导语：2026年10月9日，深圳扩散智能公司DiffuSpace（扩散智能）披露已完成连续两轮融资，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、地平线等跟投，接近投资方人士独家披露两轮合计近5亿元人民币，刷新全球扩散语言模型（dLLM）领域初创公司融资规模纪录。这家成立于2026年5月的公司，正试图在自回归（AR）模型一统天下的大语言模型版图上，验证一条"平行路线"的商业价值。
关键数据 | 数值 / 事实 |
融资总额 | 连续两轮，官方口径 " 数亿元 " ，投资方独家口径 " 近 5 亿元人民币 " |
领投 / 跟投 | 经纬创投、顺为资本、君联资本联合领投；中科创星、华为哈勃、地平线等跟投 |
资金用途 | 模型训练、基础设施研发及垂直场景适配 |
在途计划 | 新一代更大参数规模 dLLM ，计划近期（ 2026 年 10 月）发布并开源 |
一、融资事件：官方"数亿元"与投资方"近5亿元"两口径并存
本部分拆解本轮融资的核心事实、公司背景与技术底座，并交代两套金额口径的来源差异。
（一）核心事实
根据10月9日多家权威媒体同步披露的信息，扩散智能DiffuSpace已连续完成两轮融资，投资结构如下表所示：
投资结构 | 内容 |
联合领投 | 经纬创投、顺为资本、君联资本 |
跟投 | 中科创星、华为哈勃、地平线等 |
财务顾问 | 高鹄资本担任独家财务顾问 |
金额口径 | 官方通稿表述为"数亿元"人民币；接近投资方人士独家披露两轮合计近5亿元人民币 —— 两口径并存，各轮具体金额及公司估值尚未披露。据公开信息及媒体统计，该金额刷新全球 dLLM 领域初创公司融资规模纪录。 |
【图1：DiffuSpace融资事件速览】
项目 | 内容 |
公司 | 扩散智能 DiffuSpace （ 2026 年 5 月成立于深圳） |
融资 | 连续两轮，官方 " 数亿元 " ／投资方独家 " 近 5 亿元人民币 " |
联合领投 | 经纬创投、顺为资本、君联资本 |
跟投 | 中科创星、华为哈勃、地平线等 |
独家财务顾问 | 高鹄资本 |
资金用途 | 模型训练、基础设施研发及垂直场景适配 |
在途计划 | 新一代更大参数规模 dLLM ，计划近期（ 2026 年 10 月）发布并开源 |
赛道纪录 | 全球 dLLM 领域初创公司最大融资纪录 |
资金用途方面，本轮融资主要用于模型训练、基础设施研发及垂直场景适配；公司正推进新一代更大参数规模dLLM的训练，计划于近期（2026年10月）正式发布并开源。
（二）公司与团队：港大NLP系的"学术创业"
DiffuSpace由香港大学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，2026年5月成立于深圳，定位为"探索自回归之后的新一代基础模型"的智能生产商。三位创始人的履历构成本次融资叙事的核心：
创始人 | 履历 |
孔令鹏 | 港大计算机科学系助理教授， 2017 年获卡内基梅隆大学（ CMU ）博士学位，曾任谷歌 DeepMind 研究科学家， 2020 年加入港大 |
龚珊三 | 1997 年生，本硕毕业于上海交通大学，港大计算机系博士，曾在 Apple MLR 、腾讯 AI Lab 、上海 AI Lab 从事研究 |
叶佳成 | 本科中山大学、硕士复旦大学，港大计算机博士， Dream 7B 共同第一作者之一，负责基础模型研发 |
核心团队来自清华、北大、港大、CMU等高校，在"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。
（三）技术底座：从DiffuSeq到Dream 7B
团队的技术沿革可追溯至2022年推出的DiffuSeq——率先将扩散模型引入序列到序列条件文本生成（对话、改写、问句生成、文本简化），成果被ICLR 2023收录；此前成果还包括RDM、DiffuLLaMA。
