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？.pdf

生成模型正从识别世界走向生成世界，GAN与Diffusion作为最具代表性的两条技术路线，其差异与演进深刻影响着图像、视频乃至物理世界仿真的产业格局。

核心内容与研究目的

本报告系统梳理生成模型从VAE、GAN到Diffusion与流匹配的演进脉络，深入对比GAN与Diffusion在采样速度、训练稳定性、样本多样性和可控性四个维度的路线差异，并探讨扩散成为主流后的三个演进方向及产业落地前景。研究旨在为理解生成模型技术路线选择及物理AI应用提供分析框架。

技术路线对比

GAN以生成器与判别器的对抗博弈为核心，可一步生成、图像锐利，在实时生成和特定垂类中仍有价值，但训练不稳定、易模式崩溃且规模化难度较高。Diffusion通过多步去噪把生成问题转化为更稳定的回归学习，分布覆盖更全、条件控制更强，但推理慢、算力开销大。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，Stable Diffusion、DALL-E2、Sora、Veo、可灵等均体现这一趋势。

演进方向与产业落地

扩散成为主流后，沿流匹配与整流、一致性模型与蒸馏、扩散与Transformer结合三个方向演进。GAN的对抗思想也在对抗蒸馏、一步生成和扩散提速中回流。产业落地上，数字AI侧形成"扩散/流匹配+Transformer/DiT"的统一技术栈；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，但进入安全闭环必须补足动作条件化、长时域一致性和可靠评估。报告认为物理AI将成为增量更大的方向，智能驾驶作为最先跑通闭环的代表场景值得重点关注。

风险提示

技术迭代不及预期、大模型厂商ARR增速放缓、云服务商资本开支不及预期、智能驾驶及机器人商业化落地不及预期等风险。