【东吴证券】汽车行业深度报告：AI系列深度08期：GAN与Diffusion两类生成范式有何差异？-260731（12页）.pdf

核心结论速览： 生成模型核心目标：学习数据背后的整体分布，并据此生成此前不存在的新样本。与判别模型负责识别和分类不同，生成模型回答的是如何从噪声、潜变量或条件输入中生成图像、视频、声音和动作。 五条演进脉络：VAE代表显式概率和潜变量建模，GAN点燃高真实感图像生成，自回归路线把图像当作token序列逐步预测，DDPM重塑扩散范式，得分匹配与流匹配将扩散、得分模型和连续生成路径纳入统一视角。 GAN与Diffusion四维差异：采样速度（一步vs多步）、训练稳定性（对抗博弈vs去噪回归）、样本多样性（易模式崩溃vs覆盖更全）、可控性（原生较弱vsCFG/ControlNet丰富手段）。 通用主线已转向Diffusion：Stable Diffusion、DALL-E2、Sora、Veo、可灵等均体现这一趋势。扩散与Transformer结合的DiT证明生成路线可接入规模化骨干。 GAN并未退出：对抗思想仍在对抗蒸馏、一步生成和扩散提速中回流；一致性模型、整流流、流匹配等方法也在持续改善采样效率。 数字AI与物理AI分工：数字AI底座模型发展路径已逐渐清晰，价值在于确定性；物理AI将成为物理世界的AI解决方案，增量更大，智能驾驶作为最先跑通闭环的代表场景应重点关注。H2：研究背景与全景图谱——从识别世界到生成世界的范式跃迁。生成模型是表征体系从编码走向解码的重要环节。相较于CNN/ViT、RNN/Transformer等模型回答如何读取数据并形成表征，生成模型则进一步回答如何基于噪声、潜变量或条件输入生成新数据。判别式模型的核心是学习类别边界，回答“这是什么”；生成式模型的核心是还原数据分布，回答“如何生成一个符合分布的新样本”。从文生图、文生视频到自动驾驶场景仿真、机器人动作生成，底层均涉及生成模型。GAN与Diffusion是过去十余年最具代表性的两条路线，前者以生成器和判别器的对抗博弈为核心，后者以加噪和去噪过程为核心。当前图像和视频生成的通用主线已转向Diffusion及其流匹配变体，主要原因在于GAN训练不稳定、易模式崩溃且规模化难度较高，而Diffusion在训练稳定性、分布覆盖和条件控制上优势更突出。（数据来源：东吴证券《AI系列深度08期：GAN与Diffusion两类生成范式有何差异？》）。H2：服务商生态分析——生成模型的竞争格局与技术路线分工。生成模型领域的技术路线分工已逐步清晰，形成了多路线并存的竞争格局。语言生成：仍以自回归建模为主。GPT系列、Claude、DeepSeek等大语言模型均基于Transformer的自回归架构，将文本视为token序列逐步预测。该路线在语言理解和生成方面已形成主导地位。图像与视频生成：以Diffusion及其流匹配变体为主。Stable Diffusion、DALL-E2、Sora、Veo、可灵等主流产品均基于扩散模型。扩散与Transformer结合的DiT证明了该路线的可扩展性，并支撑图像、视频和世界模型方向发展。Stable Diffusion 3已采用整流路线（Rectified Flow）。实时生成与特定垂类：GAN仍具价值。在人脸合成、超分辨率、图像翻译等对延迟或特定风格要求较高的场景，GAN凭借一步生成的速度优势仍可发挥作用。GigaGAN等大规模GAN也证明该路线仍可通过工程优化获得较好质量。技术栈收敛趋势：数字AI侧形成“扩散/流匹配+Transformer/DiT”的统一技术栈，竞争焦点从单纯架构转向数据、工程化、成本和产品体验。物理AI侧，生成式世界模型用于合成长尾驾驶场景、仿真训练和机器人动作生成。（数据来源：东吴证券《AI系列深度08期：GAN与Diffusion两类生成范式有何差异？》）。H2：典型场景深度解析。场景一：文生图/文生视频——Diffusion的主导地位。文生图和文生视频的主流技术栈已转向扩散及流匹配。Stable Diffusion系列（基于潜空间扩散）以较低算力实现高质量图像生成；Sora（基于DiT架构）实现了视频生成领域的突破；Veo和可灵等产品同样基于扩散模型。技术路径：Latent Diffusion先通过自编码器将图像压缩为低维潜变量，在该空间中执行扩散过程，再还原为图像。无分类器引导（CFG）在训练时随机丢弃条件，采样时对比“有条件”与“无条件”的预测来增强对文本等条件的遵循。场景二：实时交互与端侧部署——GAN的保留地。GAN一步前向生成，速度快、延迟低，天然适合实时与交互场景。在人脸合成、超分辨率、图像翻译等对延迟要求较高的应用中，GAN仍具不可替代性。但采样效率正被工程方法快速改善——一致性模型、潜一致性模型（LCM）、对抗蒸馏和流匹配等方法已能将高质量生成压缩到一步或少数几步。场景三：智能驾驶与物理AI——生成式世界模型的应用。物理AI侧，生成式世界模型用于合成长尾驾驶场景、仿真训练和机器人动作生成。