真正让团队进入全球视野的是Dream 7B：2025年4月2日，港大NLP实验室与华为诺亚方舟实验室联合发布并开源Dream 7B（Dream-Base/Dream-Instruct），被称为"迄今最强开源扩散大语言模型"。技术上，它以Qwen2.5 7B权重做AR初始化，并采用上下文自适应token级噪声重调度（CART），预训练5800亿token（约为LLaDA 8B的1/4）；采用离散扩散建模，并行迭代去噪、双向上下文。
其基准成绩（与LLaDA 8B、Qwen2.5 7B、LLaMA3 8B同协议对比）尤为亮眼：
基准 | Dream 7B | 对照模型及成绩 |
Sudoku （数独） | 81.0 | Qwen2.5 7B ： 21.0 |
Countdown | 16.0 | Qwen2.5 7B ： 6.2 |
Trip planning （行程规划） | 17.8 | Qwen2.5 7B ： 3.6 |
GSM8K | 77.2 | LLaDA 8B ： 70.9 |
ARC-C | 59.8 | LLaDA 8B ： 47.5 |
在规划类任务上，Dream 7B部分指标比肩甚至超越671B参数的DeepSeek V3；截至2026年10月，其Hugging Face下载量已超250万次。2025年ICML的演讲中，Dream 7B与Google Gemini Diffusion、Inception Mercury被并列为三大代表性dLLM。此后Dream系列延伸出Dream-VL（视觉语言）、Dream-VLA（视觉-语言-行动）、DreamOn等垂类模型，验证了dLLM在多模态、Agent与具身场景的潜力。
值得注意的是，港大NLP实验室2025年与华为诺亚方舟实验室联合研发Dream系列的经历，为DiffuSpace创立奠定了技术基础，也被视为华为哈勃本轮跟投的产业逻辑锚点之一。此外，据投中网报道，华为相关团队另有基于盘古模型的扩散语言研究项目及GenLLM探索。
二、dLLM创业潮全景：与AR并行的"另一条路"
在拆解融资事件之后，先回到技术本身：扩散语言模型凭什么在自回归主导的市场里拿到资本门票？
（一）技术原理：从"逐字往外蹦"到"整块生成"
自回归（AR）模型按链式法则从左到右逐token生成——这正是大模型"一个字一个字往外蹦"的由来。扩散语言模型（dLLM）则从含噪序列出发迭代去噪，其四大卖点为：
技术卖点 | 说明 |
并行生成／并行解码 | 一次前向处理整块 token ，典型每轮推进 15-20 个（ DiffusionGemma 口径） |
双向注意力／全局上下文 | 生成任意位置时均可读取全部上下文，例如结合第 50 行与第 200 行的信息共同求解 |
任意顺序生成与可逆修正 | 生成过程中可反复调整任意位置，支持 infilling （填充式生成） |
柔性计算 | 动态分配算力，提供可调节的质量 - 速度权衡 |
此外，dLLM天然支持code-switching，可对中英混排、代码混排场景做全局建模。
但硬币的另一面同样清晰：AR模型拥有成熟的KV cache机制、天然流式输出与可变长输出能力；而扩散模型的"并行并不是免费的午餐"——生成中位置变动导致注意力表示需要重算、全双向注意力难以直接复用精确KV cache、去噪步数与推理延迟之间存在权衡。这决定了扩散与自回归之间不是简单的替代关系，而是一场各有胜场的工程与场景之争。
（二）五年发展时间线：从小众框架到百亿参数、创业融资齐落地
【图2：dLLM发展时间轴（2021-2026）】
时间 | 节点 | 性质 |
2021 | Austin et al. 《 Structured Denoising Diffusion Models in Discrete State-Spaces 》（ NeurIPS 2021 ）奠定文本离散扩散框架 | 学术奠基 |
2022 | Diffusion-LM （连续词向量去噪、可控生成）； DiffuSeq （条件 Seq2Seq 文本扩散，后入选 ICLR 2023 ） | 学术推进 |
