"三年内扩散模型全面替代大语言模型"？我把两边的证据都摆了出来

知乎热榜这两天挂着一个火药味很浓的问题：如何看待「三年内，扩散模型将全面替代大语言模型」的说法？

评论区吵成两派。一派说这是天方夜谭，ChatGPT、Claude用了这么多年"逐字往外蹦"的写法，凭什么被推翻？另一派甩出新鲜出炉的证据：10月28日，深圳一家叫扩散智能（DiffuSpace）的创业公司开源了新模型Clover-35B-A3B-Preview，团队公布的测试里，它在智能体编程等任务上超过了同尺寸的自回归模型Qwen3.6-35B-A3B，生成速度最高可达对方的5到10倍。

我把21世纪经济报道、澎湃新闻、大众日报等媒体的报道和相关技术分析翻了一遍，发现这个问题问错了方向。真正有意思的不是"谁替代谁"，而是这场技术路线之争，最后会落到你我用的AI服务上。

两种"写作方式"的区别，一个填字游戏就能讲明白

现在你用的几乎所有AI——ChatGPT、Claude、千问、豆包——都是"自回归"模型：像写作文一样，写完第一个字才能写第二个字，一个字一个字往后接。

扩散模型反过来：像玩填字游戏。先把整篇答案的空格全部铺出来，然后一轮一轮地填，先填最有把握的位置，再逐步修正不确定的地方，直到全文完整。

这个区别带来一个直接的好处：填字可以同时填多个格子，作文只能一句一句写。所以扩散模型天然适合并行生成，速度上限更高。这也是为什么资本先动了——据21世纪经济报道，DiffuSpace近期连续完成两轮融资，总金额数亿元，经纬创投、顺为资本、君联资本联合领投，中科创星、华为哈勃、地平线跟投。这家公司由港大NLP实验室联合主管孔令鹏教授带着两名博士生创办，团队从2022年就开始做这个方向，此前有DiffuSeq、Dream 7B等研究成果。Google、Inception、蚂蚁集团今年以来也相继入局扩散语言模型。

但"三年替代"的说法，至少有三个漏洞

第一，快不等于便宜。掘金上一篇技术分析提到，谷歌的扩散模型研究曾展示过最高4倍加速，但这个优势并非所有场景都成立：单人使用时扩散模型能吃满显卡，可大型AI平台本来就能把成百上千个用户的请求集中调度，传统模型的显卡利用率也不低。更要命的是，扩散模型反复修改全文的计算成本，可能反过来抵消速度优势。

第二，缓存机制冲突。自回归模型有个巨大工程红利：前面算过的内容可以缓存复用（KV Cache），聊得越久越省。扩散模型每轮都在改已生成的内容，旧缓存可能失效，每轮都重算的话成本陡增。学术界有Fast-dLLM这类分块缓存方案在追赶，但离大规模商业部署还有距离。

第三，"替代"这个词本身就有问题。看Clover的发布方向就懂了——它主攻的是智能体编程与工具调用，也就是让AI替你干活的场景，不是陪你聊天的场景。

真正会发生什么：AI干活的成本降下来

所以我的判断是：三年内扩散模型不会"替代"你手机里的豆包和ChatGPT，但它很可能先接管"AI打工人"这条赛道。

道理很朴素：Agent场景对速度的敏感度远高于聊天。AI帮你改代码、跑工作流、批量处理文件时，多等一秒都是真金白银的算力成本。扩散模型5到10倍的生成速度一旦在成本上也站得住，最先受益的就是这类"AI替你干活"的服务——响应更快、价格更低。那篇掘金分析的结论我认同：扩散模型带来的最大变化可能不是硬件被淘汰，而是推理软件层的全面升级——任务调度、缓存管理、并行方式都会重写。

对普通用户来说，这意味着一个朴素的预期：接下来一两年，AI工具"变快变便宜"的速度可能比"变聪明"更快。选工具时不妨多留一个心眼——同一个任务，响应快、额度实在的那个，背后可能已经悄悄换了技术路线。

一张对照表，帮你判断"新技术宣传"的成色（建议收藏）

下次再刷到"XX技术将全面替代XX"的惊悚标题，拿这五个问题过一遍，成色立判。我自己就在spark1.cn的AI工具库（/tools/）里按这套标准筛过一轮工具，只留经得起问的。

技术路线之争离普通人看似很远，但它决定着你明年用的AI是快是慢、是贵是便宜。看懂热闹背后的门道，就不用跟着焦虑——xAI智工场会继续盯着大模型技术路线的每一步进展，替你翻译成"和我有什么关系"，点关注不迷路。