视频生成可以成为世界模型的技术前置，但并不天然等同于可被安全闭环依赖的数据工厂。若进入安全闭环，还必须补足动作条件化、长时域一致性和可靠评估。生成模型由内容生产走向物理世界，约束显著变硬。场景四：自动驾驶场景仿真——最先跑通闭环的代表。智能驾驶作为最先跑通闭环的代表场景，生成式模型在仿真训练中发挥重要作用。通过生成罕见的长尾场景（如极端天气、突发障碍物），提升自动驾驶系统的泛化能力。但生成数据需经过严格的可靠性验证，才能用于安全闭环训练。（数据来源：东吴证券《AI系列深度08期：GAN与Diffusion两类生成范式有何差异？》）。H2：技术演进方向——Diffusion成为主流后的三条路径。路径一：流匹配与整流——更直接的生成路径。流匹配（Flow Matching）和整流（Rectified Flow）使用ODE学习从噪声到数据的近似直线路径，减少采样步数并提升稳定性。Stable Diffusion 3以整流和多模态DiT（MMDiT）为架构基础，是该趋势的代表。流匹配等框架进一步统一多条生成路径。路径二：一致性模型与蒸馏——多步生成压缩为少步生成。一致性模型让模型直接从轨迹任一点回到数据端，支持一步生成；潜一致性模型与LCM-LoRA进一步将高质量生成压缩到2-4步，显著降低推理成本，并已广泛用于加速Stable Diffusion。路径三：扩散与Transformer结合——DiT与可扩展性。DiT证明将扩散主干替换为Transformer后，模型质量可随算力和参数规模提升而持续改善，体现出scaling规律，并直接启发Sora等视频生成大模型设计。扩散由此获得与大语言模型相似的规模化路径。对抗思想回流：对抗蒸馏将GAN的对抗损失用于扩散模型压缩。ADD、SDXL-Lightning等方法将多步扩散蒸馏为一步或少步生成器，使GAN思想更多作为扩散提速工具或特定场景方案发挥作用。（数据来源：东吴证券《AI系列深度08期：GAN与Diffusion两类生成范式有何差异？》）。H2：未来12-18个月机会洞察。机会赛道矩阵。| 赛道 | 成熟度 | 市场空间 | 爆发窗口 | 推荐优先级 |||||||| 文生视频（Diffusion+DiT） | 中 | 大 | 已启动 | ★★★★★ || 实时生成（GAN/蒸馏） | 高 | 中大 | 已启动 | ★★★★ || 物理AI/世界模型 | 低 | 极大 | 2027+ | ★★★★★ || 自动驾驶场景仿真 | 中 | 大 | 已启动 | ★★★★ || 生成模型端侧部署 | 低 | 大 | 2027+ | ★★★ |各赛道分析。文生视频（Diffusion+DiT） ：确定性最高的赛道。Sora、Veo等已验证技术可行性，算力需求持续增长。物理AI/世界模型：空间最大的赛道。生成式世界模型用于合成长尾场景、仿真训练和机器人动作生成，是AI从数字空间走向物理世界的核心路径。实时生成（GAN/蒸馏） ：速度最快的赛道。一致性模型和蒸馏技术将多步生成压缩至少步，支撑实时交互应用。多角色行动建议。 AI技术研发者：关注DiT架构的持续演进、流匹配/整流路线的工程化落地、一致性模型的采样效率突破。 云服务商：生成模型训练和推理的算力需求持续增长，是资本开支的重要方向。 智能驾驶企业：重视生成式世界模型在长尾场景仿真中的应用，但需补足动作条件化和可靠性评估。 投资者：关注物理AI赛道（智能驾驶、机器人）的长期机会；关注扩散模型推理优化（蒸馏、一致性模型）带来的效率提升。（数据来源：东吴证券《AI系列深度08期：GAN与Diffusion两类生成范式有何差异？》）。延伸阅读。以上为报告核心趋势分析，如需获取完整报告详细数据及全部案例，请访问下载页下载完整PDF报告。FAQ区块。Q1：GAN与Diffusion的核心差异是什么？A：四维差异：采样速度（一步vs多步）、训练稳定性（对抗博弈vs去噪回归）、样本多样性（易模式崩溃vs覆盖更全）、可控性（原生较弱vsCFG/ControlNet丰富手段）。Q2：为什么Diffusion已成为通用生成主线？A：训练稳定、分布覆盖全、条件控制强，且与Transformer结合后体现出scaling规律。Stable Diffusion、DALL-E2、Sora、Veo、可灵均属该路线。Q3：GAN是否已被淘汰？A：没有。GAN在实时生成、人脸合成、超分辨率、图像翻译等对延迟要求高的场景中仍有价值；对抗思想还被用于扩散蒸馏和提速。Q4：什么是物理AI？与数字AI有何不同？A：数字AI底座模型发展路径已清晰，价值在于确定性；物理AI是物理世界的AI解决方案，增量更大。智能驾驶是最先跑通闭环的代表场景。Q5：生成模型未来的演进方向是什么？A：流匹配/整流（更直接路径）、一致性模型/蒸馏（少步生成）、DiT（可扩展性）、对抗思想回流（扩散提速）。数据来源说明。本文数据来源于东吴证券《AI系列深度08期：GAN与Diffusion两类生成范式有何差异？》（2026年7月31日），分析师黄细里。