2025-02 | Inception Labs 发布全球首个商业级扩散语言模型 Mercury （ Mercury Coder 在 H100 达 1109 tokens/s ） | 创业公司 |
2025-04 | 港大 NLP× 华为诺亚方舟发布 Dream 7B （最强开源 dLLM ） | 校企联合 |
2025-05 | Google I/O 发布实验性模型 Gemini Diffusion （ 1479 tokens/s ） | 巨头 |
2025 | 人大 LLaDA 8B （ 8B 、 2.3T token ）； Block Diffusion （块级折中） | 学术推进 |
2025-08 | 字节 Seed Diffusion 技术报告（ H20 上约 2146 tokens/s ，约为同规模 AR 的 5.4 倍） | 巨头 |
2025-12 | 蚂蚁技术研究院开源 LLaDA2.0 （ MoE 架构 16B mini/100B flash ，扩散首次扩展至 100B 量级，推理较 AR 提速 2.1 倍） | 巨头 |
2026-06 | Google 开放 DiffusionGemma （ 256-token canvas 双向互看，单张 H100 超 1000 tokens/s ，官方承认总体输出质量低于标准 Gemma 4 ）； NVIDIA 发布 TwoTower 混合架构（冻结 AR 塔 + 双向扩散塔） | 巨头 |
2026-07 | ICML 2026 杰出论文《 The Flexibility Trap 》（阿里 × 清华黄高团队）：任意顺序生成在通用推理任务中可能反成 " 灵活性陷阱 " | 学术反思 |
2026-09 | DiffuSpace×Acrab 战略合作：行业首个 dLLM× 端侧计算平台系统级协同适配 | 创业公司 |
从2021年的离散扩散理论框架，到2025年商业模型与巨头产品密集落地，再到2026年百亿参数开源、混合架构与端侧协同适配出现，dLLM赛道在五年内完成了从论文到产业的关键跨越。据央广网报道，2026年前8个月dLLM相关论文总数已达2025年全年的2.4倍。在速度层面，DiffuSpace与Acrab的适配测试显示，dLLM可将端侧Agent运行速度提升5倍；另有业内观点称，dLLM在部分场景下推理速度可达GPT式AR模型的10倍。
三、国内外代表公司对比：创业公司、巨头与高校的三线竞速
把DiffuSpace放进全球坐标系，才能看清这笔融资的相对位置：海外由创业公司与巨头双线推进，国内则以巨头研究院与高校产业化为主力。
（一）两条曲线上的玩家
Inception Labs（美国）：2024年夏由斯坦福教授Stefano Ermon创立（联合创始人含UCLA助理教授Aditya Grover、康奈尔助理教授Volodymyr Kuleshov），团队来自Stanford、UCLA、Cornell、DeepMind、Meta AI、Microsoft AI、OpenAI。2025年2月发布全球首个商业级扩散语言模型Mercury，Mercury Coder在NVIDIA H100上生成速度达1109 tokens/s（H100测试环境）；官网口径为sub-300ms首token延迟、5-7倍吞吐提升、单任务成本最高降70%。
融资与产品迭代方面，Inception Labs种子轮融资5000万美元，Menlo Ventures领投，Mayfield、微软M12、Snowflake Ventures、Databricks、英伟达NVentures参投，吴恩达、Andrej Karpathy以个人身份天使参与。2026年2月发布Mercury 2（Blackwell上1009 tokens/s、端到端延迟1.7秒、12.8万token上下文），官网现有企业级推理模型Mercury 2.5（超1000 tokens/s）。
