扩散语言模型杀进端侧 Agent提速5倍

时间：2026年9月1日，星期二 地点：中国深圳 / 香港 人物：扩散智能DiffuSpace团队（创始人孔令鹏教授、博士生龚珊三、叶佳成等）；亚洲智能体计算平台公司Acrab团队 事件详情：9月1日，扩散语言模型团队扩散智能DiffuSpace与亚洲智能体计算平台公司Acrab正式宣布达成战略合作。双方将围绕dLLM在AI PC、智能汽车、机器人及智能家居等端侧AI场景的落地展开系统级协同适配，适配测试结果显示，dLLM可将端侧Agent的运行速度提升5倍。这是行业内扩散语言模型首次与端侧计算平台开展系统级协同适配。 DiffuSpace团队由港大NLP实验室联合主管孔令鹏教授及其博士生龚珊三、叶佳成联合创立，核心成员来自清华、北大、港大、CMU等顶尖高校。该团队自2022年起陆续推出DiffuSeq、RDM、DiffuLLaMA等成果，并研发出全球代表性dLLM之一Dream 7B——后者在2025年首次全面超越同参数规模的自回归模型，并在规划能力上比肩671B的DeepSeek-V3，是当前"条件生成、离散信号建模、Scaling"三大dLLM核心问题上均有全球领先突破的团队。 Acrab方面，公司累计融资已超过4.8亿美元，并已发布第一代端侧AI芯片GΞLIX 1与Agent Box智能终端，其中GΞLIX 1提供超过700 TOPS的AI算力与273GB/s的统一内存带宽；Agent Box可在消费、工业等场景离线部署智能体。 背景：传统GPT类自回归模型采用"从左至右、逐个Token"的方式生成结果，而dLLM借鉴图像生成领域的扩散机制，采用"全局生成"，能结合上下文持续调整结果，被业内形象地比喻为"先整体生成，再不断修正"。DiffuSpace方面透露，在部分场景中dLLM的推理速度可达GPT式自回归模型的10倍。在Acrab的参考设计中，Coding Agent可通过并行处理多个代码位置提升代码生成与修改效率；视频剪辑智能体则利用全局建模能力协同处理图像、语音与文字等多模态信息。 今年以来，Google、Inception、蚂蚁集团等企业均已陆续推出扩散语言模型相关产品；业内近期已出现"扩散语言模型或将在两年内替代GPT类自回归模型"的判断。 影响：本次合作的实质，是把端侧Agent的"实时响应—计算效率—本地算力"这一现实约束，从单纯加大模型规模的旧范式，转向"模型+算力+应用场景协同适配"的新范式。随着dLLM在AI PC、智能汽车、机器人与智能家居等场景的落地，端侧Agent的体验上限将被重新定义；同时，扩散语言模型作为下一代基础模型范式的潜力，也将在更多实际任务中获得验证。 总结：扩散智能DiffuSpace与Acrab的联手，让扩散语言模型第一次走出论文与云端，在端侧AI芯片上跑出5倍速的实测结果；在Google、Inception、蚂蚁等巨头相继入局之后，dLLM能否真正成为"GPT的下一代替代者"，将取决于它能否在更多真实场景中持续兑现速度与可靠性承诺。 参考来源： 1. 钛媒体（独家）：https://www.tmtpost.com/8124156.html 2. IT之家：https://www.ithome.com/0/996/933.htm 3. 智东西：https://m.zhidx.com/news/4563.html 4. 网易：https://www.163.com/dy/article/L5OFGVRJ0519QIKK.html 5. 腾讯新闻：https://news.qq.com/rain/a/20260901A05YMG00 6. 环球网/今日头条：https://www.toutiao.com/article/7680450170458260020/