汽车行业 AI 系列深度报告：GAN 与 Diffusion 生成范式对比及演进

本报告深入分析生成模型中 GAN 与 Diffusion 两大主流范式的技术差异与演进趋势。报告指出，生成式建模已从早期的 VAE、GAN 时代转向以 Diffusion 及其流匹配变体为主导的阶段。GAN 凭借单步生成优势在实时场景仍具价值，但 Diffusion 在训练稳定性、分布覆盖及可控性方面优势明显，已成为当前文生图、文生视频的通用主线。此外，报告探讨了生成模型在数字 AI 与物理 AI（如自动驾驶、机器人）领域的落地差异，认为物理 AI 需补足动作条件化、长时域一致性及可靠评估，以实现安全闭环。未来演进方向聚焦于流匹配以简化路径、通过蒸馏实现少步采样，以及利用 Transformer 架构（DiT）提升模型可扩展性。