Google（DeepMind）：2025年5月20日Google I/O发布实验性文本扩散模型Gemini Diffusion，采样速度达1479 tokens/s（另有0.84秒开销），官方描述约为Gemini 2.0 Flash-Lite的5倍速度；基准方面HumanEval 89.6%、MBPP 76.0%，与对照Gemini 2.0 Flash-Lite（90.2%、75.8%）基本持平。2026年6月10日，Google进一步开放DiffusionGemma（Apache-2.0开源），采用256-token canvas双向互看，单张H100超1000 tokens/s，但官方同时承认其总体输出质量低于标准Gemma 4，速度优势主要面向本地低并发推理场景。
国内力量：蚂蚁技术研究院2025年12月12日开源LLaDA2.0，采用MoE架构（16B mini/100B flash），使扩散路线首次扩展至100B量级，47项基准平均73.18分、对标Qwen3-30B-A3B-Instruct-2507的73.60分，推理较AR提速2.1倍；人大高瓴人工智能学院2025年发布的LLaDA 8B（2.3T token预训练）是开源扩散路线的先驱；字节跳动Seed Diffusion Preview在H20上约2146 tokens/s，约为同规模AR的5.4倍（H20测试环境）。
（二）对比表与融资坐标
【图3：国内外代表dLLM公司/模型对比表】
公司 / 机构 | 代表模型 | 速度表现（注明测试条件） | 关键特征 | 融资情况 |
DiffuSpace （中国深圳） | Dream 7B （开源） | 端侧 Agent 适配测试提速 5 倍（厂商适配口径） | 最强开源 dLLM ； HF 下载量超 250 万 | 两轮合计近 5 亿元人民币（投资方独家口径），刷新全球 dLLM 初创融资纪录 |
Inception Labs （美国） | Mercury / Mercury 2 / Mercury 2.5 | Mercury Coder 1109 tokens/s （ H100 ，厂商报告） | 全球首个商业级 dLLM | 种子轮 5000 万美元（约合人民币 3.5-3.6 亿元量级） |
Google （美国） | Gemini Diffusion / DiffusionGemma | 1479 tokens/s （官方报告，另有 0.84 秒开销）； DiffusionGemma 单张 H100 超 1000 tokens/s | 实验性 → 开源；官方承认质量低于 Gemma 4 | 巨头自研，无外部融资 |
蚂蚁技术研究院（中国） | LLaDA2.0 （ 16B/100B MoE ） | 较 AR 提速 2.1 倍（官方口径） | 扩散首次扩展至 100B 量级 | 巨头研究院，无外部融资 |
字节跳动（中国） | Seed Diffusion Preview | 约 2146 tokens/s （ H20 ，技术报告口径），约为同规模 AR 的 5.4 倍 | 代码场景见长 | 巨头自研，无外部融资 |
人大高瓴人工智能学院（中国） | LLaDA 8B | — （先驱开源模型） | 开源扩散路线先驱 | 高校科研成果 |
据公开信息及媒体统计，DiffuSpace两轮合计近5亿元人民币的融资规模，已超过Inception Labs的5000万美元种子轮，成为全球dLLM领域初创公司的最大融资纪录。
从对比中可以看到一个结构性事实：海外dLLM商业化由创业公司（Inception Labs）与巨头（Google）双线推进，而国内则呈现"巨头研究院（蚂蚁、字节）+ 高校团队产业化（人大LLaDA、港大Dream→DiffuSpace）"的独特格局，且DiffuSpace以创业公司身份拿到了全球赛道的最大融资额——资本对扩散路线的定价，正在从"技术好奇"转向"产业押注"。
四、资本风向：从大模型头部集中，到产业资本押注"平行路线"
本轮融资不是孤例。把它放回2026年中国AI一级市场的资金洪流中，才能看清资本偏好的迁移方向。
（一）2026年AI融资大盘：资金汹涌但加速分化
