快科技8月1日消息，據媒體報道，目前互聯網高質量數據枯竭，AI領域面臨“數據墻”。對于AI大模型公司來說，現在的挑戰是找到新的數據源或可持續的替代品。

據權威研究公司Epoch AI的前瞻性分析，至2028年，互聯網上的所有高質量文本數據或將被悉數采擷，而機器學習所依賴的高質量語言數據集，其枯竭的時間點甚至可能提前至2026年。

這一“數據墻”的預言，無疑在AI行業內投下了一片陰影，成為制約其快速發展的重大瓶頸。

然而，面對這一看似絕望的局面，部分科學家卻持有更為樂觀和寬廣的視角。他們認為，斷言“人工智能模型正步入數據枯竭的絕境”過于悲觀且片面。在語言模型的細分領域內，仍有一片未被充分探索的數據藍海，蘊藏著豐富的差異化信息，等待著被挖掘利用，以驅動更加精準、定制化的模型構建。

為了跨越“數據墻”的障礙，AI界正積極探索多種創新路徑。其中，合成數據作為一種潛力巨大的解決方案，正逐漸進入人們的視野。這類數據由機器智能生成，理論上具備無限供應的能力，為解決訓練數據稀缺問題提供了全新的思路。

然而，合成數據的應用亦非毫無風險，其潛在的“模型崩潰”危機不容忽視——即當機器學習模型在由AI生成的可能存在偏差的數據集上訓練時，可能會導致模型對現實的誤解與扭曲。

因此，在利用合成數據等創新手段的同時，AI領域還需保持審慎態度，加強數據質量的監控與評估，確保數據的多樣性與真實性，從而有效避免“模型崩潰”的風險，推動AI技術健康、穩健地發展。