共计 980 个字符，预计需要花费 3 分钟才能阅读完成。
在今年的西南偏南（SXSW）大会上，英伟达的 Mike Hollinger 与多位商业领袖深入探讨了合成数据的潜在优势与风险。作为人工生成以替代真实数据的信息，合成数据正逐渐成为医疗保健、金融、汽车行业以及人工智能领域的重要工具。,
合成数据的崛起
合成数据的应用场景广泛，尤其是在实际数据收集成本高昂、耗时过长或涉及隐私问题时。它在训练和改进机器学习及 AI 模型中的作用日益显著，尤其是在过去一年中，这些模型的快速发展使得合成数据的重要性愈发凸显。
“在 ChatGPT、Gemini、Claude、DeepSeek 等模型中，合成数据很可能已经成为训练过程中的一部分，”Hollinger 指出。“这些数据通过提取部分训练材料并扩展其变体，帮助模型输出所需结果。”
合成数据对 AI 模型尤为关键，因为它们需要大规模、多样化且高质量的数据集进行有效训练。这些数据集在某些情况下难以或无法获取，尤其是在涉及利基、专有或原始数据集时。,
合成数据的优势
合成数据的使用能够在不涉及敏感信息的情况下模拟真实世界的洞察，这在金融和医疗等领域尤为重要。研究公司 Gartner 在其最新报告中，将合成数据列为 2025 年数据和分析的顶级趋势之一，鼓励其用于补充缺失或不完整的洞察领域，或替换敏感数据以优先考虑隐私。,
合成数据的风险
然而，合成数据的生成并非没有风险。复杂的算法在提取原始数据集并复制其模式、结构和其他特征时，可能会引入偏差，这些偏差可能对模型的准确性产生重大影响。
Hollinger 以夏令时为例，说明了一个简单的时间变化如何影响数据的准确性。“如果从一年中的随机日期中抽取数据样本，可能选择的某一天来自有夏令时变化的城市，那里少了一个小时。基于此样本构建的合成数据管道将抹去模型的准确性。”
此外，合成数据的应用还面临技术挑战和用户信任问题。为了建立信任，必须明确合成数据的生成、验证和应用方式，并通过模型卡等方式进行清晰划分。,
未来展望
尽管存在挑战，专家们对合成数据在 AI 及更广泛领域的未来应用仍持乐观态度。Udezue 强调：“正确使用模拟数据将提升科学、软件和行业，但我们必须确保治理和透明度正确，否则我们将无法充分利用它。”
合成数据无疑在推动 AI 发展方面具有巨大潜力，但其成功应用依赖于对技术挑战的克服和用户信任的建立。随着技术的不断进步，合成数据有望成为生成式 AI 发展的重要推动力。
