合成資料產生市場規模與份額，依建模（直接、代理）劃分；產品（全部、部分、混合）；資料類型（表格、文字、圖像和影片）；應用（人工智慧培訓和開發、測試數據管理、數據共享和保留、數據分析）；垂直產業（BFSI、醫療保健與生命科學、運輸與物流、政府與國防、IT 與電信、製造、媒體與娛樂）- 全球供需分析、成長預測、統計報告 2025-2037

綜合數據生成產業：成長動力與挑戰

成長動力

• 對資料安全和隱私的需求不斷增長 - 與收集真實世界統計資料相關的日益增長的隱私危害推動了對合成資料（具有可比較統計特徵的真實資料收集的真實副本）的需求。這種合成資料在隱私性、可擴展性和多樣性方面具有多種優勢，可以用來取代真實資料。
  例如，2023 年 4 月，新加坡新創公司 Betterdata 宣布將使用在結構和特徵方面類似於現實世界資料集的合成資料來保護機密資料並改進機器學習模型，而不會洩露任何個人或敏感資訊關於一個人。
• 大型語言模型 (LLM) 的使用增加——在巨大數據集的幫助下，語言模型被用於製作多個網站和其他應用程式。大型語言模型 (LLM) 是幫助翻譯、產生和預測文本及其他類型資訊的學習演算法。稱為生成預訓練 Transformer (GPT) 的語言模型使用 GPT-1、GPT-2 和 GPT-3 模型來產生文字資料。 GPT-3 擁有 1.75 億個機器學習參數，是最複雜的模型，並產生了相當大的會話資料集。
  網站和其他資料庫解決方案的持續創建利用了許多領域對語言模型的需求，包括計算、零售、醫療保健和其他行業。各種最終用戶使用這些語言模型進行程式碼生成、詐欺檢測、圖像註釋、文字生成和對話式人工智慧。
• 疫情期間越來越多地使用人工智慧和機器學習技術來合成複雜資料庫，加速了市場的成長——銀行和金融服務、醫療保健等多個行業越來越多地採用人工智慧(AI) 和機器學習(ML) 技術。合成資料的使用促進了公司內部的資料共享，這極大地有助於透過遵守安全準則來安全儲存極其複雜的結構資料。因此，在COVID-19危機期間，合成資料的使用保護了資料隱私並模仿了營運資料的統計特徵，而不會危及個人或組織的隱私。

挑戰

• 不準確和不切實際的數據阻礙了市場擴張——用戶可以測試和共享使用合成數據生產創建的數據集的虛擬副本。此外，這種方法捕捉專業模型和現實世界照片的精細細節具有挑戰性。隨著時間的推移維護合成數據集很困難，因為它依賴現實世界的數據，並且會因發明和進步而變化。因此，組織應定期驗證合成資料的準確性和可靠性。
  這方面降低了合成數據的品質和真實性，嚴重阻礙了合成數據生成市場的成長。
• 市場缺乏成熟度預計將阻礙市場成長。
• 使用虛假數據會帶來隱私風險，可能阻礙市場擴張。