扩散语言模型迎来爆发：DiffuSpace拿下5亿融资，每秒1000 Token的生成速度正在改写规则

大模型行业正在出现一条新赛道。它不靠一个字一个字往外蹦，而是一次性把整段文字”铺”出来再逐步修正。这就是扩散语言模型（diffusion language model，简称dLLM），2026年10月，它从论文走进了融资新闻。

一笔刷新纪录的融资

10月9日，深圳公司扩散智能（DiffuSpace）宣布连续完成两轮融资，总金额数亿元人民币。钛媒体从投资方处独家证实，两轮合计接近5亿元，创下全球扩散语言模型领域的融资纪录。

投资阵容相当豪华：经纬创投、顺为资本、君联资本联合领投，中科创星、华为哈勃、地平线跟投。雷军系和华为系同时出现在一家初创公司的股东名单里，这在基础模型赛道并不多见。

公司创始人是香港大学教授孔令鹏。融资用途很清晰：模型训练、基础设施研发、垂直场景适配。DiffuSpace同时透露，正在训练更大参数规模的新一代dLLM，计划近期发布并开源。

速度是最硬的理由

资本涌入的底层逻辑，来自一条实测数据。

Inception Labs发布的Mercury Coder，在普通NVIDIA H100上跑出了每秒超过1000 Token的生成速度。作为对照，即便是深度优化过的自回归模型，大多数也只能跑到每秒200 Token左右。五倍的差距，直接体现在代码补全的响应手感上。

Google的Gemini Diffusion也验证了同一条路线。官方演示里，它的生成速度远超自家最快的自回归模型，一段完整的代码片段可以在眨眼之间出现。

原因在架构。自回归模型必须等前一个Token算完才能算下一个，像排队打饭；扩散模型从一团噪声开始，整段文字并行去噪，同时迭代。并行度上去了，硬件利用率也就上去了。

长上下文的隐藏优势

速度之外，dLLM还有一张被低估的牌：省内存。

Spheron的部署指南算过一笔账：一个8B参数的自回归模型，在8K上下文下，KV Cache要额外吃掉8到12GB显存。LLaDA 2这类扩散模型几乎没有KV Cache开销，这部分成本接近零。

对做本地部署的开发者来说，这笔账很实际。同样一张24GB显卡，自回归模型要为上下文长度让出近半显存，扩散模型可以把预算全部留给参数和并发请求。

距离成熟还有多远

冷静看，dLLM的短板同样明显。并行去噪意味着模型在生成早期对全局结构的把控不如逐Token方式精细，长文本的逻辑连贯性仍需打磨。主流基准测试中，同参数规模的扩散模型在复杂推理任务上普遍落后于自回归旗舰。

生态也是问题。CUDA生态、推理框架、Agent工具链几乎全部围绕自回归模型搭建，dLLM要长出自己的配套，需要时间。

行业信号已经在变化。网易财经的报道指出，OpenAI约80%到90%的研究资源已转向GPT-7和GPT-8，Google开始对免费用户实施模型分层限制。头部玩家的资源被下一代竞赛占据，留给新架构一个窗口期。

DiffuSpace的5亿元、Inception Labs的Mercury、Google的Gemini Diffusion、港大团队的LLaDA，四股力量把扩散路线从学术推到了商业门口。2026年最后两个月，DiffuSpace承诺的新模型开源，值得开发者盯着。速度提升五倍的架构，一旦补齐质量短板，排队的不只是投资人。