【东吴证券】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？-260731（12页）.pdf

核心数据速览： 五条演进脉络：VAE（2013）→ GAN（2014）→ 自回归（2016）→ DDPM（2020）→ 流匹配（2022）。 GAN四维局限：训练不稳定、易模式崩溃、规模化难、可控性弱。 Diffusion四维优势：训练稳定、分布覆盖全、条件控制强、可规模化。 采样速度：GAN一步 vs Diffusion多步（数十至上千步）。 主流路线：图像/视频生成已转向Diffusion+DiT（Sora/Stable Diffusion/可灵）。 GAN保留地：实时生成、人脸合成、超分辨率、图像翻译。 演进方向：流匹配/整流、一致性模型/蒸馏、DiT规模化、对抗思想回流。 产业分工：数字AI（确定性）vs 物理AI（增量更大，智能驾驶为代表）。H2：报告核心数据解读。H3：五条演进脉络——从VAE到流匹配的生成模型简史。生成式建模并非只有GAN与扩散两条路。回看十余年，大致可归纳为五条相互交织的脉络：变分自编码器（VAE，2013）训练稳定但生成偏模糊；生成对抗网络（GAN，2014）以对抗训练点燃高真实感图像生成；自回归生成（PixelCNN，2016）将图像视为token序列逐步预测；去噪扩散概率模型（DDPM，2020）确立加噪再去噪范式；流匹配（2022）以常微分方程描述更直接的生成路径。（数据来源：东吴证券《AI系列深度08期：GAN与Diffusion两类生成范式有何差异？》）。H3：GAN与Diffusion四维对比——速度、稳定性、多样性、可控性。GAN与扩散的差异可归结为四组相互关联的分歧。采样速度：GAN一步前向生成，快；Diffusion多步迭代，较慢。训练稳定性：GAN对抗博弈，易不稳；Diffusion去噪回归，稳定易复现。样本多样性：GAN易模式崩溃、覆盖不全；Diffusion覆盖更全、多样性好。可控性：GAN原生较弱、需额外技巧；Diffusion通过CFG/inpainting/ControlNet，手段丰富。（数据来源：东吴证券《AI系列深度08期：GAN与Diffusion两类生成范式有何差异？》）。H3：产业分工——数字AI与物理AI的路径差异。数字AI侧，底座模型发展路径已逐渐清晰，价值在于确定性。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。智能驾驶作为最先跑通闭环的代表场景，应重点关注。（数据来源：东吴证券《AI系列深度08期：GAN与Diffusion两类生成范式有何差异？》）。H2：报告独有数据价值——技术级颗粒度。 五条演进脉络：VAE（2013）→ GAN（2014/DCGAN 2015）→ 自回归（PixelCNN 2016）→ DDPM（2020）→ 流匹配（2022）。 GAN核心机制：生成器+判别器对抗博弈，极小极大博弈。 GAN典型失败：模式崩溃（只生成少数几类样本）。 DCGAN：确立较稳定的卷积GAN结构。 StyleGAN/StyleGAN2：高质量人脸合成代表。 DDPM：前向加噪（固定方差表）+ 反向去噪（预测噪声）。 DDIM：确定性采样，跳步压缩步数。 Latent Diffusion：潜空间扩散，Stable Diffusion基础。 CFG：无分类器引导，文生图可控性关键技术。 DiT：扩散+Transformer，体现scaling规律，启发Sora。 流匹配/整流：ODE学习近似直线路径，Stable Diffusion 3采用。 一致性模型/LCM：一步/少步生成，压缩2-4步。 对抗蒸馏：ADD、SDXL-Lightning，GAN思想用于扩散提速。 数字AI：确定性，价值明确。 物理AI：增量更大，智能驾驶最先跑通闭环。（数据来源：东吴证券《AI系列深度08期：GAN与Diffusion两类生成范式有何差异？》）。H2：谁需要这份报告？ AI算法工程师/研究者：获取GAN与Diffusion的技术差异、演进脉络、最新方向（DiT/流匹配/一致性模型）的系统性梳理。 AI产品/技术决策者：了解图像/视频生成的技术选型依据、数字AI与物理AI的产业分工。 智能驾驶/机器人企业：评估生成式世界模型在仿真训练中的应用价值与技术约束。 云服务商/算力投资者：把握生成模型训练和推理的算力需求趋势。 科技赛道投资者：评估物理AI（智能驾驶、机器人）的长期投资机会。FAQ区块。Q1：报告包含哪些核心内容？A：报告包含生成模型定义、五条演进脉络、GAN与Diffusion四维对比、采样速度/训练稳定性/多样性/可控性分析、Diffusion成为主流后的三个演进方向（流匹配/一致性模型/DiT）、数字AI与物理AI产业分工。Q2：GAN与Diffusion的核心差异是什么？A：采样速度（一步vs多步）、训练稳定性（对抗vs去噪回归）、样本多样性（模式崩溃vs覆盖全）、可控性（原生弱vsCFG丰富手段）。Q3：为什么Diffusion已成为主流？A：训练稳定、分布覆盖全、条件控制强、与Transformer结合后体现scaling规律。Stable Diffusion、DALL-E2、Sora、可灵均基于扩散。Q4：GAN还有价值吗？A：有。实时生成、人脸合成、超分辨率等场景仍有用；对抗思想用于扩散蒸馏和提速（ADD、SDXL-Lightning）。Q5：物理AI与数字AI有何不同？A：数字AI底座模型路径已清晰，价值在确定性；物理AI是物理世界的解决方案，增量更大。智能驾驶是最先跑通闭环的代表。完整PDF报告包含内容。以下为完整PDF报告的核心内容模块，下载后可获取全部详细数据：1. 生成模型定义：从识别世界到生成世界。2. 判别与生成的核心差异。3. 数据分布建模与生成质量评价（IS/FID/CLIP Score）。4. VAE：显式概率与潜变量建模。5. GAN：对抗博弈机制、训练难点、经典演进（DCGAN/StyleGAN）。6. Diffusion：前向加噪与反向去噪机制。7. 关键技术：DDIM/Latent Diffusion/CFG。8. GAN与Diffusion四维对比表。9. 核心争议：主线转移、采样效率、路线分工。10. Diffusion成为主流后的三个演进方向：流匹配/整流、一致性模型/蒸馏、DiT。11. 对抗思想回流：GAN用于扩散提速。12. 数字AI与物理AI产业分工。13. 风险提示。延伸阅读。如需了解行业趋势与战略洞察，可返回查看本报告深度分析页面。数据来源说明。本文数据来源于东吴证券《AI系列深度08期：GAN与Diffusion两类生成范式有何差异？》（2026年7月31日），分析师黄细里。