2026年9月1日，扩散语言模型团队DiffuSpace与亚洲智能体计算平台公司Acrab宣布达成战略合作，双方将共同推动dLLM在AI PC、智能汽车、机器人及智能家居等端侧AI场景落地。适配测试显示，dLLM可将端侧智能体的运行速度提升约5倍。

与传统GPT类自回归模型“从左至右、逐个Token”的生成方式不同，扩散语言模型（dLLM）借鉴图像生成中的扩散机制，实现“全局生成”——先形成整体内容框架，再结合上下文持续调整结果。这一范式转变使得生成效率大幅提升，在部分场景中推理速度甚至可达自回归模型的10倍。

扩散智能DiffuSpace是全球最早投入dLLM范式研究的团队之一，由港大NLP实验室联合主管孔令鹏教授及其博士生龚珊三、叶佳成联合创立。团队2022年推出DiffuSeq，开创了扩散模型处理序列到序列文本生成的技术路径；2025年推出的Dream7B模型首次全面超越同参数规模的自回归模型，规划能力比肩671B的DeepSeek V3。

Acrab则是业内最早布局端侧智能体计算的公司之一，已发布第一代端侧AI芯片GΞLIX1及搭载该芯片的AgentBox智能终端。GΞLIX1提供超过700TOPS的AI算力与273GB/s的统一内存带宽，支持消费和工业场景离线部署智能体。公司累计融资超过4.8亿美元，已进入产业量产阶段。

此次合作是行业内扩散语言模型首次与端侧计算平台开展系统级协同适配。以AI PC为例，当智能体需要同时处理邮件、整理日程、检索文件并生成后续计划时，传统自回归模型需逐步生成依次执行，而扩散模型可对多个相关步骤进行并行推演，并根据变化实时调整，完成多个任务的动态耦合。

业内近期出现更激进的判断：扩散语言模型或将在两年内替代GPT类自回归模型。Google、Inception、蚂蚁集团等企业均在dLLM赛道加速布局。随着更多企业入局，这一技术路线正从“非共识”逐步走向更多认可。