扩散模型

从生成图像到替代GPT：扩散模型正在重构生成式AI的产业逻辑

2022年Stability AI推出Stable Diffusion的时候，大多数行业观察者还将扩散模型定位成“比GAN画质更好的文本生图工具”。仅仅三年过去，这项从图像生成领域生长出来的AI技术，已经开始向大语言模型的核心腹地发起冲击。2026年9月1日，国内扩散语言模型团队扩散智能DiffuSpace与亚洲智能体计算平台Acrab达成战略合作，宣布双方的适配测试已经实现了端侧Agent运行速度5倍提升，正式推开了扩散模型在AI PC、智能汽车、消费级机器人等端侧场景的落地大门。这场技术迭代的节奏，比很多从业者预想的来得更快。

扩散模型的核心逻辑，其实是一种完全不同于过往生成式AI的思路：传统生成模型是直接从“语义”映射到“结果”，而扩散模型走了一条“先破坏、再重建”的路径——通过正向扩散阶段逐步给清晰的原始训练数据添加噪声，直到把所有数据都变成完全随机的噪点，再让神经网络在逆向生成阶段，从随机噪声出发，一步步把噪声预测去除，最终生成符合要求的结构化数据，整个过程类似把一张逐渐模糊褪色的老照片，重新修复成清晰可用的新图像。

大众对扩散模型的最初认知，几乎都来自图像生成领域。2023年底Stability AI推出Stable Diffusion XL Turbo，就是扩散模型技术迭代的标志性节点：这个SDXL的改进版本采用了对抗性扩散蒸馏技术，直接把原先需要50步迭代的图片生成过程压缩到1步，一次迭代就能输出高品质图像，不仅把图像生成的延迟降到了几乎无感的程度，也让Stable Diffusion真正实现了“深度更广、分辨率更高”的逼真图像输出，直接干掉了此前扩散模型落地消费端最大的障碍——速度。直到今天，Stable Diffusion依然是全球内容创作者使用率最高的AI生图工具，占据了文生图市场超过七成的份额，而这一切的基础，都是扩散模型在图像生成领域的技术优势。

但扩散模型的想象力，从来不止于生成图片。当行业开始尝试把扩散模型的范式迁移到语言生成领域，扩散语言模型（dLLM）直接动摇了当前GPT类大模型依赖的自回归模型的底层逻辑。自回归模型生成文本的逻辑是“一个字一个字往后猜”，每生成下一个token都要依赖前一个输出结果，不仅推理过程无法并行，速度天生受限，尤其在端侧设备有限的算力条件下，运行复杂Agent任务很容易出现明显卡顿。而扩散语言模型生成文本是基于整个噪声序列的全局去噪，天然支持并行计算，这就让它在推理速度上拥有天生的优势。

DiffuSpace与Acrab这次合作给出的数据，直接验证了这种速度优势：在端侧Agent场景的适配测试中，dLLM方案的运行速度达到传统自回归模型的5倍。对于端侧AI来说，这个提升是颠覆性的。当前AI PC、智能座舱、家用服务机器人等端侧场景，都迫切需要能够在本地运行的Agent来完成个性化任务，既可以保护用户数据隐私，也不用依赖云端网络延迟。但端侧芯片的算力远不如云端数据中心，自回归模型动辄数十亿上百亿参数，很难在本地流畅跑起来，而dLLM经过优化后，同等体验下对算力的要求更低，速度还能翻数倍，正好击中了端侧AI的痛点。按照DiffuSpace方面的规划，接下来双方会针对不同端侧场景完成硬件适配，很快普通用户就能在AI PC上用到运行速度更快的本地智能Agent，不用再依赖云端连接。

这种技术优势，甚至让业内开始出现“扩散语言模型或将在两年内替代GPT类自回归模型”的判断。这个判断是不是过于乐观？至少从当前的技术进展来看，扩散模型在语言领域的突破速度确实超出预期：此前扩散模型在长文本生成、语义连贯性上的短板，正在随着蒸馏技术、架构优化快速补上，而自回归模型天生的推理速度瓶颈，却是底层架构带来的，很难通过工程优化彻底解决。对于越来越多追求实时交互的端侧AI场景来说，速度和体验的优先级已经超过了单纯的模型参数规模，dLLM的机会窗口已经打开。

当然，现在说替代还为时尚早，自回归模型经过多年发展，已经积累了大量预训练数据、微调方案和生态工具，扩散语言模型要完成替代，还需要解决生态适配、工具链完善等一系列问题。但不可否认的是，扩散模型已经从一个细分的图像生成技术，变成了能够重构整个生成式AI产业格局的核心范式。这种变化，也给国内AI产业带来了换道超车的机会：当前全球主流的自回归大模型话语权基本被海外巨头掌控，国内玩家大多处在追随追赶的位置，而扩散语言模型的发展刚刚起步，无论是技术研发还是场景落地，大家都站在同一起跑线上，DiffuSpace和Acrab这次合作能够率先推出成熟的端侧落地方案，就是这种换道优势的体现。

站在低空经济的视角来看，扩散模型的成熟也会给这个新兴产业带来直接的推动。低空经济的核心载体——eVTOL（电动垂直起降飞行器）、民用无人机等，都需要大量端侧AI来完成环境感知、低空空域避让、应急图像识别等任务：无人机在巡检过程中需要实时生成高清灾害现场影像，eVTOL的座舱智能助理需要在无网络连接的低空环境下完成实时交互，这些场景都对端侧AI的运行速度和生成质量有很高要求，扩散模型带来的端侧速度提升，正好能够满足这些需求。比如在应急救援场景，无人机拍摄的模糊损毁画面，可以通过扩散模型的去噪还原，快速生成清晰的现场图像帮助救援人员制定方案，整个过程都可以在无人机本地完成，不用回传云端，就能节省宝贵的救援时间。

回到产业本身，扩散模型的发展其实给了我们一个启示：生成式AI的技术路线从来不是只有一条，自回归大模型不是终点，扩散模型带来的新范式，已经打开了新的想象空间。从Stable Diffusion改变内容创作，到dLLM冲击大语言模型格局，再到即将在端侧AI、低空经济等领域落地，扩散模型的产业化才刚刚开始。按照当前的迭代速度，两年后我们再看生成式AI的格局，很可能已经是扩散模型主导的天下了——这个变化，远比我们想象的来得更快。