产业深度-【AI产业深度】扩散大语言模型(DLLM)开启并行新范式：大模型领域的重要技术路线试水

　　扩散大语言模 型（dLLM）采用并行生成新范式，其迭代求精与全局规划的独特机制，驱动下一阶段AI 在代码生成、可控编辑等领域实现能力跃迁：面对日益增长的推理成本与速度要求，dLLM 通过并行解码从根本上改变了当下流行的AR 模型顺序解码token-by-token 生成文本的模式，在同等生成质量的前提下，实现生成速度数倍提升。

    　　2025 年以来，dLLM 已从理论探索迅速走向产业实践：开源大模型领域，LLaDA 率先在数十亿参数规模上验证了其与AR 模型竞争的潜力，MMaDA 则以统一架构展现了其在多模态领域的强大融合能力。商业化大模型领域，Inception Labs 的Mercury 与Google 的Gemini Diffusion，均以代码生成为切入点，在相近的生成质量前提下，实现数倍于AR 模型的推理速度。苹果的DiffuCoder 等最新研究，正通过深度解码分析和原生强化学习RL 对齐，进一步探索dLLM 在垂直领域的性能极限。

    　　dLLM 技术路线继承了早期非自回归（NAR）模型的并行解码技术，并通过引入更完备的扩散概率框架，从根本上解决了数据分布不匹配与生成质量不可控等缺陷。dLLM 通过一个迭代去噪过程，结合灵活的掩码与重掩码策略，在拥有并行生成速度优势的同时，也能进行全局建模，实现对高质量、高复杂度文本的高速生成。

    　　尽管dLLM 展现出巨大潜力，但仍面临着长文本推理场景下难以兼容KV缓存、总计算量较高以及对齐生态尚不成熟等核心挑战。学术界与产业界正通过近似KV 缓存、智能解码策略和coupled-GRPO 等原生对齐算法积极攻克这些难题。展望未来，dLLM 不会完全替代AR 模型，而是与AR模型优势互补，共同构成一个更多元、更繁荣的AI 技术生态。dLLM 会凭借其在速度、可控性和全局规划上的独特优势，在代码生成、药物发现等垂直领域扮演不可或缺的角色。

    　　风险提示：1）大语言模型的技术进展不及预期。2）人工智能行业内外部竞争格局变化带来的不确定性。3）算法或功能优化不及预期等。 机构：国泰海通证券股份有限公司 研究员：鲍雁辛/李嘉琪/刘峰 日期：2025-07-04

*免责声明：文章内容仅供参考，不构成投资建议

*风险提示：股市有风险，入市需谨慎