质朴发言：AI产业背后的亿级美金市场：合成数据｜Z研究第 4 期

用户1315

2024年4月10日修改

原文链接：https://mp.weixin.qq.com/s/iEfvn1iG9ue1Hdydsr0ILQ

来源：质朴发言

发文时间：2024.03.16

随着AI浪潮，多家机构判断全球合成数据生成市场规模预计将显著增长：​

合成数据 2022 年市场规模为 1.638 亿美元，预计到 2031 年将达到 34 亿美元，复合年增长率为37.3%（Straits Research）。​

合成数据的市场规模将从 2023 年的 3 亿美元增加到 2028 年的 21 亿美元，复合年增长率为 45.7%（MarketsAndMarkets)。​

到 2030 年，市场规模预计将超过 23.398 亿美元，复合年增长率为 31.1%（Fortune Business Insights）。​

甚至在某个节点，合成数据体量超过真实数据，成为训练模型的主要"燃料"；因此 Z 计划 team 对这个 AI 产业背后的亿级美金市场开展研究，提炼观点如下：​

观点 1：本轮 AI 技术浪潮下，AI 产业的商业价值将从数据的收集、流转、存储（历史→当下）流向数据的计算、应用、预测（当下→未来）。​

但数据驱动的应用仍存在障碍：高昂成本使数据价值难以发挥。在此背景下，合成数据有望凭借其隐私保护能力、低边际成本开发新数据的能力，重塑 AI 产业。​

观点 2：在 AI/ML workflow 变化的过程中，我们认为合成数据本质上既是“数据驱动”理念的新动力，也是被数据驱动的新对象。​

具体来说，合成数据位于 workflow 的数据准备阶段，为模型提供优质训练集；而 workflow 各环节又对合成数据有反馈，进而影响合成数据的效用与迭代。​

观点 3：AI 产业重塑的趋势之下，上下游公司及专注合成数据的创业公司将争夺数据合成的关键点位。​

目前已明确入场的包括：拥有垂直场景合成算法 & 强业务 Know-how 的初创团队、积累数据标注评估经验的标注公司、聚集活跃开发者力量的开源模型平台、具备研发 & 用户 & 工程化经验等规模优势的底层大模型厂商、基于已有软/硬件生态拓展合成数据的科技大厂。​

基于技术特点、行业趋势及商业价值，我们认为：合成数据赛道的核心竞争要素依次是数据能力、迭代能力、平台能力和场景选择。🌊​

OpenAI Sora 的技术报告中提到：

由 DALL・E 3 生成训练视频相应的 captions，以此达成视频和文本的对齐​

使用 GPT-4 自动扩写用户 Prompt，增加场景细节描述，以生成更逼真、细节更丰富的视频。​

尽管报告未提到，但许多人猜测 Sora 使用了 UE 生成的高保真游戏场景数据，才达到了如此逼真的效果​

此外，Anthropic 推出的大模型 Claude 3 在其技术文档中确认使用了内部合成的数据进行训练            ​

•
从 Sora、Claude 3 等事实中，可观察到一个趋势：“数据训练模型-模型生成/预测/仿真模拟得到合成数据-合成数据训练模型”的 AI/ML workflow 正在形成，其中与传统 AI/ML workflow 最大的区别即为合成数据    ​
◦
无论合成数据算法成熟度如何，“模型再生训练数据”已是大模型在工程化上的成功实践。​
◦
考虑到未来模型的复杂性和数据需求进一步提升，合成数据的影响或将逐步扩大，进而重塑 AI/ML workflow​

•
AI/ML workflow 变化的本质是什么？合成数据概念从何而来？为何合成数据会对 AI/ML workflow 产生影响？合成数据将如何影响具体 workflow /受 workflow 的反馈影响？什么样的公司将占据合成数据赛道的关键点位？​

•
接下来，我们将依次解答上述问题，并在文末整理了多模态数据生成产业的 Mapping。​

🌟

目录建议结合要点进行针对性阅读。👇

一、为什么合成数据能重塑 AI 产业

    1、AI/ML workflow 的价值分布变化：从对当下数据的处理、分析，流向对未来数据的预测、应用​

    2、数据驱动的应用仍存在障碍，高成本使得数据价值难以发挥​

3、合成数据介绍

4、合成数据的特点有望清除数据驱动应用的障碍

二、合成数据如何重塑 AI 产业——通过影响 workflow

1、传统 AI/ML workflow

2、合成数据 workflow

3、融入合成数据的 AI/ML workflow

三、什么样的公司能占据合成数据的关键点位

四、结论：合成数据赛道的核心竞争要素

附：多模态数据生成产业 mapping

1、多模态数据生成的类别

2、国内外多模态数据生成产业图谱

3、合成数据赛道

参考文献

#一、为什么合成数据能重塑 AI 产业

1、AI/ML workflow 的价值分布变化：从对当下数据的处理、分析，流向对未来数据的预测、应用​

a. 需求侧

•
过去，需求集中在数据收集-分析；​
◦
过去对数据的利用集中在收集、转换、存储等，即对历史和当下情况的分析；​

质朴发言：AI产业背后的亿级美金市场：合成数据｜Z研究第 4 期​

质朴发言：AI产业背后的亿级美金市场：合成数据｜Z研究第 4 期