港大教授创业，扩散智能获dLLM模型全球最大融资

扩散语言模型创业企业扩散智能（DiffuSpace）成立5个月，便获得数亿元融资。

10月9日，企查查平台显示，扩散智能近期连续完成两轮融资，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。据相关媒体报道，两轮融资总额近5亿元，融资金额刷新全球扩散语言模型领域的纪录。

参投机构中，顺为资本由雷军等人创立，华为哈勃是华为旗下投资机构；君联资本与联想控股（03396.HK）相关。投资方的产业背景引人关注，但投资关系本身并不代表已经形成业务合作。

扩散智能于2026年5月在深圳成立，由香港大学自然语言处理实验室联合主管、教授孔令鹏，与在读博士龚珊三、叶佳成等人共同创立。团队此前研发的Dream 7B及代码模型Dream-Coder 7B已提供模型、推理代码和在线演示。据了解，扩散智能正在训练更大参数规模的新模型，计划近期发布并开源。

财闻注意到，扩散智能官网目前设有Chat入口，但平台尚未全面开放，注册需邀请码。

产品与合作仍处验证阶段

目前，扩散智能公开披露的具名业务合作是与端侧计算平台公司Acrab的合作。

Acrab称，Dream 7B已在其平台完成验证，双方将推进扩散语言模型在端侧智能体中的应用。

扩散智能官网信息显示，双方将推动dLLM在AI PC、智能汽车、机器人及智能家居等端侧AI场景落地，适配测试显示，dLLM可将端侧Agent的运行速度提升5倍。

扩散语言模型：另一种人工智能范式

随着生成式人工智能的发展，扩散模型已广泛应用于图像和视频生成，但在语言模型领域，自回归架构仍占据主流。

目前，GPT、DeepSeek等主流大语言模型大多采用自回归架构，按照从左到右的顺序逐个生成Token。

同济大学电子与信息工程学院副教授李王明卉向财闻表示，两种架构的核心区别在于生成机制。自回归模型按照顺序逐个生成内容，前面的预测会影响后续生成；扩散语言模型则通过多轮迭代逐步去除噪声、完善文本结构。

她以写作与编辑作比：“自回归模型像一个优秀的作家边写边想，而扩散模型更像一个编辑先看整体框架，再不断修改细节。”

扩散语言模型的潜在优势在于并行生成能力，以及对已有内容的反复调整。但李王明卉指出，目前这条技术路线在生成质量、训练稳定性和工程优化方面，仍落后于成熟的自回归体系。

李王明卉表示，评价模型效率不能只看每轮生成多少Token，还要看显存占用、并行效率、硬件利用率和单位输出成本。

她认为，扩散语言模型短期内更可能成为自回归模型之外的一条路线，而非直接取代后者。人工智能的发展不一定是“一种架构淘汰另一种架构”，就像飞机没有取代汽车，不同结构可以解决不同问题。

谈到这一路线的意义，她表示：“人类写作并不是预测下一个字，而是在不断形成、修正和完善我们的思想和理念。如果扩散模型能够更接近这种‘思考—修改’的过程，它可能带来的不是更快生成，而是另一种人工智能范式。”