合成数据范式革命：超越生成模型，定义AI训练新核心

真实数据正成为AI发展的关键瓶颈。在医疗等高价值领域，依赖数据自然产生的传统范式已然失效。面对成本、隐私、质量和可控性的多重限制，合成数据正从边缘的“补充角色”转变为主动构造高质量训练与评估数据的核心机制。这一转变标志着AI发展路径的根本性重塑。

南洋理工大学、清华大学、四川大学及中山大学的研究团队，通过对300余篇文献的系统梳理，提出了一个统一的How/Why/Where框架，重新划定了合成数据的方法边界。该研究明确指出，合成数据并不等同于“用生成模型造数据”。它打破了这一单一视角，将反演、仿真、增强等多种方式都纳入了合成数据的范畴，为数据合成提供了更完整的方法论体系。

从应用层面看，合成数据正沿着一条清晰的能力路径演进。最基础的是数据中心人工智能，旨在解决数据稀缺、成本高昂和隐私受限问题，为模型训练提供稳定基础。向上演进至模型中心人工智能，合成数据开始用于能力注入，提升模型的推理、编码与对齐能力，并构建可控的评测基准。最终，在可信人工智能阶段，合成数据被广泛用于隐私保护、安全防护、公平性提升及模型可解释性分析，成为确保AI系统可靠性的关键工具。