一句话看懂：斯坦福教授、Inception 联合创始人兼 CEO Stefano Ermon 在 No Priors 播客中提出，扩散模型（Diffusion）有望在 AI 推理赛道占据主导地位，挑战当前自回归大模型的主流地位。这一判断关系到下一代模型架构和推理成本的走向。
事件核心：发生了什么
在 Follow Builders · No Priors 播客的一期对话中，Inception 联合创始人兼 CEO、斯坦福计算机科学教授 Stefano Ermon 围绕 Diffusion 模型展开讨论。他的核心判断是：Diffusion 将赢得 AI 推理。Ermon 是扩散模型领域的代表性研究者之一，也是 Inception 这家专注扩散语言模型的公司联合创始人。目前公开信息显示，Inception 正在探索将扩散机制用于文本生成与推理任务，试图在速度、并行性和成本上建立差异化优势。
为什么重要
当前主流大模型（GPT、Claude、Llama 等）几乎都基于自回归架构，即逐个 token 顺序生成。这种范式在训练和推理上已被大规模验证，但推理阶段的计算效率和延迟始终是瓶颈。Diffusion 的优势在于可以并行生成多个 token，理论上能显著降低推理延迟和单位算力成本。如果 Ermon 的判断成立，模型架构的竞争格局可能从“谁的参数更大”转向“谁的推理更高效”，这对依赖 API 调用的大模型厂商、云算力供应商以及开源模型社区都会产生连锁影响。需要指出的是，Diffusion 在文本任务上的效果目前尚未在大规模产品中得到充分验证。
对用户/开发者/创作者的影响
对开发者而言，如果 Diffusion 推理真的落地，API 调用成本和响应延迟可能下降，实时 AI 应用（如语音助手、代码补全、Agent 工作流）的体验会明显改善。对创作者来说，图像和视频生成本就是 Diffusion 的主场，若同一架构能覆盖文本与多模态推理，内容生产工具的一体化程度会更高。对企业采购方，这意味着未来选型时不能只盯自回归模型，需要关注 Diffusion 语言模型的实际基准表现和推理成本。不过目前公开信息显示，相关产品尚未大规模商用，实际收益仍需观察。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Inception 是否会在近期发布可用的 Diffusion 语言模型或 API，并公布推理速度、成本、质量等可比数据；二是 OpenAI、Anthropic、Meta 等主流厂商是否会跟进 Diffusion 推理路线，或是在自回归架构上给出更有竞争力的效率优化；三是开源社区（如 Hugging Face 生态）是否出现可复现的 Diffusion 文本模型，推动开发者生态扩大。这些信号将决定 Ermon 的判断是前瞻性预判，还是短期内难以兑现的技术愿景。
