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_12页_569kb

报告摘要

汽车行业深度报告总结

核心内容

本报告围绕生成模型在AI领域的演进与应用，重点分析了GAN与Diffusion两种生成范式的差异，以及它们在图像和视频生成中的发展路径和产业应用前景。报告指出，生成模型的核心目标是学习数据分布并生成新样本，与判别模型不同，它关注的是如何从噪声或条件输入中生成符合分布的数据。当前，图像和视频生成的通用主线已转向Diffusion模型及其变体，如流匹配，而GAN并未完全退出，仍在特定场景中发挥重要作用。

主要观点

生成模型与判别模型的区别：
- 判别模型用于识别和分类，关注类别边界。
- 生成模型用于还原数据分布，关注样本生成质量与多样性。
生成模型演进路径：
- VAE：显式概率建模，训练稳定但生成质量有限。
- GAN：对抗训练，生成质量高但训练不稳定。
- 自回归模型：逐元素预测，训练稳定但速度慢。
- Diffusion模型：通过多步去噪实现生成，训练稳定、分布覆盖全。
- 流匹配与得分匹配：统一不同生成范式，提升效率与可控性。
GAN与Diffusion的路线差异：
- 采样速度：GAN一步生成，速度快；Diffusion多步迭代，速度较慢。
- 训练稳定性：GAN对抗训练不稳定；Diffusion去噪回归稳定。
- 样本多样性：GAN易模式崩溃，多样性差；Diffusion分布覆盖更全。
- 可控性与编辑能力：GAN控制能力弱；Diffusion通过CFG、ControlNet等手段实现强可控性。
产业应用趋势：
- 数字AI领域：扩散与Transformer结合成为主流，如Stable Diffusion、DALL-E2、Sora等。
- 物理AI领域：生成式世界模型用于自动驾驶仿真、机器人动作生成等，但需解决条件化、长时域一致性和可靠评估等问题。

关键信息

GAN的优势与局限：
- 优势：采样速度快，适合实时生成与特定垂类（如人脸合成）。
- 局限：训练不稳定、易模式崩溃、分布覆盖不全。
Diffusion的优势与局限：
- 优势：训练稳定、样本多样性好、条件控制强。
- 局限：推理速度慢、算力开销大。
技术演进方向：
- 流匹配与整流：减少采样步数，提升生成效率。
- 一致性模型与蒸馏：将多步生成压缩为少量步骤。
- Diffusion与Transformer结合：如DiT模型，实现高质量、可扩展的生成能力。
GAN思想回流：
- 通过对抗蒸馏等方式，GAN被用于提升扩散模型的生成速度和质量。

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。

投资建议

本报告认为，数字AI底座模型发展路径已清晰，但物理AI作为AI在物理世界的解决方案，具有更大的增量空间。
智能驾驶作为物理AI的代表性场景，应重点关注。

总结

生成模型作为AI从识别世界走向生成世界的关键技术，GAN与Diffusion是当前最具代表性的两种范式。GAN以对抗训练为核心，速度快但稳定性差；Diffusion以多步去噪为核心，稳定性强但推理慢。随着技术发展，Diffusion已逐渐成为图像与视频生成的主流，而GAN在特定场景中仍有应用价值。未来，流匹配、一致性模型、Transformer结合等技术将进一步提升生成效率与质量。在产业应用中，数字AI与物理AI的发展路径各具特点，而物理AI在AI与现实世界的融合中展现出更大潜力。

展开完整摘要