合成數據將助力AI模型開發(fā)，成為數據要素市場新增量

　　與從真實世界中采集的現實數據相反，合成數據（Synthetic Data）是基于計算機模擬技術或算法人工生成的虛擬數據。它在真實數據集上進行訓練，從數學和統(tǒng)計學上反映了真實數據信息，可以用來獲取極端情況下的訓練數據以填補現有數據缺陷，也可以用來訓練、測試和驗證AI模型。合成數據依賴少部分的高質量真實數據用于初始創(chuàng)建，將大幅減少算法訓練所需的真實數據量，提供了一種更快捷高效的方式來獲取所需數據。目前主要通過以下四種技術路徑來獲取合成數據。

　　圖1 合成數據獲取方式

　　1. 合成數據對AI模型開發(fā)價值增大，助力形成應用閉環(huán)

　　合成數據在人工智能領域具有重要的應用價值。根據Gartner預測，到2024年，用于訓練AI的數據中有60%將是合成數據，到 2030 年，合成數據將完全蓋過 AI 模型中的真實數據，成為AI模型訓練使用數據的主要來源。通過使用合成數據可以快速、準確地構建數據集，以幫助機器學習算法更好地理解和預測現實世界的情況。合成數據也能填補真實數據集中可能存在的數據缺失、數據不足、數據不均衡等問題，提高機器學習算法的魯棒性和泛化能力。此外，在AI 2.0階段，人們可以讓AI在由合成數據構建的虛擬仿真世界中進行自我學習，這將大大拓展AI的潛力邊界。

　　2. 合成數據有望成為數據要素市場重要組成部分

　　目前，數據要素市場面臨數據采集和標注成本高昂、數據質量難以保障、數據多樣性受限、數據隱私問題等多重挑戰(zhàn)。在建設數據要素市場的過程中，合成數據可以作為數據要素市場中的一種交易對象，幫助買家更好地評估和改進算法性能，提高數據交易的效率和價值。合成數據的具體價值主要體現在以下幾個方面。第一，極大節(jié)省數據采集成本，滿足大規(guī)模數據需求，具有成本效益；第二，有效解決數據隱私與數據安全問題，在金融、醫(yī)療等用戶信息較敏感的領域應用價值巨大。第三，確保數據多樣性，預測邊緣情況，進而避免算法歧視，打造更公正更普惠的人工智能模型。第四，提高數據利用的靈活性，使數據利用更加定制化。合成數據可以根據特定場景和需求生成具有特定屬性的數據，滿足特定情境的數據需求。

　　合成數據產業(yè)布局細分四大方向，應用領域前景廣闊

　　眾多科技廠商和創(chuàng)新企業(yè)已經意識到合成數據在人工智能領域的巨大價值，開始搶先投入和布局。從合成數據供給側視角，合成數據的產業(yè)布局可分為結構化數據（表格數據）、非結構化數據（視頻、圖像等）、測試數據、開源服務等四大方向，代表企業(yè)與提供服務如下表：

　　在此基礎上，英偉達、微軟等大型科技企業(yè)也紛紛與上述部分合成數據供應廠商合作，推出平臺服務。如英偉達與AI Reverie、Sky Engine合作，在其Omniverse元宇宙平臺中加載了omniverse replicator合成數據能力，用于創(chuàng)建機器人訓練的虛擬環(huán)境以及模擬豐富的自動駕駛現實場景。

　　從應用側來看，合成數據的應用領域十分廣泛，早期主要應用于計算機視覺領域，現在正向金融、醫(yī)療、零售甚至運營商領域拓展，具有廣闊的市場前景和價值空間。未來，隨著產業(yè)技術越來越成熟，合成數據將會賦能更多行業(yè)和領域，幫助企業(yè)解決實際問題，給企業(yè)帶來業(yè)務突破和發(fā)展。

　　合成數據潛在風險與局限

　　合成數據雖然有諸多優(yōu)勢和廣闊的應用前景，但由于技術手段、產業(yè)發(fā)展等方面限制，合成數據仍存在一定潛在風險和局限性，因此在使用合成數據時，要注意在一定程度上規(guī)避和防范。

　　合成數據在技術精度上仍存在一定局限。合成數據的質量通常取決于創(chuàng)建它的模型和開發(fā)數據集的質量，使用高質量的真實數據作為起點就顯得尤為重要。如果合成數據不準確或與真實世界數據不匹配，這可能導致生成不合邏輯的非自然數據。因此，創(chuàng)建合成數據時需要額外對數據質量進行評估和管理，與人工標注的真實數據進行比較確保兩者的匹配程度。

　　合成數據存在“隱式隱私”泄露問題。目前，合成數據不可避免地需要依賴小部分真實數據用于訓練數據模型。在模型訓練過程中，存在記憶原始訓練樣本分布，通過逆向工程反推原始訓練數據的風險。如何平衡好保真度和隱私保護之間的關系亟待探討。

　　合成數據賦能電信運營商

　　業(yè)務相關建議

　　在電信運營商領域，西班牙電信運營商Telefónica已經對合成數據的應用價值進行了初步探索。未來，隨著AIGC技術能力全面提升，基于AIGC技術的合成數據也將展現出更大的發(fā)揮空間，充分賦能于運營商現有業(yè)務發(fā)展和新業(yè)務領域拓展，助力運營商迎來新一輪變革。

　　合成數據將驅動運營商現有業(yè)務向高效、智能化發(fā)展。在不提供用戶敏感信息的前提下，模擬真實客戶數據的統(tǒng)計模式，根據現有用戶數據進行推演形成其他屬性，通過合成數據集訓練精準營銷模型、客戶流失預警模型等，進而提升獲利能力。還可以利用這一合規(guī)可用的數據源更加高效廉價地訓練智能客服或虛擬數字人，從而提升用戶服務感知。

　　合成數據也將幫助運營商找到新定位、拓展新領域。合成數據產業(yè)的興起可促進運營商向數據服務商身份發(fā)展，拓展新業(yè)務領域，解鎖數據資產價值。結合運營商自身真實數據資源生成無統(tǒng)計學相關性的合成數據，向外部有數據需要的企業(yè)出售相關訓練數據產品，也可與外部企業(yè)合作，提供基于合成數據的咨詢服務。