扩散模型（Diffusion Models） 的十年（2015–2025），是人工智能从“模仿概率分布”向“掌握创作本能”跨越的史诗进程。

扩散模型彻底终结了 GAN（生成对抗网络）在图像生成领域的统治，并成为 2025 年视频生成、具身智能世界模型和生物制药的底层算法架构。

一、 核心演进的三大阶段

1. 数学起源与冷门期 (2015–2019) —— “物理学的灵感”

• 里程碑： 2015 年斯坦福大学提出 Deep Unsupervised Learning using Nonequilibrium Thermodynamics。
• 技术逻辑： 借鉴了热力学中的扩散过程。通过给图片**加噪（破坏信息）和去噪（还原信息）**来学习生成。
• 痛点： 此时的扩散模型生成质量远不如当时的 GAN，且推理速度极其缓慢，被视为学术界的冷门分支。

2. 生成爆发与 Stable Diffusion 时代 (2020–2022) —— “艺术的大众化”

• 核心突破：

• DDPM (2020)： 证明了扩散模型能生成比 GAN 更多样、更高质量的图片。

• Latent Diffusion / Stable Diffusion (2022)： 引入潜在空间（Latent Space），将计算压力从像素级降低到压缩空间，使得消费级显卡也能跑出 4K 大片。

• 意义： 开启了文生图（Prompt-to-Image）的元年，Midjourney 和 DALL-E 2 进入公众视野。

3. 视频生成与世界模型时代 (2023–2025) —— “模拟物理现实”

• 2025 现状：
• DiT (Diffusion Transformer)： 2024-2025 年，扩散模型抛弃了传统的 U-Net，全面转向 Transformer 架构（如 Sora、Gen-3）。这让 AI 能够理解长视频中的物体一致性和复杂的物理交互。
• 具身智能底座： 扩散模型被用于机器人轨迹预测。机器人不再是死板地计算路径，而是通过扩散过程“生成”一段符合物理常识的动作序列。
• 实时生成： 通过 LCM (潜幻一致性模型) 技术，2025 年的扩散模型已能实现毫秒级实时生图。

二、 Diffusion 核心维度十年对比表

三、 2025 年的技术巅峰：eBPF 与实时视频流生成

在 2025 年，扩散模型已经深度嵌入到系统内核与实时应用中：

1. eBPF 内核级算力调度 (Diffusion Orchestrator)：
   由于视频生成扩散模型对 GPU 显存和带宽消耗极大，2025 年的云端工程引入了 eBPF。

• 动态分片： eBPF 在内核层实时监控视频帧的生成进度。如果某个 DiT 算子导致渲染阻塞，eBPF 会瞬间将任务切片发送到负载更轻的 NPU 核心，确保实时通话中的 AI 背景替换无卡顿。

2. Diffusion 作为“具身小脑”：
   2025 年的机器人（如 Optimus Gen 3）使用 扩散策略 (Diffusion Policy) 来规划精细动作。相比传统控制，它能生成更丝滑、更具鲁棒性的避障动作。
3. 零样本一致性控制：
   利用 2025 年最新的 ControlNet 3.0，用户可以利用语音甚至眼神实时引导视频生成。系统通过 eBPF 审计下的超低延迟反馈链路，实现了真正的“意图即画面”。

四、 总结：从“去噪”到“构建现实”

过去十年的演进，是将扩散模型从一个**“数学上的除噪工具”重塑为“赋能人类创造力与机器智能的万能模拟器”**。

• 2015 年： 你在纠结如何用马尔可夫链证明去噪过程的收敛性。
• 2025 年： 你在利用扩散模型为你的电影生成一段长达 60 秒、符合所有物理常识且支持实时交互的 4K 场景。