文章核心观点 - 合成数据是通过算法生成的模拟数据，用于解决大模型训练面临的数据“不够用、不好用、不能用”等问题，市场正经历高速增长 [1] - 行业处于发展初期，由AI技术迭代、数据安全要求和成本效益等多重因素驱动，未来在量子计算等新技术加持下前景广阔 [1][15][16] 合成数据行业概述 - 合成数据通过数学模型和生成技术构建新数据集，模拟真实世界数据分布和特征 [1][2] - 主要技术路线包括基于LLMs生成、基于GANs或Diffusion Models生成、基于统计和模拟生成，多种方式常协同使用以提升质量 [2] 合成数据产业链 - 产业链上游涵盖传感器、芯片等硬件以及数据管理、标注、安全等软件支撑领域 [4] - 中游为合成数据解决方案，竞争关键在于技术迭代快、行业Know-how门槛高和生态兼容性要求高 [4] - 下游应用领域包括具身智能、自动驾驶、工业、金融、医疗等垂直行业 [4][5] 行业发展驱动因素 - AI发展正经历从“以模型为中心”向“以数据为中心”的范式转移，数据质量与规模成为决定模型性能的核心要素 [5] - 大模型训练对高质量数据需求日益增长，但面临数据总量不足、质量参差不齐及隐私监管限制等挑战 [7] - 2024年全国数据生产总量达41.06 ZB，同比增长25%，预计2025年将突破50 ZB，但高质量数据仍面临耗尽风险 [7] 行业市场现状 - 全球合成数据市场规模从2021年11.8亿元迅速扩张至2025年47.6亿元，期间年复合增长率高达41.8% [1][9] - 北美和欧洲市场渗透率最高，分别为35%-40%和25%-30%，中国市场增速最快，渗透率约20%-25% [1][11] - 2024年中国合成数据市场规模超7亿元，占全球总规模约15% [1][13] 行业投融资动态 - 2024年以来中国境内多家合成数据企业获得融资，如数创弧光、智萃数据完成天使轮融资，深信科创获A轮融资 [1][14] - 行业融资集中在天使轮、Pre-A轮等早期阶段，表明行业仍处于发展初期 [1][14] 行业发展趋势 - 在多重驱动因素下，合成数据市场将保持强劲增长，预计2028年全球市场规模超100亿元，2030年超200亿元 [15] - 预计到2030年，AI模型中合成数据的生成量将超过真实数据使用量，量子计算、数据孪生等新技术将提升生成数据的真实性、可扩展性和效率 [16]