产线上的相机一天能拍下成千上万张正常品，真正想抓的那几帧缺陷，可能一周才出现一次。标注团队守着屏幕等样本，模型却在少数情形上反复失手。于是有人提出：缺的那部分，能不能用合成数据补上。
它补的是空白，不是数量
先把一个常见误解挪开：合成数据不等于“假数据”。它是在明确目标下生成、标注已知且可控的样本——可以是三维渲染出的工件，也可以是生成模型产出的纹理，还可以是对已有图像做局部替换、贴图与光照调整。它真正的用处，往往集中在几类地方：
- 稀有情形：真实采集成本高、出现频率低的样本，可以按需构造。
- 标注一致性：生成时标签就是已知的，省去了人工反复确认边界。
- 受限场景：内部图像不便外流时，用生成样本做联调与预训练。
- 变更验证：换了相机、改了光源，先用合成样本快速看模型是否还站得住。
换个说法，如果只是想给常见情形再多加几万张，收益并不明显；补空白才是它的位置。
落差藏在材质、反光和噪声里
渲染图与实拍之间隔着一层东西。金属件的反光走向、镜头边缘的畸变、传感器在暗部的噪声，这些细节在合成侧很容易被简化，而模型恰恰擅长抓住这种简化留下的规律。生成模型还有另一重风险：它会把不存在的纹理当成稳定特征，训练出来的模型在真实数据上显得“学到了什么”，其实学到的是生成器的习惯。
常见的应对办法并不神秘：合成与真实混合训练并控制比例，把合成样本更多用于困难样本挖掘，以及在训练中引入光照、角度、背景的随机变化来压窄差距。更关键的一步是评估——测试集必须保留纯真实的部分，否则指标会好看得没有意义。
一个容易被跳过的环节
生成之前，团队必须先把“什么算缺陷、边界在哪里”写清楚。这一步看着像流程琐事，实际上是把标注规范提前了。不少团队正是在这里才发现，几个人对同一个缺陷的理解并不一致。这种被迫的澄清，可能是合成数据带来的隐性收益，比多几千张图更值钱。
所以对它保持一种克制的期待比较合适：合成数据把数据工程的一部分工作挪到了前面，让稀缺情形变得可讨论、可复现，但它不能替代真实世界的复杂度。把它当成免费的午餐，落差迟早会在产线上显形。