在人工智能技术日新月异的今天，AI大模型对数据的需求呈现出爆炸式增长。然而，一个不容忽视的问题是，可用于训练AI模型的高质量数据正面临枯竭的困境。Epoch AI的最新研究报告预测，到2028年，AI训练数据集将接近公共在线文本总量的极限。《自然》杂志亦发出警告，AI革命正逐步“吸干”互联网的数据资源。

《中国经营报》记者通过采访发现，尽管算力的大幅提升使得AI大模型能够处理更为庞大的数据集，但高质量、符合特定应用场景的数据供应却未能同步增长。这并非意味着数据完全消失，而是指符合AI模型需求的高质量数据变得愈发稀缺。同时，随着模型规模的扩大，增加额外数据所带来的效益逐渐递减，对数据的要求也愈发苛刻。

以GPT-4为例，其参数量高达万亿级别，对数据的渴求可想而知。AI大模型的数据来源主要包括互联网公开数据、企业内部数据和第三方数据提供商提供的数据。然而，互联网上高质量的数据资源有限，无法满足AI大模型的巨大需求。社交媒体上的虚假信息、冗余内容以及偏见言论等，都严重影响了数据的质量。

OpenAI原科学家苏茨克维尔曾指出，数据的增长正在放缓，这一推动AI发展的“化石燃料”正逐渐枯竭。一位智算中心的工作人员也表示，互联网数据并未真正枯竭，但高质量的数据已经见顶。低质量的数据不仅无法为模型提供有效的训练素材，还可能对模型产生误导，导致性能下降。

八友科技创始人、CEO梁斌透露，2023年市场上大模型的客户都在拼命购买数据，但到了2024年，客户开始只购买有着严格标准的数据。高质量数据的重要性正在日益增加，但获取的难度也越来越大。数据所有者对数据的使用规则越来越严格，隐私与安全法规的限制也愈发严格。

工信部信息通信经济专家委员会委员、DCCI互联网研究院院长刘兴亮分析称，隐私与安全法规是限制数据获取的主要原因之一。全球范围内对数据隐私和安全的关注度持续提升，如《欧盟通用数据保护条例（GDPR）》和《数据安全法》等法律法规限制了数据的采集、存储和使用。此外，高质量数据获取的成本高昂，使得企业难以承受。

业内普遍认为，GPT-5久久未能发布，正是因为数据瓶颈显现。然而，OpenAI、谷歌等头部公司依然对AI的前景感到乐观，认为通过开发新型数据源、增加模型推理能力以及应用合成数据等方法，AI模型将继续保持进步。

面对数据枯竭的困境，企业开始积极寻找解决之道。通过挖掘现有数据的潜力、利用合成数据、建立数据共享平台、加强数据治理以及探索新的数据来源等多方面的努力，以突破数据瓶颈。OpenAI成立了一个基础团队，探索如何应对训练数据的匮乏，保持模型改进的稳定性。

在数据资源有限的情况下，促进不同机构、不同行业之间的数据共享与合作成为解决数据荒的有效途径。通过数据共享平台，企业、研究机构等可以将自己的数据资源进行整合和共享，实现数据的互联互通。知名经济学者、工信部信息通信经济专家委员会委员盘和林建议，AI企业与互联网平台企业合作，共同打造AI大模型。

中国科学院院士梅宏表示，需要构建一套以数据为中心的新型基础设施，从根本上支撑数据在互联网上的互联互通。刘兴亮则认为，“数据荒”更像是数据获取和使用效率的问题，而非绝对的数据匮乏。未来，人工智能行业需要在数据获取效率、技术突破和法规遵循之间找到平衡点。