大模型开始”自己教自己”了

这件事比你想象的更猛。

过去两年，大模型靠”吃”互联网数据长大。但现在，互联网快被吃光了。高质量的人类文本已经见底。怎么办？

答案很残酷，也很简单：让AI自己给自己出题。

这就是合成数据。说白了，就是用一个强模型生成问题和答案，拿去训练另一个模型。听起来像近亲繁殖，但事实是——它管用。

2026年上半年，几家头部实验室悄悄完成了一次关键验证：用合成数据训练的模型，在数学推理、代码生成等硬核任务上，不仅没有退化，反而超过了用人类数据训练的版本。

为什么？因为人类数据太”脏”了。有错误、有偏见、有废话。而合成数据是精心筛选过的，每一步推理都干净利落。AI不需要最好的老师，它需要最”干净”的教材。

这个趋势一旦成立，逻辑会迅速极化：模型越强，生成的合成数据质量越高；数据质量越高，下一代模型就更强。一个自我强化的飞轮。

更深一层想：这意味着什么？

意味着AI不再依赖人类创造新知识来进步了。它开始进入”内循环”。我们给它的，只是一个初始的推理框架。剩下的，它自己来。

这不是科幻。这是正在发生的事。

当然，风险也在。合成数据如果带有系统性偏差，飞轮转起来也会放大错误。但至少目前来看，方向已经定了。

互联网时代的”数据红利”正在结束。”合成数据红利”才刚刚开始。