聚焦汽车行业深度报告:AI系列深度08期:GAN与Diffusion两类生成范式有何差异?。生成模型演进可分为五条脉络: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,得分匹配与流匹配进一步把扩散、得分模型和连续生成路径纳入统一视角。但路线迁移并不意味着 GAN 完全退出:GAN 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。报告认为,数字 AI 底座模型发展路径已逐渐清晰、价值在于确定性,但其难以实现物理世界的建模闭环;报告认为物理 AI 将成为物理世界的AI 解决方案,从而在 AI 的当前发展阶段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,报告认为应重点关注。
聚焦汽车行业深度报告:AI系列深度08期:GAN与Diffusion两类生成范式有何差异?。生成模型演进可分为五条脉络: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,得分匹配与流匹配进一步把扩散、得分模型和连续生成路径纳入统一视角。但路线迁移并不意味着 GAN 完全退出:GAN 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。报告认为,数字 AI 底座模型发展路径已逐渐清晰、价值在于确定性,但其难以实现物理世界的建模闭环;报告认为物理 AI 将成为物理世界的AI 解决方案,从而在 AI 的当前发展阶段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,报告认为应重点关注。
聚焦汽车行业深度报告:AI系列深度08期:GAN与Diffusion两类生成范式有何差异?。生成模型演进可分为五条脉络: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,得分匹配与流匹配进一步把扩散、得分模型和连续生成路径纳入统一视角。但路线迁移并不意味着 GAN 完全退出:GAN 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。报告认为,数字 AI 底座模型发展路径已逐渐清晰、价值在于确定性,但其难以实现物理世界的建模闭环;报告认为物理 AI 将成为物理世界的AI 解决方案,从而在 AI 的当前发展阶段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,报告认为应重点关注。
本报告由东吴证券发布,发布于 2026 年。
覆盖 2026 年。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
重点分析了AI、汽车、汽车行业深度报告、AI系列深度08期等议题。