

“人们高估了合成数据的作用，它让模型善于解决合成问题，而非实际问题”

——Surge AI CEO Edwin Chen

在这场“数据荒”的全球焦虑中，合成数据被推上风口浪尖， 支持与质疑的交锋日益激烈。各专家、大咖、创始人各执一词，观点不一，而这场争论的背后，是AI行业在数据困境与创新突破之间的艰难抉择。                                             

<图片来源于网络，如有侵权请联系删除>

一、合成数据是什么

顾名思义，合成数据是“非真实数据“，当然它并不是凭空捏造的数据，而是通过算法模型生成的、具有与真实数据相似统计特征和结构模式的人造数据。打个比方，如果将真实数据比作自然生长的树木，那合成数据就是依据树木的生长规律、形态特征人工培育出的 “仿真树”。

合成数据就像一面哈哈镜，不会照出具体某个人的模样，却能精准还原人群的整体特征，比如某类疾病患者的年龄分布、血压波动范围，或是某款APP用户的点击偏好规律等等。常见的合成数据类型有很多：图像类就像可批量产出的画师，能生成无数张不同角度、表情的人脸照片，帮人脸识别系统练手；文本类类似智能写手，可产出大量模拟用户评论、邮件内容的数据，用于训练垃圾邮件过滤模型；还有结构化数据，比如像Excel表格一样的金融交易记录，银行能用它测试反欺诈系统，又不用担心客户信息泄露。

<图片来源于AI，如有侵权请联系删除>

二、合成数据的两面性

（一）不可忽视的显著优势

1、在隐私保护领域，合成数据堪称天然屏障，数据生成过程中会剔除真实姓名、身份证号等敏感信息，比如医院可用合成病历来研究癌症，却不会泄露任何患者隐私。正是这种脱敏不脱真的特性，让它在医疗、金融等敏感领域备受青睐。

2、对于数据稀缺场景，合成数据可是万能灵药，它能按需生成极端场景数据。比如自动驾驶需要的海量极端天气路况数据（如暴雪、冰雹），这类真实数据采集难度和成本也极高，但合成数据就可以批量产出，完美解决特定场景数据稀缺问题。

3、合成数据能突破数据偏见。真实数据往往会携带一些社会偏见，如招聘数据中的性别歧视倾向，而合成数据则可通过算法修正，修正真实数据里的不合理倾向，过滤掉这些干扰。

<图片来源于网络，如有侵权请联系删除>

（二）难以回避的潜在风险

1、首先是容易失真。比如电商平台用过去的销售数据生成合成数据，可原始数据里不包含直播带货这种新场景，那合成数据就永远不可能模拟出直播带来的销量情况。

2、可能会放大偏见。如果原始数据藏着隐形的不公平，合成数据就会把这个问题变本加厉。比如招聘软件的历史数据里，男性简历被标记“优秀“的比例莫名偏高，用这数据生成的合成简历，可能会让算法更倾向于给男性打高分，反而加剧职场性别偏见。

3、复杂场景不完全能搞定。真实世界里很多事是牵一发而动全身的，合成数据往往抓不住这种微妙联系。比如模拟城市交通时，真实路况会受突发事故、雨天路滑、学校放学等N种因素影响，合成数据可能只能涉及其中几种，导致模拟结果和实际堵车情况相差甚远。

4、质量难把控。生成合成数据的算法就像个黑箱子，有时候哪怕原始数据没问题，也可能因为算法参数没调好，生成一堆看着像模像样、实际毫无规律的垃圾数据。

5、纯AI的合成数据可能会让模型“自我崩溃”。 早期研究已证实：GPT经多轮纯合成训练后崩溃；自动驾驶模型经纯合成数据训练后，驾驶风格变得危险激进。这是因为模型用自身生成的数据反复训练时，误差会不断放大，数据分布也偏离现实，最终导致模型性能下降甚至崩溃。

<图片来源于网络，如有侵权请联系删除>

三、合成数据当下仍需立足现实

不可否认，合成数据的优势为AI发展开辟了一条新路径。英伟达科学家Jim Fan曾指出，未来AI模型的训练数据有望由合成数据提供万亿级token支持，这种潜力使其成为未来数据生态的重要组成部分。随着生成式AI技术的进步，合成数据的真实性和可靠性会持续提升，或许在不远的将来，它能完美模拟现实世界的复杂颗粒度。

但当下，合成数据还无法替代人工数据的核心价值。正如Edwin Chen所言，模型在合成环境中表现出的能力与现实需求存在难以逾越的鸿沟。现阶段，人工标注的真实数据仍是校准模型、锚定现实的准星。

<图片来源于网络，如有侵权请联系删除>

在自动驾驶领域，合成数据的使用比例大约在30%至40%之间，可以看出人工标注的真实路况数据仍是基准，合成数据只能作为补充；而在医疗AI的影像诊断中，医生标注的真实病例更是权威标准，合成数据无法替代。人工数据中蕴含的人类经验、场景细节、特殊案例，是目前合成数据难以媲美的。

合成数据的未来值得期待，但当下的AI发展仍需脚踏实地。它更适合作为人工数据的辅助工具，而非完美的替代方案。唯有以真实数据为根基，辅以合成数据的补充，才能让人工智能在稳健中迈向更广阔的未来。