据悉，DiffuSpace 正在推进新一代更大参数规模 dLLM 的训练，并计划于近期发布并开源。
近日，扩散智能 DiffuSpace 连续完成两轮融资，总金额数亿人民币，创全球扩散语言模型（dLLM）最大规模融资纪录，由经纬创投、顺为资本、君联资本联合领投，中科创星、华为哈勃、地平线等跟投。
扩散智能 DiffuSpace 致力于探索以扩散语言模型为核心的下一代基座模型，本轮融资将主要用于模型训练、垂直场景适配与基础设施研发。据悉，DiffuSpace 正在推进新一代更大参数规模 dLLM 的训练，并计划于近期发布并开源。
扩散智能 DiffuSpace 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，核心团队长期深耕扩散语言模型研究，是全球最早探索该技术路线的团队之一，并在「条件生成、离散信号建模、Scaling」三大 dLLM 核心问题上均有全球领先突破。成员均来自清华、北大、港大、CMU 等顶尖高校及头部模型团队。2022 年，团队推出 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，团队推出的 Dream 7B 模型首次全面超越同参数规模的自回归模型，并在规划能力上比肩 671B 的 DeepSeek V3。
2026 年以来，dLLM 在技术突破、产业关注和资本热度等方面持续升温。2026 年前 8 个月，相关论文总数已达 2025 年全年的 2.4 倍。Google、Inception、蚂蚁集团等科技企业也在持续加码这一方向：Google 已推出文本扩散模型 Gemini Diffusion，美国 dLLM 公司 Inception 推出 Mercury 系列通用模型，并获得 NVIDIA 加速计算团队公开关注；蚂蚁集团等模型团队也陆续推出相关模型。随着更多头部科技公司和创业团队布局这一方向，扩散语言模型正从前沿研究加速走向工程化验证与应用探索。
近期报道显示，DiffuSpace 与亚洲智能体计算平台公司 Acrab 已达成合作，通过 dLLM 的并行生成与全局建模能力，端侧 Agent 运行速度可提升 5 倍。基于此次合作，双方将继续加速推进扩散语言模型在 AI PC、智能汽车、机器人及智能家居等场景的落地。
打造下一代通用模型，扩散语言模型进入 Scaling 加速期
近年来，扩散语言模型（dLLM）被视为下一代通用人工智能基础模型的重要方向之一。
扩散语言模型拥有更通用的内容生成范式。不同于 Claude、GPT 等主流自回归模型「从左往右」的生成范式，dLLM 可进行全局生成和并行解码，具备更强逻辑规划、全局一致与多模态融合能力，在特定场景下实现 5 至 10 倍推理加速，并在规划、复杂推理等能力上超越同规模自回归模型。
相比自回归模型，扩散语言模型的生成范式具备三项核心特点：
- 可逆修正
- 全局求解
- 柔性计算
在具身智能、智能汽车、AI PC 等 Agent 与多模态场景中，扩散语言模型同样具备优势。相比逐步生成，其能够对更长的动作序列、多模态输入以及多个并行任务进行整体建模，并在生成过程中动态调整。这一机制使 dLLM 更适合处理连续动作规划、车载任务交互、端侧 Agent 并行等场景，并在响应速度、任务一致性和全局协调能力等方面实现提升。
从源头创新到持续领先，DiffuSpace 四年押注 dLLM
资料显示，DiffuSpace 核心成员自 2022 年起投入 dLLM 研究，先后推出 DiffuSeq、RDM、DiffuLLaMA 等研究成果，并研发出全球代表性 dLLM 之一 Dream 7B，2025 年 ICML 相关演讲中，Dream 7B 与 Google Gemini Diffusion、Inception Mercury 被并列为三大代表性 dLLM。
在这条新技术路线上，DiffuSpace 并非沿着既有路径追赶，而是从源头创新。2022 年，团队提出 DiffuSeq，率先将扩散模型系统引入序列到序列条件文本生成（Seq2Seq），第一次让扩散模型能够完成对话、改写、问句生成、文本简化等真实应用。该成果后被 ICLR 2023 收录，成为早期条件式文本扩散领域的代表性工作。
2025 年，团队推出 Dream 7B 模型，打通 dLLM 的 Scaling 路径，该模型在数学、代码、规划等任务上全面超过同规模的自回归模型，部分指标甚至超过 DeepSeek V3（671B），已在 Hugging Face 上获得超过 250 万下载量。基于 Dream 7B，团队又陆续推出视觉语言模型 Dream-VL、视觉-语言-行动模型 Dream-VLA、DreamOn 等垂类模型，进一步验证 dLLM 在多模态、Agent 及具身智能等场景中的应用潜力。
2026 年 5 月，DiffuSpace 正式创立，并落地深圳，迈出了从实验室走向规模化训练的第一步。从 DiffuSeq 到 Dream 7B，经过四年持续研发，团队已形成覆盖算法、数据、训练和推理的 dLLM 全栈能力。其所在的大湾区集聚了芯片、智能汽车、机器人、智能终端等产业资源，为基础模型与硬件、终端企业的协同提供了产业土壤。目前，DiffuSpace 正在推进新一代更大参数规模模型训练。
