⚡ 前沿动态

扩散智能 DiffuSpace:融资、技术与落地场景

🕐 2026-10-15 投融资,扩散模型 🔥 259 次点击

2026年10月,深圳初创企业‌扩散智能DiffuSpace‌正式宣布连续完成两轮融资,总金额近‌5亿元人民币‌,直接刷新全球扩散语言模型(dLLM)领域的融资纪录,成为该赛道迄今为止规模最大的一笔融资事件。

DiffuSpace由香港大学NLP实验室联合主管孔令鹏教授与香港大学在读博士龚珊三、叶佳成等成员,于2026年5月在深圳联合创立。早在2022年,公司核心团队便开始研究扩散语言模型,是全球最早系统探索这一技术路线的团队之一。目前,包括孔令鹏和龚珊三在内,DiffuSpace的核心成员主要来自香港大学、北京大学、清华大学等知名高校及一线模型公司。这支从2022年就开始深耕扩散语言模型的团队,已打造覆盖“算法-数据-训练-推理”的完整扩散语言模型系统。

目前公司官网已开放Chat入口,但尚未全面对外开放,注册需邀请码,产品与商业化合作仍处于早期验证阶段。

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、地平线等多家产业背景机构跟投,投资方覆盖AI芯片、智能终端、边缘计算等全产业链核心玩家。

一、团队与模型参数

以下是官方公开的可落地核心参数:

  • 成立时间‌:2026年5月,注册地深圳
  • 核心创始人‌:香港大学NLP实验室联合主管孔令鹏教授,联合创始人龚珊三、叶佳成均为港大在读博士
  • 核心成员背景‌:来自香港大学、清华大学、北京大学、CMU等顶尖高校及头部大模型团队
  • 标杆模型Dream 7B‌:7B参数量扩散语言模型,综合能力全面超越同参数自回归模型,规划能力比肩671B DeepSeek V3
  • 衍生模型矩阵‌:已推出Dream-Coder 7B代码模型、Dream-VL多模态模型、Dream-VLA具身智能模型,覆盖多模态、Agent全场景
  • 端侧实测性能‌:在端侧智能体场景下,相比传统自回归模型,运行速度可提升‌5倍‌
  • 开源计划‌:新一代更大参数规模的dLLM将于近期正式发布并开源
  • 行业地位‌:2025年ICML相关演讲中,Dream 7B与Google Gemini Diffusion、Inception Mercury并列为全球三大代表性扩散语言模型

二、技术与实现

DiffuSpace完全跳出了GPT、DeepSeek等主流大模型采用的自回归生成范式,走出了一条完全自主可控的扩散语言模型技术路线:

1. 源头级技术创新‌

2022年团队提出DiffuSeq,首次将扩散模型系统引入序列到序列条件文本生成,让扩散模型能够完成对话、改写、问句生成等真实文本任务,该成果被ICLR 2023收录,成为早期条件式文本扩散领域的标杆性工作。

2. 三大核心难题全球突破‌

在扩散语言模型的"条件生成、离散信号建模、Scaling缩放"三大核心技术问题上实现全球领先突破,打通了dLLM的规模化训练路径,打破了此前行业认为扩散语言模型无法做大的技术偏见。

3. Dream 7B里程碑成果‌

2025年推出的Dream 7B模型,首次在数学、代码、规划等任务上全面超越同参数规模的自回归模型,部分规划能力指标甚至比肩671B参数的DeepSeek V3,在Hugging Face上累计下载量超过250万次。

4. 原生核心特性‌:

  • 可逆修正‌:生成过程中可随时回溯调整任意位置的内容,解决自回归模型"生成后无法修改前文"的顽疾,大幅降低内容错误率。
  • 全局求解‌:生成任意位置都能读取全部上下文,实现跨段落的全局规划与协同,长文档生成的逻辑一致性远超同规模自回归模型。
  • 柔性计算‌:动态分配算力资源,简单内容少计算、复杂内容多计算,在生成速度、计算成本与回答质量之间实现灵活平衡。