本轮融资落地的时间窗口，正值中国AI一级市场的资金洪峰。2026年上半年中国AI融资总额达3076.82亿元；全年融资规模大概率突破6000亿元（推演区间5800-6500亿元）；6月出现融资集中爆发，含DeepSeek 510亿元大额交易。大模型赛道呈现头部集中：上半年大模型"三巨头"合计拿走930亿元，智谱、MiniMax已登陆二级市场；下半年大模型创业公司将出现首轮淘汰赛。
2026年一季度AI领域融资近600起、总额超1100亿元，同比激增185.4%；5月单月，月之暗面、阶跃星辰等国产大模型公司合计拿下超300亿元融资。AI创业公司融得的资金主要投向研发、算力（GPU采购与云租赁占融资额30%-50%）与全球人才。
【图4：2026年中国AI资本动向速览】
维度 | 数据 / 事实 |
2026H1 AI 融资总额 | 3076.82 亿元 |
2026Q1 AI 融资 | 超 1100 亿元、近 600 起、同比 +185.4% |
全年展望 | 报告预计全年突破 6000 亿元（区间 5800-6500 亿元） |
头部集中 | 上半年大模型三巨头合计 930 亿元 |
对照样本： Kimi F 轮 | 超 35 亿美元（ 2026-07-29 ），投后估值 350 亿美元 |
对照样本：智谱 | 约 50 亿美元（约 20 亿美元配股 + 约 30 亿美元可转债） |
对照样本： OpenAI | 1100 亿美元融资框架（ 2026-02-27 宣布：亚马逊 500 亿 + 英伟达 300 亿 + 软银 300 亿，承诺投资框架总值） |
市场化机构出手次数前三 | 奇绩创坛 37 次、红杉中国 36 次、高瓴创投 29 次；国资徐汇资本 22 次居首 |
在这条"资金汹涌但加速分化"的曲线上，DiffuSpace的近5亿元融资提供了一个反向样本：当大模型主赛道进入头部集中与淘汰赛预期时，资本开始在"自回归之后"的技术路线上寻找下一个定价洼地。
（二）投资方结构：市场化VC领衔，产业资本背书端侧叙事
本轮投资方结构本身即是信号。联合领投三家均为头部市场化VC：经纬创投、顺为资本（雷军系）、君联资本（联想系）；跟投席则集中出现产业资本——中科创星（硬科技天使）、华为哈勃（华为旗下，近年持续布局基础模型与AI算力生态，此前投过魔芯科技等）、地平线（智驾芯片公司）。
产业资本的入局，被普遍解读为对dLLM端侧产业化前景的背书：dLLM的并行解码可以充分释放端侧芯片的并行算力，天然适配AI PC、智能汽车、机器人、智能家居等场景；2026年9月DiffuSpace与Acrab达成的战略合作，即行业首个dLLM×端侧计算平台的系统级协同适配。地平线的产业相关性同样有迹可循：其于2026年4月发布舱驾融合整车智能体芯片星空系列及整车智能体操作系统KaKaClaw，并在自动驾驶与机器人领域广泛应用扩散模型技术，如DIVER框架将扩散模型与强化学习结合用于端到端自动驾驶规划。不过需要说明的是，目前并无公开信息表明DiffuSpace与地平线存在战略合作，公开信息未显示双方存在更深层次合作。
港大NLP实验室与华为诺亚方舟实验室联合研发Dream系列的经历，则为华为哈勃的跟投提供了产业逻辑锚点——这段联合开发让扩散语言模型首次在通用能力与推理能力上逼近同量级AR模型，也构成了DiffuSpace的技术底座。
（三）资本偏好的深层变化
拉长视角看，本轮融资嵌在一组更大的偏好迁移之中：2026年上半年，AI融资总额已反超半导体——投中嘉川“AI融资反超半导体360亿”；"投早投小、脱虚向实、投资阶段前移"成为一致趋势——具身智能在2025年一季度即完成241起、181.4亿元融资；产业资本在大额交易中争夺协同与主导权，市场化机构扩大早期覆盖，国资搭建地域生态。港股AI热度亦有印证：智谱市值年内涨超2000%、6月一度突破万亿港元。
对dLLM这一细分赛道而言，资本逻辑是清晰的三段论：技术验证完成（Dream 7B基准与下载量）＋端侧产业化路径可见（Acrab适配、AI PC/智驾/机器人场景）＋团队具备稀缺的"条件生成、离散信号建模、Scaling"三位一体能力——三者叠加，构成了产业资本愿意在AR主流范式之外下注的理由。
