大讲堂
先拆穿神话：扩散模型到底是什么，不是什么
你就想象小时候做的墨水滴清水的实验——刚开始墨水是团轮廓清晰的形状，晃两下慢慢散成半透明的雾，再使劲晃，整杯水都浑成均匀的灰色，啥轮廓都看不见。 扩散模型的训练逻辑，就是把这个过程反过来。 先让AI反复练习“给一张清晰的图一步步加噪声，直到最后变成满屏的雪花点”，等它摸透了每一步噪声是怎么加的，再反过来教它：怎么从满屏的雪花点里，一步步把原本清晰的轮廓抠出来。
产业现状：已经悄悄跑通的三类落地路径
很多媒体追着写了两年大语言模型的商业化，其实扩散模型的落地进度，比大家想象的快得多。 第一类是大家最熟悉的内容生产端。早就不是停留在“画个头像”的阶段了。去年和米哈游的一个美术负责人吃饭，他说现在团队里一半的初级美术岗，日常工作已经从“从零画场景贴图”变成了“给扩散模型的生成结果挑错、修细节”。他们现在做开放世界游戏的森林场景，原来要美术团队熬三个月画完的资产，现在输入关键词加几张参考图，一周就能导出可直接导入虚幻引擎的3D模型。 第二类是很少被媒体关注的工业研发端。不管是锂电池的电极材料分子结构模拟，还是创新药的靶向蛋白设计，原来靠传统仿真算法要算几个月的任务，现在用扩散模型可以直接生成符合性能要求的结构候选。
没人敢明说的治理盲区
之前大家聊生成式AI的风险，总盯着大语言模型写假新闻、编虚假案例。其实扩散模型的风险，从落地第一天就藏在它的技术逻辑里。 扩散模型的生成没有“逻辑锚点”。 你用大语言模型生成一份假的公司公告，顺着上下文的逻辑查，总能找到前后矛盾的漏洞。但是扩散模型生成的假照片、假视频，光影、透视、物体的物理规律全是符合真实世界的，普通人根本分不出来。之前有个案例，有人用扩散模型生成了某科技品牌根本没办过的发布会现场图，比官方拍的高清图还细节，被几十家科技媒体当成新闻素材转了好几天。 还有更麻烦的版权问题。 现在所有商用扩散模型的训练集，都是爬取的全网公开图片，这里面有大量摄影师、插画师的原创作品。我去年帮一个南京本地的独立摄影师看他的作品，发现他三年前发在社交平台上的一组梧桐大道秋景，被拆成训练素材喂给了三个国内的画图模型。他自己现在去这些模型里输入“南京秋天的梧桐道，穿风衣的女生”，生成的图和他当年拍的角度、光影几乎一模一样，但是拿不到一分钱分成。 这很要命。 现在的扩散模型训练，本质上就是互联网时代的“圈地运动”。谁爬的图多，谁的模型效果好，但是原来的版权方，连上桌分蛋糕的资格都没有。 聊完这些，说几个和产业链上下游的人聊了快半年攒出来的判断，不是通稿里的正确废话。 第一，未来3年，扩散模型不会成为通用的AI底座，但是会成为所有生成类任务的标准基础设施。就像现在你做网站肯定要用数据库，以后只要涉及图像、视频、3D、声音这类连续信号的生成任务，底层肯定是扩散模型。大语言模型会退回到“调度员”的角色，负责理解用户的自然语言指令，把指令拆成参数传给扩散模型，生成具体的内容。 第二，未来3年推理侧的算力订单增长，至少一半来自扩散模型的需求。之前那些追着大模型训练侧算力跑的芯片厂商，现在得赶紧调整方向。大模型的训练竞赛已经进入收尾阶段，但是端侧、工业侧的扩散模型推理需求才刚起来——智能汽车的实时场景渲染、工业设计的实时生成、医疗影像的辅助诊断，这些场景都要求低延迟的本地推理，根本不会把敏感数据传到云端。 第三，相关的治理规则会在2-3年内落地，不会一直处于灰色地带。比如以后所有商用扩散模型生成的内容，必须加肉眼不可见的隐形水印，只要是AI生成的内容，平台必须能识别溯源。另外，训练集的版权分成机制也会慢慢跑通，不然靠原创吃饭的摄影师、插画师，根本没法在这个生态里活下去。 上周又去了那个南京的茶社。上次拍桌子的芯片创始人，现在已经把团队一半的研发精力，转去做扩散模型的推理加速卡了。 他说之前总觉得要追着最火的概念跑，现在才反应过来。 真正能赚长期钱的，从来不是站在聚光灯下的那个主角，是给所有跑在概念背后的发动机做零件的人。作者|fawen
排版|fawen
审核|满满