扩散语言模型产业落地加速，DiffuSpace与Acrab合作可将端侧Agent提速5倍
【环球网科技综合报道】9月1日消息，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达成战略合作，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。随着dLLM范式的加速突破，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。
与GPT类自回归模型“从左至右、逐个Token”的生成范式不同，dLLM借鉴图像生成中的扩散机制，实现“全局生成”，能结合上下文持续调整结果，并极大提升生成效率，在部分场景中，甚至可将推理速度提升至GPT式自回归模型的10倍。今年以来，Google、Inception、蚂蚁集团等企业均在dLLM加速布局，并推出多款通用模型。
扩散智能DiffuSpace与Acrab联手，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。作为业内最早布局端侧 Agent 计算、当前最具适配优势的芯片平台，Acrab 为扩散语言模型的端侧部署与规模化应用提供了关键验证平台。据介绍，扩散语言模型的全局生成特性，能更好适配AI PC、智能汽车等端侧场景对实时性、规划能力和计算效率的要求。
以AI PC为例，dLLM的并行解码机制能够充分释放端侧芯片的并行算力，为模型提供更低延迟、更高吞吐的运行基础。例如，当Agent需要同时处理邮件、整理日程、检索文件并生成后续计划时，传统自回归模型需要逐步生成、依次执行，而扩散模型可以对多个相关步骤进行并行推演，并根据变化实时调整，完成多个任务的动态耦合。在 Acrab 参考设计的 Coding Agent 任务中，dLLM 可并行处理多个代码位置，显著提升代码生成与修改效率；在视频剪辑智能体任务中，dLLM 凭借全局建模能力，可协同处理图像、语音和文字等多模态信息。
据介绍，扩散智能DiffuSpace是全球最早投入dLLM范式研究的团队之一，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，核心团队长期深耕扩散语言模型研究，在该领域处于国际前沿，是在“条件生成、离散信号建模、Scaling”的三大dLLM核心问题上均有全球领先突破的团队。成员均来自清华、北大、港大、CMU等顶尖高校及顶尖模型团队。2022年，团队推出DiffuSeq，开创了扩散模型处理序列到序列文本生成的技术路径；2025年，团队推出的Dream 7B模型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。
Acrab基于高度适配智能体工作负载的原生计算架构，致力于突破智能体在性能、能效与部署效率上的瓶颈，为端侧场景提供高效、灵活且可规模化落地的算力底座。公司已发布第一代端侧 AI 芯片 GΞLIX 1 及搭载该芯片的 Agent Box 智能终端。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。目前公司累计融资超过 4.8 亿美元，已进入产业量产。