五、产业观察：平行路线之争，才刚刚开始
融资纪录之外，更需要冷静观察路线之争的全貌：正方叙事与反方证据同样值得倾听。
（一）不是迭代，而是平行
东吴证券研报（2026-08-05）的核心判断是：扩散与自回归并非迭代关系，而是源自不同数学框架的平行路线（研报观点）。一个佐证是，英伟达Cosmos同时提供自回归与扩散两个模型家族——业界已经出现按场景取舍的混合策略。场景分工的共识正在形成：实时对话看重首token延迟与流式反馈，AR更自然；代码补全、局部编辑、强约束生成，双向修改的扩散更占优；长答案则可以由AR骨架加扩散block共同完成，Block Diffusion、TwoTower、Set Diffusion等混合架构正是这一思路的产物。
DiffuSpace联合创始人龚珊三给出了更激进的判断：其一，过往算力与训练条件下，自回归是更简单直接的路线、率先走通，"现在我们要去探索上限可能更高的路线"；其二，"从底层原理来看，扩散语言模型是自回归模型的广义升级版……当扩散语言模型的技术体系、算法迭代足够完备后，无需单独保留自回归模型的技术体系"；其三，未来大概率出现两种局面——扩散全面替代AR成为主流范式，或两类模型长期并存、适配不同场景。此前其他媒体报道亦引述业内判断："扩散语言模型或将在两年内替代GPT类自回归模型"。
（二）反方证据：灵活性陷阱、质量差距与资金窗口
但平衡地看，扩散路线的反方证据同样扎实，投资者与从业者不宜只听单一叙事：
风险 / 反方证据 | 要点 |
灵活性陷阱 | ICML 2026 杰出论文《 The Flexibility Trap: Rethinking the Value of Arbitrary Order in Diffusion Language Models 》（阿里 × 清华黄高团队， ICML 二十余年来首篇完全由中国单位完成的杰出论文）指出，任意顺序生成在数学、编程等通用推理任务中非但不能提升能力，反而可能成为陷阱 —— 高置信优先解码会绕开不确定但关键的逻辑节点，过早锁定推理路径，并牺牲对强化学习后训练至关重要的生成多样性。 |
质量差距 | Google 官方承认 DiffusionGemma 总体输出质量低于标准 Gemma 4 ，其速度优势主要面向本地低并发推理；在高并发云服务场景， batching 技术可以让 AR 充分占满算力，扩散的速度数字不能原样照搬。 |
并行不是免费午餐 | 位置变动需多轮重算、全双向注意力难以使用精确 KV cache 、去噪步数与延迟的权衡 —— 模型论文中的并行潜力与用户实际感受到的延迟之间，隔着一整套系统工程。 |
资金窗口收窄 | 投中嘉川预计下半年大模型赛道将出现首轮淘汰赛，留给其余 200 余家模型企业的资金窗口正在收窄。 |
路线定位 | 科创板日报亦提示，扩散模型在语言领域仍是 " 追赶和探索阶段的路线 " 。 |
（三）结语：端侧，或是最先被打开的那扇门
综合全篇事实，dLLM赛道当前最确定的商业化抓手在端侧：AI PC上，并行解码可释放端侧芯片的并行算力；Agent场景中，邮件、日程、检索、计划等多任务可并行推演、动态耦合；Coding Agent可并行处理多个代码位置；视频剪辑智能体可协同处理图像、语音、文字多模态信息；具身智能与智能驾驶中，长动作序列的全局规划与动态修正与扩散框架高度契合。DiffuSpace落址深圳、身处大湾区"芯片—智能汽车—机器人—智能终端"产业土壤，叠加华为哈勃、地平线等产业资本在股东名单中的存在，其端侧叙事具备真实的地缘与产业链支撑。
近5亿元融资刷新的是纪录，但真正值得记录的是它的含义：资本第一次以"全球最大单笔"的力度，为一主流范式之外的模型路线定价。自回归与扩散，正如东吴证券研报所言，是源自不同数学框架的平行路线——平行线是否会在某处相交、抑或各自延伸成两套并行的智能基础设施，答案藏在接下来的18个月里：DiffuSpace的新一代更大参数开源模型、Gemini与DiffusionGemma的质量迭代、混合架构的工程成熟度，以及淘汰赛压力下资本的耐心，都将参与书写这个答案。
