推动上一轮人工智能突破的未开发数据源正在枯竭，人工智能模型因此陷入困境。
我们有能力创建用于训练模型的新数据和数据集，但仍面临障碍。
能够消除新数据创建障碍的企业和经济体将获得竞争优势。
一代人以前，万维网的兴起点燃了大数据时代，并助推了我们如今所见的人工智能革命。起初，数据越多，洞见就越深入，推动了风险建模、定向广告、商业智能以及其他数据驱动型创新的发展。然而，尽管全球数据量每三到四年翻一番，专家如今表示，人工智能模型正面临数据枯竭，这将严重阻碍其增长和效能。
现实情况是，人工智能摄取和综合数据的速度，比我们生成它尚未见过的“新”数据的速度更快。例如，人工智能一旦吸收了科学教科书中的全部知识，在新版出版之前就无法获得新的洞见。即使新版问世，主题内容也大体相同，因此人工智能知识的扩展只是渐进式的。虽然数据量有所增加，但多样性和新颖性不足才是制约人工智能发展的因素。
无论技术如何进步，所有基于同一批现有数据训练的大语言模型（LLM），最终都会生成相同的同质化输出。没有新数据，人工智能就无法帮助我们解决更复杂的商业、科学和社会挑战。
这一点在制药、金融服务或化工等定量行业尤为明显。在这些行业，无穷无尽的可能组合——药物组合、市场状况、原子结构——远远超出我们建模并提取新数据和洞见的能力。过去，要实现这一点，唯一的办法是针对每种组合开展物理实验；这一过程慢得难以想象、成本高得令人望而却步，或根本无法实施。
推动上一轮人工智能突破的未开发数据源正在枯竭，使这些日益强大的人工智能模型陷入困境。要释放人工智能的真正潜力，我们需要新的定量数据来源，以便建模和探索未来，而不只是分析过去。
好消息是，我们有办法创建新的“合成”数据。
如何生成新数据
为复杂的人工智能系统快速生成新数据集，可以采用两种方式：自动化或计算。
自动化利用机器人技术和先进传感器全天候开展物理实验。虽然这能提高产出，但部署数千台实验室机器人并不划算，还会剥夺科学家通过实验获得关键实践经验和知识的机会。
计算将不同的数据集、物理定律和深度计算模型结合起来，以更准确、快速、安全且经济高效的方式对复杂系统进行数字模拟，范围涵盖生化反应到机械应力方程。
计算构成大型定量模型（LQM）的基础。与从充斥偏见、错误和虚假信息的历史文本中进行推断的大语言模型（LLM）不同，大型定量模型基于支配物理、化学、生物学及其他定量领域的第一性原理方程进行训练。这些模型不仅模拟结果，还能生成可审计的因果解释，以及现有文献中尚不存在的新数据。
这对各行各业影响深远。例如，与其耗费数十年进行昂贵的实验室试验来研发新药，大型定量模型可以在实验开始前，快速同时模拟数千种候选药物的相互作用、可能的作用机制或毒性。这些虚拟实验能让实体研究更加精准、高效，并减少耗时且昂贵的试错式药物发现方法。它们还帮助研究人员探索尚未编目记录的化学空间，或应对因缺少新数据而停滞不前的复杂“不可成药”病症。
以合成数据构建新的创新生态系统
生成合成数据的能力具有变革性，但其影响取决于更广泛的创新生态系统。如今，医学或工业突破所需的关键数据集可能难以获取，这构成了人工智能创新的障碍。不过，变革正在发生。
基础模型所需的数据可以通过平台或专门的访问计划提供，使更多人能够使用突破性的人工智能能力，同时不损害知识产权，也不降低数据隐私、治理和安全标准。构建这些模型仍需不菲的成本和专业知识，但基于平台的访问让更多人能够参与，推动集体智慧充分发挥。
例如，共享虚拟患者群体或蛋白质—配体组合等数据资源，可以让研究人员在覆盖更广泛遗传背景的虚拟试验中探索新疗法。这种方法有望推动癌症等棘手疾病的治疗、应对全球大流行病的疫苗研发，或个性化医疗的发展。金融、材料科学和能源领域也在涌现类似模式，通过普惠式访问加快大规模问题解决。
通过生成数据取得竞争优势
生成数据的能力不仅是技术优势，更是战略优势。能够从缓慢、昂贵的“设计—构建—测试”周期转向快速迭代的“模拟—优化—验证”工作流程的企业或政府，将率先推动所在行业或国家转型。以下是这一做法在全球一些最大行业中的应用前景：
生命科学：合成患者数据和虚拟细胞模型可以大幅缩短药物研发周期、降低成本，并帮助在患者入组前预测临床试验结果。
金融：模拟复杂的市场情景有助于对投资组合进行稳健的压力测试，并超越历史危机的范围，为真正新颖的风险做好准备。
制造业：通过数字化模拟原子结构和物理性质，可以更快地识别新型化合物、化学品、催化剂或合金，并生产符合精确性能标准的优质产品。
能源：将捕集的碳、废弃材料或低价值副产品转化为高价值产品，有助于提高可持续性并开辟新的收入来源。加快先进电池研发也能支持全球电气化进程。
未来一轮由人工智能驱动的经济和科学领导力，将属于掌握数据生成方法的人，而不是囤积历史数据集的人。生成具有因果依据且可信的数据，将成为加快各行业创新的关键。
构建以数据为先的未来
我们如今正处于一个转折点：是继续依赖有限的历史数据，还是拥抱生成数据带来的机遇。企业和政府领导者必须优先投资新的数据生成方法，打造更具创新力、竞争力和韧性的人工智能及工业生态系统。实施以数据为先的架构，对于释放集体人工智能智慧的力量、推动未来突破至关重要。
领导者必须推动这一转型，培育人才、建立伙伴关系并制定框架，带领其组织迈入新时代。在这个时代，创新的动力不再来自过去观察所得的稀缺，而是来自未来可能性的丰沛。
