作者丨晨阳
编辑丨小龙 子钺
图源丨AI生成
当主流AI模型仍在逐字生成时，一家深圳初创企业通过“先铺草图、再反复修正”的扩散语言模型（dLLM）技术路径，成功融资数亿元，创下该领域全球最大规模融资纪录。
10月9日，扩散智能DiffuSpace宣布连续完成两轮融资，总金额达数亿元人民币。本轮融资由经纬创投、顺为资本、君联资本联合领投，中科创星、华为哈勃、地平线等机构跟投。
DiffuSpace由香港大学自然语言处理（NLP）实验室联合主管孔令鹏教授，以及龚珊三、叶佳成等核心成员在深圳联合创立。公司聚焦于尚未形成成熟商业格局、但有望重塑AI内容生成方式的扩散语言模型技术路线。
与ChatGPT等主流大模型采用的自回归架构不同，扩散语言模型无需严格从左到右逐个生成文字，而是通过并行预测和反复修正逐步完善结果。DiffuSpace团队此前研发的Dream 7B模型，已在数学、代码和规划任务中展现出强劲竞争力，试图回答“下一代基础模型是否还有另一种可能”这一根本性问题。
从港大实验室到深圳创业
DiffuSpace的故事始于2022年。彼时，Transformer和自回归架构已逐渐成为NLP领域的主流，而将扩散模型用于文本生成仍是一条充满不确定性的探索之路。
带领团队深耕此方向的是香港大学教授孔令鹏。他曾在Google DeepMind工作，长期关注语言模型的生成机制与概率建模。另一位核心创始人龚珊三毕业于上海交通大学，曾加入上海人工智能实验室，后赴港大攻读博士，两人于2022年前后展开深度合作。
孔令鹏
龚珊三
尽管扩散模型在图像生成领域表现优异，但将其迁移至由离散词元组成的文本领域，需解决语义连贯性和生成控制等难题。2022年，团队推出DiffuSeq，相关成果被ICLR 2023收录，为扩散模型进入NLP领域提供了早期验证。
2025年4月，团队发布拥有70亿参数的Dream 7B模型。该模型在多个基准测试中优于同规模自回归模型，部分指标接近参数规模更大的DeepSeek V3。2026年5月，孔令鹏、龚珊三、叶佳成等人正式创立DiffuSpace并落地深圳，团队成员背景涵盖港大、北大、清华、CMU等顶尖高校及头部研发团队。
叶佳成
不再逐字生成：AI学会全局思考
扩散语言模型是对生成机制本身的重新设计。主流自回归模型如同“写字”，需依赖前文预测下一字，难以中途修改；而扩散模型更像“编辑”，先搭建框架再填充细节，支持多位置并行预测和迭代修正。
这种机制为并行生成和全局规划提供了新空间。测试数据显示，在同等硬件和生成长度下，DiffuSpace扩散模型的推理吞吐速度约为主流自回归模型的10倍。
除Dream 7B外，团队还推出了Dream-VL、Dream-VLA及DreamOn等模型，将技术延伸至视觉语言理解及动作建模领域。2026年9月，DiffuSpace与智能体计算平台Acrab合作，围绕端侧Agent进行系统级适配，测试显示运行速度提升最高约5倍。
扩散语言模型从边缘走向台前
DiffuSpace并非孤军奋战。2026年以来，扩散语言模型研究热度飙升，前八个月相关论文数量已达2025年全年的2.4倍。Google、蚂蚁集团及海外初创公司Inception Labs等均在此领域深入布局。
国内巨头积极跟进
蚂蚁集团旗下InclusionAI团队值得关注。2025年，蚂蚁推出千亿参数的LLaDA 2.0系列，重点提升代码生成与复杂指令遵循能力；2026年又陆续推出LLaDA 2.1和2.2版本，致力于赋予扩散模型更完整的智能体执行能力。
华为不仅参与了Dream系列相关研究，也在盘古模型体系中探索扩散生成机制，并围绕Agent应用推进技术落地。
海外商业化进程加速
美国创业公司Inception Labs较早将扩散语言模型定位为商业产品。2025年2月，其推出Mercury系列模型，其中Mercury Coder在英伟达H100 GPU上的生成速度超过每秒1000个Token，并通过API平台及本地化部署服务开发者与企业客户。
Google则通过Gemini系列探索多模态AI与扩散架构的结合。2025年展示Gemini Diffusion后，2026年6月进一步推出26B参数规模的开放模型DiffusionGemma，特定条件下文本生成加速约4倍。
尽管扩散语言模型在生成速度和部分复杂任务中表现优异，但在超长上下文处理、训练成本、推理稳定性及大规模并发服务等方面仍需更多场景验证。
随着模型训练成本攀升，行业开始反思智能能力提升是否必须依赖算力堆叠。扩散语言模型代表了AI从顺序预测向并行建模、从单向输出向动态修正的转变。未来，不同技术路线可能在云端推理、终端智能及实时交互中形成各自优势。扩散语言模型能否成为自回归之外的“第二条腿”，将决定下一阶段基础模型的格局走向。
