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？

　　投资要点

　　生成模型的核心目标，是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。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。

　　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。2022年后，扩散与Transformer结合的DiT证明生成路线也可接入规模化骨干，并支撑图像、视频和世界模型方向发展。

　　GAN与Diffusion的路线差异集中在四个维度：采样速度、训练稳定性、样本多样性和可控性。GAN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、模式崩溃和规模化难度较高；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。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。

　　产业落地上，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，但若进入安全闭环，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。

　　我们认为，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；我们认为物理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，我们认为应重点关注。

　　风险提示：技术迭代不及预期的风险，大模型厂商ARR增速放缓的风险，云服务商资本开支不及预期的风险，智能驾驶及机器人商业化落地不及预期的风险。