5. 全栈技术体系‌

已打造覆盖"算法-数据-训练-推理"的完整扩散语言模型系统,后续还将推出更大参数规模的新一代dLLM,并计划近期正式发布开源。

四、融资用途与商业化

本轮数亿融资将全部聚焦于三大核心方向,快速推动扩散语言模型从前沿研究走向大规模产业落地:

1. 大模型训练投入‌

将大部分资金用于新一代更大参数规模dLLM的算力采购与训练研发,快速完成技术迭代,巩固在全球dLLM赛道的领先地位。

2. 垂直场景适配‌

针对AI PC、智能汽车、机器人、智能家居等端侧场景做定向优化,完成不同硬件平台的适配与性能调优。

3. 基础设施研发‌

搭建面向扩散语言模型的专属训练与推理基础设施,解决dLLM工程落地中的显存占用、并行效率、硬件利用率等核心工程问题。

4. 商业化落地节奏‌

目前已与端侧计算平台Acrab达成独家合作,率先推进dLLM在端侧智能体中的落地,后续将逐步向全行业开放模型能力,定位为"智能生产商",把顶尖的扩散AI能力赋能给各个垂直行业。

五、应用场景与落地

扩散语言模型的独特技术特性,让它在多个自回归模型难以高效适配的场景中具备天然优势:

1. 端侧智能体场景‌

与Acrab平台合作完成验证,dLLM的并行生成与全局建模能力,可将端侧Agent的运行速度提升5倍,大幅降低端侧设备的算力消耗,适配AI PC、智能家居等低算力端侧设备。

2. 智能汽车场景‌

车载语音交互、任务规划场景中,dLLM可全局处理多轮用户指令,动态调整任务执行路径,响应速度与任务一致性远超传统自回归车载助手,某头部车企已启动早期对接测试。

3. 具身智能机器人场景‌

针对机器人的长序列动作规划需求,dLLM可对整个动作序列进行全局建模,生成过程中动态调整动作细节,大幅提升机器人执行复杂任务的成功率。

4. 代码开发场景‌

Dream-Coder 7B扩散代码模型,可全局理解整个代码仓库的逻辑,并行生成多段关联代码,代码生成的逻辑一致性与可运行率远超同参数自回归代码模型。

5. 长文档创作场景‌

利用可逆修正与全局求解特性,生成长文档时可随时调整任意段落的内容,全程保持全文逻辑统一,解决传统大模型长文生成前后矛盾的痛点。

六、行业影响

本次融资事件直接标志着扩散语言模型正式从前沿学术研究阶段,进入大规模产业落地的爆发期:

1. AI生成范式迎来全新分支‌

打破了自回归模型在大语言模型领域的绝对垄断,扩散语言模型凭借可逆修正、全局求解、柔性计算的独特优势,走出了一条完全不同的技术路线,为下一代通用人工智能提供了全新的技术可能性。

2. 国产AI源头创新实现全球领先‌

DiffuSpace作为中国本土创业团队,在扩散语言模型这条全新赛道上实现了源头级创新,技术成果与产业进度均走在全球第一梯队,与Google、Inception等国际厂商并驾齐驱,打破了海外厂商在大模型基础范式上的长期垄断。

3. 端侧AI落地门槛大幅降低‌

dLLM的并行生成与低算力消耗特性,让端侧设备无需搭载高端芯片,也能流畅运行高性能大模型,直接推动AI PC、智能汽车、机器人等端侧智能体的大规模普及。

4. 全球dLLM赛道热度全面爆发‌

2026年前8个月,全球扩散语言模型相关论文数量已达到2025年全年的2.4倍,Google、蚂蚁集团等头部厂商纷纷加码该赛道,DiffuSpace的大额融资将进一步加速整个赛道的技术迭代与产业落地。

声明:文中数据及部分观点来源于网络,部分观点来源于个人分析和推理,仅供参考,不构成投资或商业决策建议。
您觉得本文:
资料来源
  1. 「扩散智能DiffuSpace」- 官方公众号
← 返回 [前沿动态]