🧭 先看这份研报的核心结论

软件开发中与大模型训练相关的数据环节正从拼规模转向拼质量、专业度与合规，多模态和合成数据成为景气主线。

📌 核心要点

全球大模型数据市场广义口径2025年约100-160亿美元，明显高于狭义统计。

公开文本语料或在2026-2032年触顶，中位数预测约2028年。

价值重心正转向专家数据、合成数据与多模态数据，合规溢价同步抬升。

💡 为什么需要继续看

算力边际效应减弱后，数据成为影响模型能力上限的新瓶颈，产业链重新定价。

欧盟透明度规则、版权诉讼与授权交易升温，正在改变数据供给与商业模式。

⚠️ 风险提示

市场规模口径差异很大，狭义与广义数据不可直接横向比较。

合成数据渗透若低于预期，部分高增长赛道兑现节奏可能放缓。

# 关键词

大模型数据 合成数据 多模态 专家数据 内容授权 合规溢价

📊 关键数据

行业规模

100-160亿美元

2025年全球大模型数据市场广义口径，毛口径买方支出

市场增速

20%-35%

全球AI训练数据相关市场年复合增速区间，多家机构口径

公开文本存量

约300万亿token

Epoch AI测算，可用人类公开文本存量

合成数据占比

2030年或超真实数据

Gartner前瞻判断，合成数据有望成为主导供给

📌 接下来重点跟踪什么

公开文本耗尽节奏是否继续逼近2028年这一中位时间点。

合成数据在训练中的实际占比，能否按预期持续提升。

欧盟透明度规则与版权诉讼进展，是否继续抬升授权数据价格。

📄 研报内容摘录

软件开发中与大模型训练相关的数据环节正从拼规模转向拼质量、专业度与合规，多模态和合成数据成为景气主线。；全球大模型数据市场广义口径2025年约100-160亿美元，明显高于狭义统计。